簡介
我們知道計算機中的文件可以分為兩種，一種是人肉眼可讀的文本類文件，一種是肉眼不可讀的二進制文件。一般來說二進制文件如果用文本編輯器打開的話會顯示亂碼，並且二進制文件和文本文件的存儲和傳輸方式是不一樣的，那么有沒有什么辦法將二進制文件轉換成為文本文件進行傳輸或者存儲呢？答案是肯定的。
這種編碼方式就是我們今天要講到的Base64編碼。
Base64和它的編碼原理
Base64是一種將二進制編碼格式轉換為text編碼的一種形式。我們知道二進制編碼是0和1的形式，它的單位通常是一個字節，也就是8bits，每個bit表示的是0或者1。
而文本編碼的格式有很多種，最早也就是最簡單的編碼格式就是ASCII編碼，ASCII編碼的全稱是American Standard Code for Information Interchange,也就是美國信息交換標准代碼,它主要表示的是常用的一些西歐字符。
ASCII的編碼范圍是0x00-0x7F,用十進制來表示就是0-127，總共128個字符，剛好是7bits表示的范圍。
ASCII編碼中包含了33個控制字符和95個可打印的字符,如下所示：
| ASCII碼 | 含義 | ASCII碼 | 含義 | ||||
|---|---|---|---|---|---|---|---|
| 16進制 | 10進制 | 2進制 | 16進制 | 10進制 | 2進制 | ||
| 0x00 | 0 | 0 | NUL 空 | 0x40 | 64 | 1000000 | @ |
| 0x01 | 1 | 1 | SOH 標題開始 | 0x41 | 65 | 1000001 | A |
| 0x02 | 2 | 10 | STX 正文開始 | 0x42 | 66 | 1000010 | B |
| 0x03 | 3 | 11 | ETX 正文結束 | 0x43 | 67 | 1000011 | C |
| 0x04 | 4 | 100 | EOT 傳輸結束 | 0x44 | 68 | 1000100 | D |
| 0x05 | 5 | 101 | ENQ 詢問字符 | 0x45 | 69 | 1000101 | E |
| 0x06 | 6 | 110 | ACK 承認 | 0x46 | 70 | 1000110 | F |
| 0x07 | 7 | 111 | BEL 報警 | 0x47 | 71 | 1000111 | G |
| 0x08 | 8 | 1000 | BS 退一格 | 0x48 | 72 | 1001000 | H |
| 0x09 | 9 | 1001 | HT 橫向制表 | 0x49 | 73 | 1001001 | I |
| 0x0A | 10 | 1010 | LF 換行 | 0x4A | 74 | 1001010 | J |
| 0x0B | 11 | 1011 | VT 垂直制表 | 0x4B | 75 | 1001011 | K |
| 0x0C | 12 | 1100 | FF 走紙控制 | 0x4C | 76 | 1001100 | L |
| 0x0D | 13 | 1101 | CR 回車 | 0x4D | 77 | 1001101 | M |
| 0x0E | 14 | 1110 | SO 移位輸出 | 0x4E | 78 | 1001110 | N |
| 0x0F | 15 | 1111 | SI 移位輸入 | 0x4F | 79 | 1001111 | O |
| 0x10 | 16 | 10000 | DLE 數據鏈路轉義 | 0x50 | 80 | 1010000 | P |
| 0x11 | 17 | 10001 | DC1 設備控制1 | 0x51 | 81 | 1010001 | Q |
| 0x12 | 18 | 10010 | DC2 設備控制2 | 0x52 | 82 | 1010010 | R |
| 0x13 | 19 | 10011 | DC3 設備控制3 | 0x53 | 83 | 1010011 | S |
| 0x14 | 20 | 10100 | DC4 設備控制4 | 0x54 | 84 | 1010100 | T |
| 0x15 | 21 | 10101 | NAK 否定 | 0x55 | 85 | 1010101 | U |
| 0x16 | 22 | 10110 | SYN 空轉同步 | 0x56 | 86 | 1010110 | V |
| 0x17 | 23 | 10111 | ETB 信息組傳送結束 | 0x57 | 87 | 1010111 | W |
| 0x18 | 24 | 11000 | CAN 作廢 | 0x58 | 88 | 1011000 | X |
| 0x19 | 25 | 11001 | EM 紙盡 | 0x59 | 89 | 1011001 | Y |
| 0x1A | 26 | 11010 | SUB 換置 | 0x5A | 90 | 1011010 | Z |
| 0x1B | 27 | 11011 | ESC 換碼 | 0x5B | 91 | 1011011 | [ |
