從原理上搞定編碼-- Base64編碼

開發者對Base64編碼肯定很熟悉，是否對它有很清晰的認識就不一定了。實際 上Base64已經簡單到不能再簡單了，如果對它的理解還是模稜兩可實在不應該。大概介紹一下Base64的相關內容，花幾分鐘時間就可以徹底理解它。文 章下邊貼了一個Base64的編解碼器，方便閱讀文章的同時來實驗。

　　一. Base64編碼由來

　　為什麼會有Base64編碼呢？因為有些網路傳送渠道並不支援所有的位元組，例如傳統的郵件只支援可見字元的傳送，像ASCII碼的控制字元就 不能透過郵件傳送。這樣用途就受到了很大的限制，比如圖片二進位制流的每個位元組不可能全部是可見字元，所以就傳送不了。最好的方法就是在不改變傳統協議的情 況下，做一種擴充套件方案來支援二進位制檔案的傳送。把不可列印的字元也能用可列印字元來表示，問題就解決了。Base64編碼應運而生，Base64就是一種 基於64個可列印字元來表示二進位制資料的表示方法。

　　二. Base64編碼原理

　　看一下Base64的索引表，字元選用了"A-Z、a-z、0-9、+、/" 64個可列印字元。數值代表字元的索引，這個是標準Base64協議規定的，不能更改。64個字元用6個bit位就可以全部表示，一個位元組有8個bit 位，剩下兩個bit就浪費掉了，這樣就不得不犧牲一部分空間了。這裡需要弄明白的就是一個Base64字元是8個bit，但是有效部分只有右邊的6個 bit，左邊兩個永遠是0。

　　那麼怎麼用6個有效bit來表示傳統字元的8個bit呢？8和6的最小公倍數 是24，也就是說3個傳統位元組可以由4個Base64字元來表示，保證有效位數是一樣的，這樣就多了1/3的位元組數來彌補Base64只有6個有效bit 的不足。你也可以說用兩個Base64字元也能表示一個傳統字元，但是採用最小公倍數的方案其實是最減少浪費的。結合下邊的圖比較容易理解。Man是三個 字元，一共24個有效bit，只好用4個Base64字元來湊齊24個有效位。紅框表示的是對應的Base64，6個有效位轉化成相應的索引值再對應 Base64字元表，查出"Man"對應的Base64字元是"TWFU"。說到這裡有個原則不知道你發現了沒有，要轉換成Base64的最小單位就是三個位元組，對一個字串來說每次都是三個位元組三個位元組的轉換，對應的是Base64的四個位元組。這個搞清楚了其實就差不多了。

         

　　但是轉換到最後你發現不夠三個位元組了怎麼辦呢？願望終於實現了，我們可以用兩 個Base64來表示一個字元或用三個Base64表示兩個字元，像下圖的A對應的第二個Base64的二進位制位只有兩個，把後邊的四個補0就是了。所以 A對應的Base64字元就是QQ。上邊已經說過了，原則是Base64字元的最小單位是四個字元一組，那這才兩個字 符，後邊補兩個"="吧。其實不用"="也不耽誤解碼，之所以用"="，可能是考慮到多段編碼後的Base64字串拼起來也不會引起混淆。由此可見 Base64字串只可能最後出現一個或兩個"="，中間是不可能出現"="的。下圖中字元"BC"的編碼過程也是一樣的。

　　三. 總結　　

　　說起Base64編碼可能有些奇怪，因為大多數的編碼都是由字元轉化成二進位制的過程，而從二進位制轉成字元的過程稱為解碼。而Base64的概念就恰好反了，由二進位制轉到字元稱為編碼，由字元到二進位制稱為解碼。

　　Base64編碼主要用在傳輸、儲存、表示二進位制等領域，還可以用來加密，但是這種加密比較簡單，只是一眼看上去不知道什麼內容罷了，當然也可以對Base64的字元序列進行定製來進行加密。

　　Base64編碼是從二進位制到字元的過程，像一些中文字元用不同的編碼轉為二 進位制時，產生的二進位制是不一樣的，所以最終產生的Base64字元也不一樣。例如"上網"對應utf-8格式的Base64編碼是"5LiK572R"， 對應GB2312格式的Base64編碼是"yc/N+A=="。