Base64 原理

Base64

Base64 是什么？是將字節流轉換成可打印字符、將可打印字符轉換為字節流的一種算法。Base64 使用 64 個可打印字符來表示轉換后的數據。

准確的來說，Base64 不算是一種加、解密的算法，它是一種編碼、解碼的算法。這也是為什么我的用詞是編碼、解碼，而不是加密、解密。

編碼原理

這里的討論的前提是使用 UTF-8 編碼

Base64 算法的原理，是將輸入流中的字節按每 3 個分為一組，然后每次取 6 個比特，將其轉換成表格中對應的數據，一直重復到沒有剩余的字符為止，轉換表格如下：

Index	Character	Index	Character	Index	Character	Index	Character
0	A	1	B	2	C	3	D
4	E	5	F	6	G	7	H
8	I	9	J	10	K	11	L
12	M	13	N	14	O	15	P
16	Q	17	R	18	S	19	T
20	U	21	V	22	W	23	X
24	Y	25	Z	26	a	27	b
28	c	29	d	30	e	31	f
32	g	33	h	34	i	35	j
36	k	37	l	38	m	39	n
40	o	41	p	42	q	43	r
44	s	45	t	46	u	47	v
48	w	49	x	50	y	51	z
52	0	53	1	54	2	55	3
56	4	57	5	58	6	59	7
60	8	61	9	62	+	63	/

編碼過程

舉個例子，假設我們要對字符串 S.H 進行編碼：

1. 將其轉換成十六進制為 53、2e、48

2. 再將十六進制轉換成二進制，分別為 01010011、00101110、01001000。這里不足 8 個比特的高位補 0 即可。

3. 將其每6個比特分為一組，分別為 010100、110010、111001、001000

4. 將其轉換成十進制得到，20、50、57、8

5. 再根據表格中的轉換關系轉換可得，U、y、5、I

換句話說，字符串 S.H 通過 Base64 算法編碼之后的結果為 Uy5I 。

編碼圖解

如果覺得文字較難理解，我把上面的流程用圖的形式畫了出來，可以結合着一起看。

為什么要 每三個 分為一組，因為 3 8 = 24，24 = 4 ​ 6，這樣子可以剛好可以均分完。

那如果我輸入的字節不足三個呢？

例如 SH ？按照上述的做法：

首先將其轉換成十六進制53、48，再將其轉換成二進制01010011、01001000，再按照每 6 個比特分為一組，就會變成 010100、110100、1000，再轉換成十進制得到 20、52、8，最后得到 U0I.

然而這個結果是不正確的，隨便去找一個工具輸入轉換看看都知道，最終結果為 U0g=. 這也說明在輸入的字符不足 3 個時，就不是按照之前的方式來處理了。

不足三個字節如何處理？

假設需要編碼的字符串還是 SH。

將其轉換成二進制為， 01010011、01001000，再按照每 6 個比特分為一組，就會變成010100、110100、1000。

但是可以看到最后一組的比特位不足 6 個，在這種情況下，會進行末尾（低位）補0的操作。補完之后就會變成010100、110100、100000。但是你會發現，這里總共也只有18個比特，不滿足 3 個字節一組的原則。在這種情況下，前三組會按照常規的 Base64 進行編碼，而缺失的一組則會使用 = 來進行填充。

這樣一來，就會變成20、52、32，再根據表格轉換可得 U0g ，再加上最后填充的 = ，最終結果就是 U0g=.

以下是圖解。

只有一個字節如何處理？

那同理，如果只有一個字符，最后在二進制分組的時候，不足 6 位的低位補 0，分組不滿 4 的，直接以 = 號填充。舉個例子，假設需要編碼的是字符串 S 。

S 的二進制為 01010011 ，按照 6 個比特分為一組，010100、11。第二組明顯不滿 6 個比特，進行低位補0操作。

低位補0之后結果變成了010100、110000，這里只有 2 組，不滿四組，所以這里需要填充 2 個 =。將前面的兩組轉換成字符，結果為 Uw，再結合填充字符，最終的結果為 Uw==。

關於編碼，有人可能會說，你這都是英文，英文轉換成十進制再到十六進制很方便，對比 ASCII 碼就行，那要是中文呢？實際上，這個跟采取的編碼類別有關系。對同樣的中文采用不同的編碼，最后得到的結果可能都不同。所以我們這里只討論采用 UTF-8 的場景。

如果是中文，就采用 UTF-8 將中文進行編碼，而如果是英文，其轉換結果和 ASCII 編碼是一樣的。

解碼原理

因為最終的編碼產物中，如果 6 個比特的分組不滿 4 組，會有 = 作為填充物，所以一個 base64 完后的產物總是能夠被 4 整除。

所以，在解密中，我們每次需要處理 4 個字符，將這 4 個字符編碼之后轉換成十進制，再轉換成二進制，不足 6 位的高位補0，然后將 6 個比特一組的二進制數按原順序重新分成每 8 個比特一組，也就是一個字節一組。然后將其轉換成十六進制，再轉換成對應的字符。

解碼過程

假設我們需要解密的字符為 Uy5I

解密過程就會像：

1. 按照每次處理4個字符的原理，根據表格將其分別轉換成十進制 20、 50、 57、 8
2. 再將其轉換成二進制，不足六位的 高位補0，再將其分成每 8 個比特一組
3. 將分組好的比特轉換成十六進制，得到 53、 2e、 48
4. 最后將十六進制轉換成字母得到 S、 .、 H，也就是 S.H

解碼圖解

換成圖片來說就是如下這樣

這里我們處理的是一個比較理想的情況，因為所有的比特位剛好被填充完，那如果帶有 = padding 的 base64 是如何進行解密的呢？

這里拿 SH 編碼之后的 base64 字符串 U0g= 來做例子

1. 首先根據表格，將其轉換成十進制 20、 50、 32
2. 再將其轉換成二進制，不足 6 個比特的高位補0， 010100、 110100、 100000
3. 再將其分成每 8 個比特位一組， 01010011、 01001000、
4. 然后再轉換成十六進制得 53、 48
5. 轉換成字符串可得 SH

本篇文章已放到我的 Github github.com/sh-blog 中，歡迎 Star。微信搜索關注【SH的全棧筆記】，回復【隊列】獲取MQ學習資料，包含基礎概念解析和RocketMQ詳細的源碼解析，持續更新中。

如果你覺得這篇文章對你有幫助，還麻煩點個贊，關個注，分個享，留個言。