淺談Base64編碼
我打賭當(dāng)你見(jiàn)到Base64這個(gè)詞的時(shí)候你會(huì)覺(jué)得在哪里見(jiàn)過(guò)，因?yàn)樵谀隳軌蛏暇W(wǎng)看到這篇文章的時(shí)候你已經(jīng)在后臺(tái)使用它了。如果您對(duì)二進(jìn)制數(shù)有所了解，你就可以開(kāi)始讀它了。
打開(kāi)一封Email，查看其原始信息（您可以通過(guò)收取、導(dǎo)出該郵件用文本編輯器查看）。你會(huì)看到類(lèi)似這樣的一個(gè)效果：
Date: Thu, 25 Dec 2003 06:33:07 +0800
From: "eSX?!" <
snaix@yeah.net '>snaix@yeah.net '>snaix@yeah.net '>snaix@yeah.net >
Reply-To:
snaix@yeah.net '>snaix@yeah.net '>snaix@yeah.net '>snaix@yeah.net
To: "snaix" <
snaix@126.com '>snaix@126.com >
Subject:
X-mailer: Foxmail 5.0 beta2 [cn]
Mime-Version: 1.0
Content-Type: text/plain;
charset="gb2312"
Content-Transfer-Encoding: base64
xOO6w6OsU25haVgNCg0KoaGhodXiysfSu7j2QmFzZTY0tcSy4srU08q8/qOhDQoNCkJlc3QgV2lz
aGVzIQ0KIAkJCQkNCqGhoaGhoaGhoaGhoaGhoaGhoaGhoaGhoaGhoaEgICAgICAgICAgICAgICBl
U1g/IQ0KoaGhoaGhoaGhoaGhoaGhoaGhoaGhoaGhoaGhoSAgICAgICAgICAgICAgIHNuYWl4QHll
YWgubmV0DQqhoaGhoaGhoaGhoaGhoaGhoaGhoaGhoaGhoaGhoaGhoaGhICAgICAgICAgMjAwMy0x
Mi0yNQ0K
是否看到了“base64”標(biāo)記？是否看到了標(biāo)記下面的一行亂碼？也許你會(huì)恍然大悟，對(duì)！這就是Base64編碼。
什么是Base64？
按照RFC2045的定義，Base64被定義為：Base64內(nèi)容傳送編碼被設(shè)計(jì)用來(lái)把任意序列的8位字節(jié)描述為一種不易被人直接識(shí)別的形式。（The Base64 Content-Transfer-Encoding is designed to represent arbitrary sequences of octets in a form that need not be humanly readable.）
為什么要使用Base64？
在設(shè)計(jì)這個(gè)編碼的時(shí)候，我想設(shè)計(jì)人員最主要考慮了3個(gè)問(wèn)題：
1.是否加密？
2.加密算法復(fù)雜程度和效率
3.如何處理傳輸？
加密是肯定的，但是加密的目的不是讓用戶(hù)發(fā)送非常安全的Email。這種加密方式主要就是“防君子不防小人”。即達(dá)到一眼望去完全看不出內(nèi)容即可。
基于這個(gè)目的加密算法的復(fù)雜程度和效率也就不能太大和太低。和上一個(gè)理由類(lèi)似，MIME協(xié)議等用于發(fā)送Email的協(xié)議解決的是如何收發(fā)Email，而并不是如何安全的收發(fā)Email。因此算法的復(fù)雜程度要小，效率要高，否則因?yàn)榘l(fā)送Email而大量占用資源，路就有點(diǎn)走歪了。
但是，如果是基于以上兩點(diǎn)，那么我們使用最簡(jiǎn)單的愷撒法即可，為什么Base64看起來(lái)要比愷撒法復(fù)雜呢？這是因?yàn)樵贓mail的傳送過(guò)程中，由于歷史原因，Email只被允許傳送ASCII字符，即一個(gè)8位字節(jié)的低7位。因此，如果您發(fā)送了一封帶有非ASCII字符（即字節(jié)的最高位是1）的Email通過(guò)有“歷史問(wèn)題”的網(wǎng)關(guān)時(shí)就可能會(huì)出現(xiàn)問(wèn)題。網(wǎng)關(guān)可能會(huì)把最高位置為0！很明顯，問(wèn)題就這樣產(chǎn)生了！因此，為了能夠正常的傳送Email，這個(gè)問(wèn)題就必須考慮！所以，單單靠改變字母的位置的愷撒之類(lèi)的方案也就不行了。關(guān)于這一點(diǎn)可以參考RFC2046。
基于以上的一些主要原因產(chǎn)生了Base64編碼。
算法詳解
Base64編碼要求把3個(gè)8位字節(jié)（3*8=24）轉(zhuǎn)化為4個(gè)6位的字節(jié)（4*6=24），之后在6位的前面補(bǔ)兩個(gè)0，形成8位一個(gè)字節(jié)的形式。
具體轉(zhuǎn)化形式間下圖：
字符串“張3”
11010101 11000101 00110011
00110101 00011100 00010100 00110011
表1
可以這么考慮：把8位的字節(jié)連成一串110101011100010100110011
然后每次順序選6個(gè)出來(lái)之后再把這6二進(jìn)制數(shù)前面再添加兩個(gè)0，就成了一個(gè)新的字節(jié)。之后再選出6個(gè)來(lái)，再添加0，依此類(lèi)推，直到24個(gè)二進(jìn)制數(shù)全部被選完。
讓我們來(lái)看看實(shí)際結(jié)果：
字符串“張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’
十進(jìn)制53 十進(jìn)制34 十進(jìn)制20 十進(jìn)制51
表2
這樣“張3 ”這個(gè)字符串就被Base64表示為”5^\^T3”了么？。錯(cuò)！
