关于base64编码的原理和实现
在前文 Data URI 应用场景小结 中我们提到了一个概念，叫做 base64编码，今天我们就来聊聊 base64编码，揭开它的神秘面纱。
一句话解释：Base64是一种基于64个可打印字符来表示二进制数据的表示方法。
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。
Base64的原理很简单，首先，准备一个包含 64 个字符的数组：
['A', 'B', 'C', ... 'a', 'b', 'c', ... '0', '1', ... '+', '/']
附 base64 索引表：
然后，对二进制数据进行处理，每 3 个字节一组（如果字节数不能被 3 整除，则用 0 补位），每个字节是 8 bits，一共是 3 x 8 = 24 bits，划为 4 组，每组正好 6 个 bits。将每组的 6 bits 转为十进制数字，这样我们得到 4 个数字作为索引（3->4，所以经过 base64 编码的图片会比原文件大 1/3，不过一般经过 gzip 压缩后跟原文件大小差不多），然后查表，获得相应的 4 个字符，就是编码后的字符串。
如果是字符串的 base64 编码，具体步骤为：
- 获取字符串每个字符的 ASCII 码，如果字符数不能被 3 整除，则末尾补 0
- 将步骤 1 获取的 ASCII 码转为 8 位 二进制码
- 每 6 bits 为一组，并将 6 位二进制码转为十进制
- 对照上面的 base64 索引表，得到编码后的字符串
需要注意的是：
- 要求被编码字符是 8bit 的，所以须在 ASCII 编码范围内，\u0000-\u00ff，中文就不行
- 如果被编码字符长度不是 3 的倍数的时候，则都用 0 代替，对应的输出字符为 =，而不是查表所得的 A（所以通过 base64编码 的图片最后有时会有 1-2 个 =）
举两个例子：
（1）字符长度能被 3 整除时，比如 'han'：
h a n
ASCII 104 97 110
8bit字节 01101000 01100001 01101110
6bit字节 011010 000110 000101 101110
十进制 26 6 5 46
对应编码 a G F u
（2）字符长度不能被 3 整除时，比如 'zichi'：
z i c h i
ASCII: 122 105 99 104 105
8bit字节: 01111010 01101001 01100011 01101000 01101001 00000000(补)
6bit字节: 011110 100110 100101 100011 011010 000110 100100 000000
十进制: 30 38 37 35 26 6 36 异常
对应编码: e m l j a G k =
事实上，高级浏览器已经内置了 atob （ASCII to Binary）以及 btoa （Binary to ASCII）函数分别用来处理解码和编码 base64 字符串。atob() 函数能够解码通过 base-64 编码的字符串数据。相反地，btoa() 函数能够从二进制数据“字符串”创建一个 base-64 编码的 ASCII 字符串。（PS：特别要注意的是 btoa 是编码，atob 是解码 o(╯□╰)o）
不幸的是某些版本的 IE 浏览器并不支持 atob() 以及 btoa() 函数，好在理解了上述的编码步骤，一个 base64编码、转码器也就不难实现了，可以猛戳 DEMO 进行查看（HTML 部分 fork 了岑安大大的代码，把 select 改成了 radio，个人觉得 radio 更方便）。代码放在了 Github。
Read More：
posted on 2015-12-24 06:23 lessfish 阅读(1836) 评论(10) 编辑 收藏 举报