| 0x1C | 28 | 11100 | FS 文字分隔符 | 0x5C | 92 | 1011100 | \ |
| 0x1D | 29 | 11101 | GS 組分隔符 | 0x5D | 93 | 1011101 | ] |
| 0x1E | 30 | 11110 | RS 記錄分隔符 | 0x5E | 94 | 1011110 | ^ |
| 0x1F | 31 | 11111 | US 單元分隔符 | 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 刪除 |
Base64就是從ASCII編碼中挑選出64個字符和二進制一個字節8bits進行映射,這也就是Base64中64的含義。為什么要選擇ASCII編碼呢？這是因為ASCII編碼是最早出現的編碼形式，幾乎所有的計算機應用都對其完全支持，不會出現數據傳輸過程中的內容轉換，非常的安全。
當然Base64編碼也有多種編碼形式，比如在MIME中，Base64選擇的是A-Z, a-z, 和 0-9 總共62個字符，再加上其他自選的兩個字符組成了64個編碼字符。
64個字符用二進制表示是6bits,而常用的二進制使用一個字節來表示，也就是8bits，那么問題來了，怎么將8bits的二進制用6bits的Base64字符來表示呢？
很簡單，我們只需要將3個8bits連接起來，變成24bits，這樣就可以用4個Base64來表示了。
為什么必須對二進制進行轉換呢？這是因為互聯網中的某些傳輸協議只支持某些特定的字符集，如果是其他的字符集是不支持的。比如說常用的發送電子郵件的附件。因為SMTP協議最開始設計的時候是支持7 位 ASCII 字符,所以如果要傳輸文件的話，我們需要對文件進行編碼之后再進行傳輸。
另外Base64的一種用法就是在HTML中將圖片嵌入到網頁中，從而實現圖片的展示。
雖然Base64很好用，但是因為其只能使用6bits的字符映射集，所以會造成數據映射的損失，從而導致二進制文件編碼過后文件體積變大的缺點。
Base64的變體
Base64簡單點說就是bit到bit之間的映射，那么肯定不止一種映射方式，我們來看下Base64編碼方式的各種變體，通常來說前62位基本上是一樣的，不同之處在后面兩個字符，以及用於填充的字符（這在某些協議中可能是強制性的，或者在其他協議中可能被刪除）。
下表是常見的Base64編碼的變體：
| 編碼名稱 | 編碼字符 | 編碼字符 | 編碼字符 |
|---|---|---|---|
| 第62位 | 第63位 | 補全符 | |
| 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的編碼細節
上一節我們講到了Base64編碼的基本原則和一些常見的變體，那么到底是如何進行映射的呢？
本節我們會以Base64的標准形式RFC 4648為例來進行詳細的講解。
RFC 4648選擇+和/這兩個字符作為編碼中的第62位和63位，並且選擇=作為補全字符。
首先來觀察一下RFC 4648的映射表:
| 索引 | 二進制 | 字符 | 索引 | 二進制 | Char | 索引 | 二進制 | Char | 索引 | 二進制 | 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 | / |
| 補全符 | = |
我們來以單詞man為例，來觀察一下Base64的編碼流程。
man這個單詞在ASCII中分別用77, 97和110表示，轉換成為二進制就是01001101, 01100001 和 01101110。
將上面的三個二進制合並在一起就成了：010011010110000101101110, 總共24-bit，從上面的表中選擇出對應的字符,所以我們可以得到man經過base64編碼之后得到：TWFu。
上面的例子中，man剛好是3個字符，也就是24個bits，可以用base64完整的表示。如果我們只有ma這兩個字符，應該怎么進行編碼呢？
和上面一樣，ma的二進制分別是01001101, 01100001，合並起來就是0100110101100001。
但是上面的bits只有16位，因為一個base64是6bits，所以可以用3個base64來表示，因為原始的bits少了兩位，所以用0來補全：
0100110101100001+00 = 010011010110000100。
010011010110000100轉換成為base64就是TWE，因為base64編碼需要4個字符，所以最后的字符用=來補全，也就是說me經過base64之后變成TWE=。
總結
以上就是Base64的基本含義和轉換規則，其實協議很簡單，將要轉換的數據變成二進制，然后對照轉換表格進行轉換和補全即可。
本文已收錄於 http://www.flydean.com/18-base64-encoding/
最通俗的解讀，最深刻的干貨，最簡潔的教程，眾多你不知道的小技巧等你來發現！
歡迎關注我的公眾號:「程序那些事」,懂技術，更懂你！