Base64编码

2017-08-17 14:40:27

Base64是一种用64个可见字符来表示任意二进制数据的方法。

一、使用Base64编码的原因

X.509公钥证书也好，电子邮件数据也好，经常要用到Base64编码，那么为什么要作一下这样的编码呢？

我们知道在计算机中任何数据都是按ascii码存储的，而ascii码的128～255之间的值是不可见字符。而在网络上交换数据时，比如说从A地传到B地，往往要经过多个路由设备，由于不同的设备对字符的处理方式有一些不同，这样那些不可见字符就有可能被处理错误，这是不利于传输的。所以就先把数据先做一个Base64编码，统统变成可见字符，这样出错的可能性就大降低了。

对证书来说，特别是根证书，一般都是作Base64编码的，因为它要在网上被许多人下载。电子邮件的附件一般也作Base64编码的，因为一个附件数据往往是有不可见字符的。

用记事本打开exe、jpg、pdf这些文件时，我们都会看到一大堆乱码，因为二进制文件包含很多无法显示和打印的字符，所以，如果要让记事本这样的文本处理软件能处理二进制数据，就需要一个二进制到字符串的转换方法。Base64是一种最常见的二进制编码方法。

二、Base64编码原理

对二进制数据进行处理，每3个字节一组，一共是3x8=24bit，划为4组，每组正好6个bit，之后在这6bit前加上两位0，会得到4个字节的数据流。

然后查表，获得相应的4个字符，就是编码后的字符串。

所以，Base64编码会把3字节的二进制数据编码为4字节的文本数据，长度增加33%，好处是编码后的文本数据可以在邮件正文、网页等直接显示。

如果要编码的二进制数据不是3的倍数，最后会剩下1个或2个字节怎么办？Base64用\x00字节在末尾补足后，再在编码的末尾加上1个或2个=号，表示补了多少字节，解码的时候，会自动去掉。

具体例子：

转码过程例子：

3*8=4*6

内存1个字节占8位

转前： s 1 3

先转成ascii：对应 115 49 51

2进制： 01110011 00110001 00110011

6个一组（4组） 011100110011000100110011

然后才有后面的 011100 110011 000100 110011

然后计算机是8位8位的存数 6不够，自动就补两个高位0了

所有有了 高位补0

科学计算器输入 00011100 00110011 00000100 00110011

得到 28 51 4 51

查对下照表 c z E z

 

由于标准的Base64编码后可能出现字符+和/，在URL中就不能直接作为参数，所以又有一种"url safe"的base64编码，其实就是把字符+和/分别变成-和_。

还可以自己定义64个字符的排列顺序，这样就可以自定义Base64编码，不过，通常情况下完全没有必要。

Base64是一种通过查表的编码方法，不能用于加密，即使使用自定义的编码表也不行。

Base64适用于小段内容的编码，比如数字证书签名、Cookie的内容等。

由于=字符也可能出现在Base64编码中，但=用在URL、Cookie里面会造成歧义，所以，很多Base64编码后会把=去掉。

三、在Python中进行base64的编码与解码

使用Python自带的base64库可以直接进行base64的编解码。

import base64

temp = "jiangsu".encode('ascii')
s = base64.b64encode(temp)
print(s)

# b'amlhbmdzdQ=='
# 显然jiangsu不是3的倍数，所以最后会进行补零处理
# 由于补了两个零，所以在编码后的字符串中有两个==

 

 url_safe的编码：

import base64

temp = "i\xb7\x1d\xfb\xef\xff".encode("utf-8")
s = base64.b64encode(temp)
print(s)
s = base64.urlsafe_b64encode(temp)
print(s)

# b'acK3HcO7w6/Dvw=='
# b'acK3HcO7w6_Dvw=='
# 由于超出了128,所以改用了utf-8编码