首页 > 代码库 > Base64编码格式详解
Base64编码格式详解
什么是Base64？
按照RFC2045的定义，Base64被定义为：Base64内容传送编码被设计用来把任意序列的8位字节描述为一种不易被人直接识别的形式。（The Base64 Content-Transfer-Encoding is designed to represent arbitrary sequences of octets in a form that need not be humanly readable.）
为什么要使用Base64？
在设计这个编码的时候，我想设计人员最主要考虑了3个问题： 1.是否加密？ 2.加密算法复杂程度和效率 3.如何处理传输？
加密是肯定的，但是加密的目的不是让用户发送非常安全的Email。这种加密方式主要就是“防君子不防小人”。即达到一眼望去完全看不出内容即可。 基于这个目的加密算法的复杂程度和效率也就不能太大和太低。和上一个理由类似，MIME协议等用于发送Email的协议解决的是如何收发Email，而并不是如何安全的收发Email。因此算法的复杂程度要小，效率要高，否则因为发送Email而大量占用资源，路就有点走歪了。
但是，如果是基于以上两点，那么我们使用最简单的恺撒法即可，为什么Base64看起来要比恺撒法复杂呢？这是因为在Email的传送过程中，由于历史原因，Email只被允许传送ASCII字符，即一个8位字节的低7位。因此，如果您发送了一封带有非ASCII字符（即字节的最高位是1）的Email通过有“历史问题”的网关时就可能会出现问题。网关可能会把最高位置为0！很明显，问题就这样产生了！因此，为了能够正常的传送Email，这个问题就必须考虑！所以，单单靠改变字母的位置的恺撒之类的方案也就不行了。关于这一点可以参考RFC2046。 基于以上的一些主要原因产生了Base64编码。
算法详解
Base64编码要求把3个8位字节（3*8=24）转化为4个6位的字节（4*6=24），之后在6位的前面补两个0，形成8位一个字节的形式。 具体转化形式间下图： 字符串“张3” 11010101 11000101 00110011
00110101 00011100 00010100 00110011 表1
可以这么考虑：把8位的字节连成一串110101011100010100110011 然后每次顺序选6个出来之后再把这6二进制数前面再添加两个0，就成了一个新的字节。之后再选出6个来，再添加0，依此类推，直到24个二进制数全部被选完。 让我们来看看实际结果：
字符串“张3” 11010101 HEX:D5 11000101 HEX:C5 00110011 HEX:33
00110101 00011100 00010100 00110011 字符’5’ 字符’^\’ 字符’^T’ 字符’3’ 十进制53 十进制34 十进制20 十进制51 表2
这样“张3 ”这个字符串就被Base64表示为”5^\^T3”了么？。错！ Base64编码方式并不是单纯利用转化完的内容进行编码。像’^\’字符是控制字符，并不能通过计算机显示出来，在某些场合就不能使用了。Base64有其自身的编码表：
Table 1: The Base64 Alphabet Value Encoding Value Encoding Value Encoding Value Encoding 0 A 17 R 34 i 51 z 1 B 18 S 35 j 52 0 2 C 19 T 36 k 53 1 3 D 20 U 37 l 54 2 4 E 21 V 38 m 55 3 5 F 22 W 39 n 56 4 6 G 23 X 40 o 57 5 7 H 24 Y 41 p 58 6 8 I 25 Z 42 q 59 7 9 J 26 a 43 r 60 8 10 K 27 b 44 s 61 9 11 L 28 c 45 t 62 + 12 M 29 d 46 u 63 / 13 N 30 e 47 v (pad) = 14 O 31 f 48 w 15 P 32 g 49 x 16 Q 33 h 50 y 表3
这也是Base64名称的由来，而Base64编码的结果不是根据算法把编码变为高两位是0而低6为代表数据，而是变为了上表的形式，如”A”就有7位，而”a”就只有6位。表中，编码的编号对应的是得出的新字节的十进制值。因此，从表2可以得到对应的Base64编码：
字符串“张3” 11010101 HEX:D5 11000101 HEX:C5 00110011 HEX:33
00110101 00011100 00010100 00110011 字符’5’ 字符’^\’ 字符’^T’ 字符’3’ 十进制53 十进制34 十进制20 十进制51 字符’1’ 字符’i’ 字符’U’ 字符’z’ 表4
这样，字符串“张3”经过编码后就成了字符串“1iUz”了。 Base64将3个字节转变为4个字节，因此，编码后的代码量（以字节为单位，下同）约比编码前的代码量多了1/3。之所以说是“约”，是因为如果代码量正好是3的整数倍，那么自然是多了1/3。但如果不是呢？ 细心的人可能已经注意到了，在The Base64 Alphabet中的最后一个有一个(pad) =字符。这个字符的目的就是用来处理这个问题的。 当代码量不是3的整数倍时，代码量/3的余数自然就是2或者1。转换的时候，结果不够6位的用0来补上相应的位置，之后再在6位的前面补两个0。转换完空出的结果就用就用“=”来补位。譬如结果若最后余下的为2个字节的“张”：
字符串“张” 11010101 HEX:D5 11000101 HEX:C5
00110101 00011100 00010100 十进制53 十进制34 十进制20 pad 字符’1’ 字符’i’ 字符’U’ 字符’=’ 表6
这样，最后的2个字节被整理成了“1iU=”。 同理，若原代码只剩下一个字节，那么将会添加两个“=”。只有这两种情况，所以，Base64的编码最多会在编码结尾有两个“=” 至于将Base64的解码，只是一个简单的编码的逆过程。
算法实现 /* *****************************************************************************
* Description : BASE64 encoding and decoding
* Date : 06-08-21 21:00
* Author : aishen944
* Copryright :
********************************************************************************/
#include <string.h> #include <stdlib.h> #include <errno.h>
#define BASE64_PAD64 ‘=‘
char base64_alphabet[] = {‘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‘, ‘+‘, ‘/‘};
char base64_suffix_map[256] = { 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 62, 255, 255, 255, 63, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 255, 255, 255, 255, 255, 255, 255, 0, 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, 255, 255, 255, 255, 255, 255, 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, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255};
