细说 Data URI

Data URL 早在 1995 年就被提出，那个时候有很多个版本的 Data URL Schema 定义陆续出现在 VRML 之中，随后不久，其中的一个版本被提上了议案——将它做个一个嵌入式的资源放置在 HTML 语言之中。从 RFC 文档定稿的时间来看（1998年），它是一个很受欢迎的发明。

Data URIs 定义的内容可以作为小文件被插入到其他文档之中。URI 是 uniform resource identifier 的缩写，它定义了接受内容的协议以及附带的相关内容，如果附带的相关内容是一个地址，那么此时的 URI 也是一个 URL (uniform resource locator)，如：

ftp://10.1.1.10/path/to/filename.ext
http://example.com/source/id

协议后面的内容，可以告诉客户端一个准确下载资源的地址，而 URI 并不一定包含一个地址信息，如(demo)：

data:image/gif;base64,R0lGODlhEAAOALMAAOazToeHh0tLS/7LZv/0jvb29t/f3//Ub//ge8WSLf/rhf/3kdbW1mxsbP//mf///yH5BAAAAAAALAAAAAAQAA4AAARe8L1Ekyky67QZ1hLnjM5UUde0ECwLJoExKcppV0aCcGCmTIHEIUEqjgaORCMxIC6e0CcguWw6aFjsVMkkIr7g77ZKPJjPZqIyd7sJAgVGoEGv2xsBxqNgYPj/gAwXEQA7

其协议为 data，并告诉客户端将这个内容作为 image/gif 格式来解析，需要解析的内容使用的是 base64 编码。它直接包含了内容但并没有一个确定的资源地址。

☞ 格式

Data URI 的格式十分简单，如下所示：

data:[<mime type>][;charset=<charset>][;base64],<encoded data>

• 第一部分是 data: 协议头，它标识这个内容为一个 data URI 资源。

• 第二部分是 MIME 类型，表示这串内容的展现方式，比如：text/plain，则以文本类型展示，image/jpeg，以 jpeg 图片形式展示，同样，客户端也会以这个 MIME 类型来解析数据。

• 第三部分是编码设置，默认编码是 charset=US-ASCII, 即数据部分的每个字符都会自动编码为 %xx，关于编码的测试，可以在浏览器地址框输入分别输入下面两串内容，查看效果：
  

  // output: ä½ å¥½ -> 使用默认的编码展示，故乱码
  data:text/html,你好  
  // output: 你好 -> 使用 UTF-8 展示
  data:text/html;charset=UTF-8,你好 
  // output: 浣犲ソ -> 使用 gbk 展示（浏览器默认编码 UTF-8，故乱码）
  data:text/html;charset=gbk,你好 
  // output: 你好 -> UTF-8 编码，内容先使用 base64 解码，然后展示
  data:text/html;charset=UTF-8;base64,5L2g5aW9 

• 第四部分是 base64 编码设定，这是一个可选项，base64 编码中仅包含 0-9,a-z,A-Z,+,/,=，其中 = 是用来编码补白的。

• 最后一部分为这个 Data URI 承载的内容，它可以是纯文本编写的内容，也可以是经过 base64编码 的内容。

很多时候我们使用 data URI 来呈现一些较长的内容，如一串二进制数据编码、图片等，采用 base64 编码可以让内容变得更加简短。而对图片来说，在 gzip 压缩之后，base64 图片实际上比原图 gzip 压缩要大，体积增加大约为三分之一，所以使用的时候需要权衡。

☞ 兼容性

由于出现时间较早，目前主流的浏览器基本都支持 data URI：

• Firefox 2+
• Opera 7.2+
• Chrome (所有版本)
• Safari (所有版本)
• Internet Explorer 8+

但是部分浏览器对 data URI 的使用存在限制：

• 长度限制，长度超长，在一些应用下会导致内存溢出，程序崩溃
  

  Opera 下限制为 4100 个字符，目前已经去掉了这个限制
  IE 8+ 下限制为 32,768 个字符（32kb），IE9 之后移除了这个限制

• 在 IE 下，data URI 只允许被用到如下地方：

  • object (images only)
  • img、input type=image、link
  • CSS 中允许使用 URL 声明的地方,如 background
• 在 IE 下，Data URI 的内容必须是经过编码转换的，如 “#”、”%”、非 US-ASCII 字符、多字节字符等，必须经过编码转换

