共计 4912 个字符,预计需要花费 13 分钟才能阅读完成。
简介
咱们晓得计算机中的文件能够分为两种,一种是人肉眼可读的文本类文件,一种是肉眼不可读的二进制文件。一般来说二进制文件如果用文本编辑器关上的话会显示乱码,并且二进制文件和文本文件的存储和传输方式是不一样的,那么有没有什么方法将二进制文件转换成为文本文件进行传输或者存储呢?答案是必定的。
这种编码方式就是咱们明天要讲到的 Base64 编码。
Base64 和它的编码原理
Base64 是一种将二进制编码格局转换为 text 编码的一种模式。咱们晓得二进制编码是 0 和 1 的模式,它的单位通常是一个字节,也就是 8bits,每个 bit 示意的是 0 或者 1。
而文本编码的格局有很多种,最早也就是最简略的编码格局就是 ASCII 编码,ASCII 编码的全称是 American Standard Code for Information Interchange, 也就是美国信息替换规范代码, 它次要示意的是罕用的一些西欧字符。
ASCII 的编码范畴是 0x00-0x7F, 用十进制来示意就是 0 -127,总共 128 个字符,刚好是 7bits 示意的范畴。
ASCII 编码中蕴含了 33 个控制字符和 95 个可打印的字符, 如下所示:
ASCII 码 | 含意 | ASCII 码 | 含意 | |||||
---|---|---|---|---|---|---|---|---|
16 进制 | 10 进制 | 2 进制 | 16 进制 | 10 进制 | 2 进制 | |||
0x00 | 0 | 0 | NUL 空 | 0x40 | 64 | 1000000 | @ | |
0x01 | 1 | 1 | SOH 题目开始 | 0x41 | 65 | 1000001 | A | |
0x02 | 2 | 10 | STX 注释开始 | 0x42 | 66 | 1000010 | B | |
0x03 | 3 | 11 | ETX 注释完结 | 0x43 | 67 | 1000011 | C | |
0x04 | 4 | 100 | EOT 传输完结 | 0x44 | 68 | 1000100 | D | |
0x05 | 5 | 101 | ENQ 询问字符 | 0x45 | 69 | 1000101 | E | |
0x06 | 6 | 110 | ACK 抵赖 | 0x46 | 70 | 1000110 | F | |
0x07 | 7 | 111 | BEL 报警 | 0x47 | 71 | 1000111 | G | |
0x08 | 8 | 1000 | BS 退一格 | 0x48 | 72 | 1001000 | H | |
0x09 | 9 | 1001 | HT 横向制表 | 0x49 | 73 | 1001001 | I | |
0x0A | 10 | 1010 | LF 换行 | 0x4A | 74 | 1001010 | J | |
0x0B | 11 | 1011 | VT 垂直制表 | 0x4B | 75 | 1001011 | K | |
0x0C | 12 | 1100 | FF 走纸管制 | 0x4C | 76 | 1001100 | L | |
0x0D | 13 | 1101 | CR 回车 | 0x4D | 77 | 1001101 | M | |
0x0E | 14 | 1110 | SO 移位输入 | 0x4E | 78 | 1001110 | N | |
0x0F | 15 | 1111 | SI 移位输出 | 0x4F | 79 | 1001111 | O | |
0x10 | 16 | 10000 | DLE 数据链路本义 | 0x50 | 80 | 1010000 | P | |
0x11 | 17 | 10001 | DC1 设施管制 1 | 0x51 | 81 | 1010001 | Q | |
0x12 | 18 | 10010 | DC2 设施管制 2 | 0x52 | 82 | 1010010 | R | |
0x13 | 19 | 10011 | DC3 设施管制 3 | 0x53 | 83 | 1010011 | S | |
0x14 | 20 | 10100 | DC4 设施管制 4 | 0x54 | 84 | 1010100 | T | |
0x15 | 21 | 10101 | NAK 否定 | 0x55 | 85 | 1010101 | U | |
0x16 | 22 | 10110 | SYN 空转同步 | 0x56 | 86 | 1010110 | V | |
0x17 | 23 | 10111 | ETB 信息组传送完结 | 0x57 | 87 | 1010111 | W | |
0x18 | 24 | 11000 | CAN 作废 | 0x58 | 88 | 1011000 | X | |
0x19 | 25 | 11001 | EM 纸尽 | 0x59 | 89 | 1011001 | Y | |
0x1A | 26 | 11010 | SUB 换置 | 0x5A | 90 | 1011010 | Z | |
0x1B | 27 | 11011 | ESC 换码 | 0x5B | 91 | 1011011 | [ | |