static char cmove_bits(unsigned char src, unsigned lnum, unsigned rnum) { src <<= lnum; src >>= rnum; return src; }
char* base64_encode(const char *data) { char *ret, *retpos; int n, m, padnum = 0, retsize, dlen = strlen(data);
if(dlen == 0) return NULL;
/* Account the result buffer size and alloc the memory for it. */ if((dlen % 3) != 0) padnum = 3 - dlen % 3; retsize = (dlen + padnum) + ((dlen + padnum) * 1/3) + 1; if((ret = malloc(retsize)) == NULL) return NULL; retpos = ret;
/* Starting to convert the originality characters to BASE64 chracaters. Converting process keep to 4->6 principle. */ for(m = 0; m < (dlen + padnum); m += 3) { /* When data is not suffice 24 bits then pad 0 and the empty place pad ‘=‘. */ *(retpos) = base64_alphabet[cmove_bits(*data, 0, 2)]; if(m == dlen + padnum - 3 && padnum != 0) { /* Whether the last bits-group suffice 24 bits. */ if(padnum == 1) { /* 16bit need pad one ‘=‘. */ *(retpos + 1) = base64_alphabet[cmove_bits(*data, 6, 2) + cmove_bits(*(data + 1), 0, 4)]; *(retpos + 2) = base64_alphabet[cmove_bits(*(data + 1), 4, 2)]; *(retpos + 3) = BASE64_PAD64; } else if(padnum == 2) { /* 8bit need pad two‘=‘. */ *(retpos + 1) = base64_alphabet[cmove_bits(*data, 6, 2)]; *(retpos + 2) = BASE64_PAD64; *(retpos + 3) = BASE64_PAD64; } } else { /* 24bit normal. */ *(retpos + 1) = base64_alphabet[cmove_bits(*data, 6, 2) + cmove_bits(*(data + 1), 0, 4)]; *(retpos + 2) = base64_alphabet[cmove_bits(*(data + 1), 4, 2) + cmove_bits(*(data + 2), 0, 6)]; *(retpos + 3) = base64_alphabet[*(data + 2) & 0x3f]; }
retpos += 4; data += 3; }
ret[retsize - 1] =0;
return ret; }
char* base64_decode(const char *bdata) { char *ret = NULL, *retpos; int n, m, padnum = 0, retsize, bdlen = strlen(bdata);
if(bdlen == 0) return NULL; if(bdlen % 4 != 0) return NULL;
/* Whether the data have invalid base-64 characters? */ for(m = 0; m < bdlen; ++m) { if(bdata[m] != BASE64_PAD64 && base64_suffix_map[bdata[m]] == 255) goto LEND; }
/* Account the output size. */ if(bdata[bdlen - 1] == ‘=‘) padnum = 1; if(bdata[bdlen - 1] == ‘=‘ && bdata[bdlen - 2] == ‘=‘) padnum = 2; retsize = (bdlen - 4) - (bdlen - 4) / 4 + (3 - padnum) + 1; ret = malloc(retsize); if(ret == NULL) return NULL; retpos = ret;
/* Begging to decode. */ for(m = 0; m < bdlen; m += 4) { *retpos = cmove_bits(base64_suffix_map[*bdata], 2, 0) + cmove_bits(base64_suffix_map[*(bdata + 1)], 0, 4); if(m == bdlen - 4 && padnum != 0) { /* Only deal with last four bits. */ if(padnum == 1) /* Have one pad characters, only two availability characters. */ *(retpos + 1) = cmove_bits(base64_suffix_map[*(bdata + 1)], 4, 0) + cmove_bits(base64_suffix_map[*(bdata + 2)], 0, 2); /* Have two pad characters, only two availability characters. if(padnum == 2) { } */ retpos += 3 - padnum; } else { *(retpos + 1) = cmove_bits(base64_suffix_map[*(bdata + 1)], 4, 0) + cmove_bits(base64_suffix_map[*(bdata + 2)], 0, 2); *(retpos + 2) = cmove_bits(base64_suffix_map[*(bdata + 2)], 6, 0) + base64_suffix_map[*(bdata + 3)]; retpos += 3; } bdata += 4; }
ret[retsize - 1] = 0;
LEND: return ret; }
Base64编码格式详解