☞ 低版本IE的解决之道 - MHTML

MHTML 就是 MIME HTML，是 “Multipurpose Internet Mail Extensions HyperText Markup Language” 的简称，它就像一个带着附件的邮件一般，如下所示：

/** FilePath: http://example.com/test.css */
/*!@ignore
Content-Type: multipart/related; boundary="_ANY_SEPARATOR"

--_ANY_SEPARATOR
Content-Location:myidBackground
Content-Transfer-Encoding:base64

iVBORw0KGgoAAAANSUhEUgAAAAUAAAAFCAYAAACNbyblAAAAHElEQVQI12P4//8/w38GIAXDIBKE0DHxgljNBAAO9TXL0Y4OHwAAAABJRU5ErkJggg==
--_ANY_SEPARATOR--
*/

.myid {
  background-image: url("data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAAUAAAAFCAYAAACNbyblAAAAHElEQVQI12P4//8/w38GIAXDIBKE0DHxgljNBAAO9TXL0Y4OHwAAAABJRU5ErkJggg==");
  *background-image: url(mhtml:http://example.com/test.css!myidBackground); 
}

上方的一串注释就像是一个附件，这个附件内容是一个名叫 myidBackground 的 base64 编码图片，在一个 class 叫做 myid 的 css 中用到了它。这里有几点需要注意：

• _ANY_SEPARATOR 可以是任意内容
• 在”附件”结束位置需要加上结束符 _ANY_SEPARATOR，否则在 Vista 和 Win7 的 IE7 中会出错。
• 附件代码注意不要被压缩工具给干掉了

这里存在一个坑：部分系统兼容模式下的 IE8 也认识 css 中的 hack 符号 *，但是不支持 mhtml，所以上面的内容不会生效。处理方案估计就只有使用 IE 的条件注释了。

☞ HTTPS 下的安全提示

HTTPS 打开页面，当在 IE6、7 下使用 data URIs 时，会看到如下提醒：

MS 的解释是：

您正在查看的网站是个安全网站。它使用了 SSL （安全套接字层）或 PCT（保密通讯技术）这样的安全协议来确保您所收发信息的安全性。
当站点使用安全协议时，您提供的信息例如姓名或信用卡号码等都经过加密，其他人无法读取。然而，这个网页同时包含未使用该安全协议的项目。

很明显，IE 嗅到了”未使用安全协议的项目”。

浏览器在解析到一个 URI 的时候，会首先判断协议头，如果是以 http(s) 开头，它便会建立一个网络链接下载资源，如果它发现协议头为 data:，便会将其作为一个 Data URI 资源进行解析。

但是从 chrome 的瀑布流，我们可以做这样的猜测：

图中每个 Data URI 都发起了请求，不过状态都是 data(from cache)，禁用缓存之后，依然如此。所以可以断定，浏览器在下载源码解析成 DOM 的时候，会将 Data URI 的资源解析出来，并缓存在本地，最后 Data URI 每个对应位置都会发起一次请求，只是这个请求还未建立链接，就被发现存在缓存的浏览器给拍死了。

☞ 安全阀门

Data URI 在 IE 下有诸多安全限制，事实上，很多 xss 注入也可以将 data URI 的源头作为入口，使用 data URI 绕过浏览器的过滤。

// 绕过浏览器过滤
http://example.com/text.php?t="><script src="data:text/html,<script>alert("Xss")</script><!--

这里可以很大程度的发散，很有意思，值得读者去深究。

☞ 扩展阅读

• RFC 2397 RFC文档
• MDN - data_URIs MDN文档
• MSDN - data Protocal MSDN文档
• NC - data_uris_explained
• phpied - MHTML