Base64編碼方式并不是單純利用轉(zhuǎn)化完的內(nèi)容進(jìn)行編碼。像’^\’字符是控制字符，并不能通過(guò)計(jì)算機(jī)顯示出來(lái)，在某些場(chǎng)合就不能使用了。Base64有其自身的編碼表：
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
這也是Base64名稱(chēng)的由來(lái)，而B(niǎo)ase64編碼的結(jié)果不是根據(jù)算法把編碼變?yōu)楦邇晌皇?而低6為代表數(shù)據(jù)，而是變?yōu)榱松媳淼男问?，?#8221;A”就有7位，而”a”就只有6位。表中，編碼的編號(hào)對(duì)應(yīng)的是得出的新字節(jié)的十進(jìn)制值。因此，從表2可以得到對(duì)應(yīng)的Base64編碼：
字符串“張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’
十進(jìn)制53 十進(jìn)制34 十進(jìn)制20 十進(jìn)制51
字符’1’ 字符’i’ 字符’U’ 字符’z’
表4
這樣，字符串“張3”經(jīng)過(guò)編碼后就成了字符串“1iUz”了。
Base64將3個(gè)字節(jié)轉(zhuǎn)變?yōu)?個(gè)字節(jié)，因此，編碼后的代碼量（以字節(jié)為單位，下同）約比編碼前的代碼量多了1/3。之所以說(shuō)是“約”，是因?yàn)槿绻a量正好是3的整數(shù)倍，那么自然是多了1/3。但如果不是呢？
細(xì)心的人可能已經(jīng)注意到了，在The Base64 Alphabet中的最后一個(gè)有一個(gè)(pad) =字符。這個(gè)字符的目的就是用來(lái)處理這個(gè)問(wèn)題的。
當(dāng)代碼量不是3的整數(shù)倍時(shí)，代碼量/3的余數(shù)自然就是2或者1。轉(zhuǎn)換的時(shí)候，結(jié)果不夠6位的用0來(lái)補(bǔ)上相應(yīng)的位置，之后再在6位的前面補(bǔ)兩個(gè)0。轉(zhuǎn)換完空出的結(jié)果就用就用“=”來(lái)補(bǔ)位。譬如結(jié)果若最后余下的為2個(gè)字節(jié)的“張”：
字符串“張”
11010101 HEX:D5 11000101 HEX:C5
00110101 00011100 00010100
十進(jìn)制53 十進(jìn)制34 十進(jìn)制20 pad
字符’1’ 字符’i’ 字符’U’ 字符’=’
表6
這樣，最后的2個(gè)字節(jié)被整理成了“1iU=”。
同理，若原代碼只剩下一個(gè)字節(jié)，那么將會(huì)添加兩個(gè)“=”。只有這兩種情況，所以，Base64的編碼最多會(huì)在編碼結(jié)尾有兩個(gè)“=”
至于將Base64的解碼，只是一個(gè)簡(jiǎn)單的編碼的逆過(guò)程，讀者可以自己探討。我將在文章的最后給出解碼算法。
算法實(shí)現(xiàn)
其實(shí)在算法詳解的時(shí)候基本上已經(jīng)說(shuō)的很清楚了。用于程序上，除去約束判斷，大概可以分為如下幾步幾步：
讀取數(shù)據(jù)3字節(jié)?用AND取前6位，放入新的變量中?右移兩位，高兩位清0?AND取第一個(gè)字節(jié)的后2位和第二個(gè)字節(jié)的前4位移位放入新變量中?右移兩位，清0……依此類(lèi)推。
解碼的類(lèi)C語(yǔ)言實(shí)現(xiàn)的算法：
BYTE LMoveBit(int base, int MoveNum)
{
BYTE result=base;
if(MoveNum==0)return 1;
if(MoveNum==1)return MoveNum;
result=base<<(MoveNum-1);
return result;
}
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','+','/','='};
BYTE Base64Decode(char *base64code, DWORD base64length)
{
char buf[4];
int i,j;
int k;
int l=0;
BYTE temp1[4],temp2;
BYTE *Buffer=new BYTE[base64length*3/4];
DWORD base64a=(base64length/4)-1;
DWORD base64b=0;
for(;base64b<base64a+1;base64b++)
{
for(i=0;i<4;i++)
{
buf[i]=*(base64code+(base64b*4)+i);
for(j=0;j<65;j++)
{
if(buf[i]==base64_alphabet[j])
{
temp1[i]=j;
break;
}
}
}
i--;
for(k=1;k<4;k++)
{
if(temp1[i-(k-1)]==64){m_padnum++; continue;}
temp1[i-(k-1)]=temp1[i-(k-1)]/LMoveBit(2,(k-1)*2);
temp2=temp1[i-k];
temp2=temp2&(LMoveBit(2,k*2)-1);
temp2*=LMoveBit(2,8-(2*k));//move 4
temp1[i-(k-1)]=temp1[i-(k-1)]+temp2;
Buffer[base64b*3+(3-k)]=temp1[i-(k-1)];
}
}
return Buffer;
}
根據(jù)這段算法，文章最開(kāi)始給出的Email內(nèi)容，可以解碼為：
你好，SnaiX
這是一個(gè)Base64的測(cè)試郵件！
Best Wishes!
eSX?!
snaix@yeah.net '>snaix@yeah.net '>snaix@yeah.net '>snaix@yeah.net
2003-12-25