0x1C | 28 | 11100 | FS 文字分隔符 | 0x5C | 92 | 1011100 | \ | |
0x1D | 29 | 11101 | GS 组分隔符 | 0x5D | 93 | 1011101 | ] | |
0x1E | 30 | 11110 | RS 记录分隔符 | 0x5E | 94 | 1011110 | ^ | |
0x1F | 31 | 11111 | US 单元分隔符 | 0x5F | 95 | 1011111 | _ | |
0x20 | 32 | 100000 | (space) | 0x60 | 96 | 1100000 | ` | |
0x21 | 33 | 100001 | ! | 0x61 | 97 | 1100001 | a | |
0x22 | 34 | 100010 | ” | 0x62 | 98 | 1100010 | b | |
0x23 | 35 | 100011 | # | 0x63 | 99 | 1100011 | c | |
0x24 | 36 | 100100 | $ | 0x64 | 100 | 1100100 | d | |
0x25 | 37 | 100101 | % | 0x65 | 101 | 1100101 | e | |
0x26 | 38 | 100110 | & | 0x66 | 102 | 1100110 | f | |
0x27 | 39 | 100111 | ‘ | 0x67 | 103 | 1100111 | g | |
0x28 | 40 | 101000 | ( | 0x68 | 104 | 1101000 | h | |
0x29 | 41 | 101001 | ) | 0x69 | 105 | 1101001 | i | |
0x2A | 42 | 101010 | * | 0x6A | 106 | 1101010 | j | |
0x2B | 43 | 101011 | + | 0x6B | 107 | 1101011 | k | |
0x2C | 44 | 101100 | , | 0x6C | 108 | 1101100 | l | |
0x2D | 45 | 101101 | – | 0x6D | 109 | 1101101 | m | |
0x2E | 46 | 101110 | . | 0x6E | 110 | 1101110 | n | |
0x2F | 47 | 101111 | / | 0x6F | 111 | 1101111 | o | |
0x30 | 48 | 110000 | 0 | 0x70 | 112 | 1110000 | p | |
0x31 | 49 | 110001 | 1 | 0x71 | 113 | 1110001 | q | |
0x32 | 50 | 110010 | 2 | 0x72 | 114 | 1110010 | r | |
0x33 | 51 | 110011 | 3 | 0x73 | 115 | 1110011 | s | |
0x34 | 52 | 110100 | 4 | 0x74 | 116 | 1110100 | t | |
0x35 | 53 | 110101 | 5 | 0x75 | 117 | 1110101 | u | |
36 | 54 | 110110 | 6 | 0x76 | 118 | 1110110 | v | |
0x37 | 55 | 110111 | 7 | 0x77 | 119 | 1110111 | w | |
0x38 | 56 | 111000 | 8 | 0x78 | 120 | 1111000 | x | |
0x39 | 57 | 111001 | 9 | 0x79 | 121 | 1111001 | y | |
0x3A | 58 | 111010 | : | 0x7A | 122 | 1111010 | z | |
0x3B | 59 | 111011 | ; | 0x7B | 123 | 1111011 | { | |
0x3C | 60 | 111100 | < | 0x7C | 124 | 1111100 | \ | |
0x3D | 61 | 111101 | = | 0x7D | 125 | 1111101 | } | |
0x3E | 62 | 111110 | > | 0x7E | 126 | 1111110 | ~ | |
0x3F | 63 | 111111 | ? | 0x7F | 127 | 1111111 | DEL 删除 |
Base64 就是从 ASCII 编码中挑选出 64 个字符和二进制一个字节 8bits 进行映射, 这也就是 Base64 中 64 的含意。为什么要抉择 ASCII 编码呢?这是因为 ASCII 编码是最早呈现的编码模式,简直所有的计算机利用都对其齐全反对,不会呈现数据传输过程中的内容转换,十分的平安。
当然 Base64 编码也有多种编码模式,比方在 MIME 中,Base64 抉择的是 A -Z, a-z, 和 0-9 总共 62 个字符,再加上其余自选的两个字符组成了 64 个编码字符。
64 个字符用二进制示意是 6bits, 而罕用的二进制应用一个字节来示意,也就是 8bits,那么问题来了,怎么将 8bits 的二进制用 6bits 的 Base64 字符来示意呢?
