字符编码（2）——Base64，ANSI

Base64是什么？

Base64编码的用途是为了传输和传输安全（其实并不太安全）。

它的算法是：每3个字节（每字节8bit），转换为4个6bit的字节（一个字节应该是8bit，所以前2位补0），然后每个6位前2位（高位）被2个零。例如：

xxxxxxxx yyyyyyyy xxxxyyyy这里转换前的3个字节，然后，每6位分到一个字节中：

xxxxxx xxyyyy yyyyxx xxyyyy

然后高位补0

00xxxxxx 00xxyyyy 00yyyyxx 00xxyyyy

其中xy是二进制的0和1，然后再按base64码表进行替换(base64，基本的64个码，=号不在其内)

 

0 A	16 Q	32 g	48 w
1 B	17 R	33 h	49 x
2 C	18 S	34 i	50 y
3 D	19 T	35 j	51 z
4 E	20 U	36 k	52 0
5 F	21 V	37 l	53 1
6 G	22 W	38 m	54 2
7 H	23 X	39 n	55 3
8 I	24 Y	40 o	56 4
9 J	25 Z	41 p	57 5
10 K	26 a	42 q	58 6
11 L	27 b	43 r	59 7
12 M	28 c	44 s	60 8
13 N	29 d	45 t	61 9
14 O	30 e	46 u	62 +
15 P	31 f	47 v	63 /

 

从码表中可以得知，base64编码后的字串只包含在小写字母，数字，还有+/这2个特殊字符。

还有一些扩展的base64用法。例如用于url传递的其中把+号和左斜线换成了*和-

现在以Hello这个单词来测试一下，之前，先通过.net提供的base64转换方法得到它的base64编码。

public static string Base64Encoding(this string selfChar,Encoding encoding)
{ 
    byte[] bb = selfencoding.GetBytes(selfChar);
    return Convert.ToBase64String(bb);
}

 

在Ascii编码环境下

Hello这个单词有5个字母，就是5个字节，那么可以把它分为Hel lo两部分。第一部分的Hel是3个字节，它的二进制格式为（可以查ascii表，也可以由上一篇中给出的方法求）：010010000110010101101100

然后分为4个6位：010010 000110 010101 101100

然后高位补0：00010010 00000110 00010101 00101100，然后换算为10进制为18 6 21 44

然后与码表对应替换：SGVs

 

下边对后2个字节进行编码。因为base64要求8*3——6*4，然后才进行下一步计算。这里只有2个字节，那应该对其补，补就是用＝号来替换。

开始：lo的二进制为0110110001101111

因为不够24位，所以分为3个6位字节011011 000110 111100

011011 000110 111100，10进制数为：27 6 60，然后再补一个＝号就是

bG8=

与上边的连起来就是SGVs bG8=

 

在程序中验证，这个是正确的。

 

再做一个汉字语句的base64编码：赵。

在utf-8编码下，它的二进制是：111010001011010110110101

它有3个字节，分为4个字节：111010 001011 010110 110101，补0：00111010 00001011 00010110 00110101

10进制是：58 11 22 53

码表：6LW1。

 

在GB2312环境下的64位编码是怎样的？

“赵”字的gb2312编码环境下的字节有2个，它的二进制位是：1101010111010100，分为6位的：

110101 011101 010000

对应的10进制是：53 29 16，对应码表是1dQ，然后补＝号就是

1dQ=

 

在Ascii环境下的64位编码是怎样的？

“赵”字不在Ascii码内（ascii在127之内）。那么对于编码环境下不存在的字符怎么样处理呢？

在ascii环境下，任何大于127的，即U+007F（unicode编码127的），则由ascii的问号替换。

然后，问号在unicode值下是63（Ascii下也是，这是10进制数），63的二进制是：111111。这是一个字节(按Base64编码算法，要补齐3个字节，所以最后要加2个等号)，它应该是：00111111，然后每6位分一字节：001111 110000

不足的在后边补0，这个补0与6位变8位补不是一样的概念。那么这两个8位的10进制数是：

15 48，对应码表就是Pw，

然后还要加上2个等号==

最后变成了Pw==

 

ANSI

American National Standards Institute（ANSI——美国国家标准局）

为使计算机支持更多语言，通常使用 0x80—0xFF 范围的 2 个字节来表示 1 个字符。比如：汉字 '中' 在中文操作系统中，使用 [0xD6,0xD0] 这两个字节存储。

不同的国家和地区制定了不同的标准，由此产生了 GB2312, BIG5, JIS 等各自的编码标准。这些使用 2 个字节来代表一个字符的各种汉字延伸编码方式，称为 ANSI 编码。在简体中文系统下，ANSI 编码代表 GB2312 编码，在日文操作系统下，ANSI 编码代表 JIS 编码。

不同 ANSI 编码之间互不兼容，当信息在国际间交流时，无法将属于两种语言的文字，存储在同一段 ANSI 编码的文本中。