base64编码过程

Posted on | In |

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

Base64是一种编码方式，提及编码方式，必然有其对应的字符集合。在Base64编码中，相互映射的两个集合是：

二进制数据{0, 1}
{A, B, C, D, E, F, G, H, I, J, K, L, M, N, O, P, Q, R, S, T, U, V, W, X, Y, Z, a, b, c, d, e, f, g, h, i, j, k, l, m, n, o, p, q, r, s, t, u, v, w, x, y, z, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, +, /}
Base64编码方式可使得信息在这两种字符集表示法之间相互等价转换。

因为Base64的编码方式是公开的，所以base64也可以算是公开算法的加密方法；但是只能简单的“加密”保护某些数据，决不能在需要安全等级较高的场景中使用，因为可以使用公开的编码方法轻易从base64字符表示的数据解码二进制数据。

  1. base64编码过程
    由于base64的字符集大小为64，那么，需要6个比特的二进制数作为一个基本单元表示一个base64字符集中的字符。因为6个比特有2^6=64种排列组合。

具体来说，编码过程如下：

将每三个字节作为一组，共24bit，若不足24bit在其后补充0；
将这24个bit分为4组，每一组6个bit；
在每组前加00扩展为8个bit，形成4个字节，每个字节表示base64字符集索引；
扩展后的8bit表示的整数作为索引，对应base64字符集的一个字符，这就是base64编码值；在处理最后的不足3字节时，缺一个字节索引字节取3个，最后填充一个=，；缺两个字节取2个索引字节，最后填充==。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
base64_list = ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J', 'K', 'L', 'M', 'N', 'O', 'P',
               'Q', 'R', 'S', 'T', 'U', 'V', 'W', 'X', 'Y', 'Z', 'a', 'b', 'c', 'd', 'e', 'f',
               'g', 'h', 'i', 'j', 'k', 'l', 'm', 'n', 'o', 'p', 'q', 'r', 's', 't', 'u', 'v',
               'w', 'x', 'y', 'z', '0', '1', '2', '3', '4', '5', '6', '7', '8', '9', '+', '/']
 
 
def encode_ascii(string: str) -> str:
    temp = ''
    base = ''
 
    # 把原始字符串转换为二进制，用bin转换后去掉开头的0b，首位补0补齐8位
    for i in string:
        temp += '{:08}'.format(int(str(bin(ord(i))).replace('0b', '')))
 
    # 6位一组截取，最后一组不足6位的后面补0，获取base_list中对应的字符
    for j in range(0, len(temp), 6):
        t = '{:<06}'.format(temp[j: j + 6])
        base += base64_list[int(t, 2)]
 
    # 判断base字符长度结尾补‘=’
    if len(string) % 3 == 1:
        base += '=='
    elif len(string) % 3 == 2:
        base += '='
    return base
 
 
def decode_ascii(base: str) -> str:
    temp = ''
    string = ''
 
    # 去掉尾补的‘=’
    base = base.replace('=', '')
    # 获取base在base_list中的索引，转换为二进制，用bin转换后去掉开头的0b，首位补0补齐6位
    for s in range(len(base)):
        temp += '{:06}'.format(int(str(bin(base64_list.index(base[s]))).replace('0b', '')))
 
    # 8位一组截取（已忽略最后一组），转10进制，获取ASCII字符
    for i in range(len(temp) // 8):
        string += chr(int(temp[8 * i: 8 * i + 8], 2))
 
    return string
 
 
# 使用utf8支持中文
def encode(string: str, encoding: str = 'utf8') -> str:
    temp = ''
    base = ''
 
    # 获取字符串编码
    string = string.encode(encoding)
 
    # 把字符串编码为二进制，用bin转换后去掉开头的0b，首位补0补齐8位
    for i in string:
        temp += '{:08}'.format(int(str(bin(i)).replace('0b', '')))
 
    # 6位一组截取，最后一组不足6位的后面补0，获取base_list中对应的字符
    for j in range(0, len(temp), 6):
        t = '{:<06}'.format(temp[j: j + 6])
        base += base64_list[int(t, 2)]
 
    # 判断base字符长度结尾补‘=’
    if len(string) % 3 == 1:
        base += '=='
    elif len(string) % 3 == 2:
        base += '='
    return base
 
 
def decode(base: str, encoding: str = 'utf8') -> str:
    temp = ''
    string_bytes = []
 
    # 去掉尾补的‘=’
    base = base.replace('=', '')
    # 获取base在base_list中的索引，转换为二进制，用bin转换后去掉开头的0b，首位补0补齐6位
    for s in range(len(base)):
        temp += '{:06}'.format(int(str(bin(base64_list.index(base[s]))).replace('0b', '')))
 
    # 8位一组截取（已忽略最后一组），转10进制
    for i in range(len(temp) // 8):
        string_bytes.append(int(temp[8 * i: 8 * i + 8], 2))
 
    # 根据编码获取源字符串
    return bytes(string_bytes).decode(encoding)
 
 
# Demo
v = '人人a'
print(v)
 
v = encode(v)
print(v)
 
v = decode(v)
print(v)