很简略,咱们只须要将 3 个 8bits 连接起来,变成 24bits,这样就能够用 4 个 Base64 来示意了。
为什么必须对二进制进行转换呢?这是因为互联网中的某些传输协定只反对某些特定的字符集,如果是其余的字符集是不反对的。比如说罕用的发送电子邮件的附件。因为 SMTP 协定最开始设计的时候是反对 7 位 ASCII 字符, 所以如果要传输文件的话,咱们须要对文件进行编码之后再进行传输。
另外 Base64 的一种用法就是在 HTML 中将图片嵌入到网页中,从而实现图片的展现。
尽管 Base64 很好用,然而因为其只能应用 6bits 的字符映射集,所以会造成数据映射的损失,从而导致二进制文件编码过后文件体积变大的毛病。
Base64 的变体
Base64 简略点说就是 bit 到 bit 之间的映射,那么必定不止一种映射形式,咱们来看下 Base64 编码方式的各种变体,通常来说前 62 位基本上是一样的,不同之处在前面两个字符,以及用于填充的字符(这在某些协定中可能是强制性的,或者在其余协定中可能被删除)。
下表是常见的 Base64 编码的变体:
编码名称 | 编码字符 | 编码字符 | 编码字符 |
---|---|---|---|
第 62 位 | 第 63 位 | 补全符 | |
RFC 1421: Base64 for Privacy-Enhanced Mail (deprecated) | + |
/ |
= mandatory |
RFC 2045: Base64 transfer encoding for MIME | + |
/ |
= mandatory |
RFC 2152: Base64 for UTF-7 | + |
/ |
No |
RFC 3501: Base64 encoding for IMAP mailbox names | + |
, |
No |
RFC 4648: base64 (standard) | + |
/ |
= optional |
RFC 4648: base64url (URL- and filename-safe standard) | - |
_ |
= optional |
RFC 4880: Radix-64 for OpenPGP | + |
/ |
= mandatory |
Base64 的编码细节
上一节咱们讲到了 Base64 编码的根本准则和一些常见的变体,那么到底是如何进行映射的呢?
本节咱们会以 Base64 的规范模式 RFC 4648 为例来进行具体的解说。
RFC 4648 抉择 + 和 / 这两个字符作为编码中的第 62 位和 63 位,并且抉择 = 作为补全字符。
首先来察看一下 RFC 4648 的映射表:
索引 | 二进制 | 字符 | 索引 | 二进制 | Char | 索引 | 二进制 | Char | 索引 | 二进制 | Char |
0 | 000000 | A |
16 | 010000 | Q |
32 | 100000 | g |
48 | 110000 | w |
1 | 000001 | B |
17 | 010001 | R |
33 | 100001 | h |
49 | 110001 | x |
2 | 000010 | C |
18 | 010010 | S |
34 | 100010 | i |
50 | 110010 | y |
3 | 000011 | D |
19 | 010011 | T |
35 | 100011 | j |
51 | 110011 | z |
4 | 000100 | E |
20 | 010100 | U |
36 | 100100 | k |
52 | 110100 | 0 |
5 | 000101 | F |
21 | 010101 | V |
37 | 100101 | l |
53 | 110101 | 1 |
6 | 000110 | G |
22 | 010110 | W |
38 | 100110 | m |
54 | 110110 | 2 |
7 | 000111 | H |
23 | 010111 | X |
39 | 100111 | n |
55 | 110111 | 3 |
8 | 001000 | I |
24 | 011000 | Y |
40 | 101000 | o |
56 | 111000 | 4 |
9 | 001001 | J |
25 | 011001 | Z |
41 | 101001 | p |
57 | 111001 | 5 |
10 | 001010 | K |
26 | 011010 | a |
42 | 101010 | q |
58 | 111010 | 6 |
11 | 001011 | L |
27 | 011011 | b |
43 | 101011 | r |
59 | 111011 | 7 |
12 | 001100 | M |
28 | 011100 | c |
44 | 101100 | s |
60 | 111100 | 8 |
13 | 001101 | N |
29 | 011101 | d |
45 | 101101 | t |
61 | 111101 | 9 |
14 | 001110 | O |
30 | 011110 | e |
46 | 101110 | u |
62 | 111110 | + |
15 | 001111 | P |
31 | 011111 | f |
47 | 101111 | v |
63 | 111111 | / |
补全符 | = |
咱们来以单词 man 为例,来察看一下 Base64 的编码流程。
man 这个单词在 ASCII 中别离用 77, 97 和 110 示意,转换成为二进制就是 01001101, 01100001 和 01101110。
将下面的三个二进制合并在一起就成了:010011010110000101101110, 总共 24-bit,从下面的表中抉择出对应的字符, 所以咱们能够失去 man 通过 base64 编码之后失去:TWFu。
下面的例子中,man 刚好是 3 个字符,也就是 24 个 bits,能够用 base64 残缺的示意。如果咱们只有 ma 这两个字符,应该怎么进行编码呢?
和下面一样,ma 的二进制别离是 01001101, 01100001,合并起来就是 0100110101100001。
然而下面的 bits 只有 16 位,因为一个 base64 是 6bits,所以能够用 3 个 base64 来示意,因为原始的 bits 少了两位,所以用 0 来补全:
0100110101100001+00 = 010011010110000100。
010011010110000100 转换成为 base64 就是 TWE,因为 base64 编码须要 4 个字符,所以最初的字符用 = 来补全,也就是说 me 通过 base64 之后变成 TWE=。
总结
以上就是 Base64 的根本含意和转换规则,其实协定很简略,将要转换的数据变成二进制,而后对照转换表格进行转换和补全即可。
本文已收录于 http://www.flydean.com/18-base64-encoding/
最艰深的解读,最粗浅的干货,最简洁的教程,泛滥你不晓得的小技巧等你来发现!
欢送关注我的公众号:「程序那些事」, 懂技术,更懂你!