base64 编码原理

caohaoyu 的个人博客 / 0 / 1 / 创建于 5年前

一、背景#

公司业务中调用接口需要通过网关转换，网关内的一些规则导致 * 在传递的过程中存在问题，所以决定使用 base64 进行编码处理。

在使用过程中发现网关对 '=' 也有处理，导致我的传参到接口方会丢失掉最后的等号，但是经过解码后的竟然是正确的！

于是发现这么长的时间，经常使用 base64，但是对这个编码的原理并不理解，所以就有了这篇学习记录。

二、基础知识了解#

1. 常见的编码：

ASCII（American Standard Code for Information Interchange，美国信息交换标准代码）
UTF-8（8-bit Unicode Transformation Format）可用 1~4 个字节表示一个字符（unicode 的实现方式）
GBK 汉字内码扩展规范

2. 计算机本质都是二进制，最小的数据单位是比特 bit，一个字节有 8 个 bit。

3.base64 作用：计算机中任何数据都是按 ascii 码存储的，而 ascii 码的 128～255 之间的值是不可见字符。而在网络上交换数据时，比如说从 A 地传到 B 地，往往要经过多个路由设备，由于不同的设备对字符的处理方式有一些不同，这样那些不可见字符就有可能被处理错误，这是不利于传输的。所以就先把数据先做一个 Base64 编码，统统变成可见字符，降低错误率。

三、编码原理#

是基于 A-Z、a-z、0-9 以及 '+' 和 '/' 共 64 个字符的编码方式，因为 2 的 6 次方等于 64，所以说只需要 6 个比特即可表示一个 base64 的字符。

编码表：'ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/'

核心原理是将二进制数据进行分组，以 6 位一组进行分组，并在每组前面都填两个高位 0，然后将 8 bit 的字节转换成十进制，对照 BASE64 编码表（上表），得到对应编码后的字符。

四、等号是哪里来的？#

一个字节是 8bit，一个 base64 的字符 6bit，24 是最小公倍数，所以 3 个字节可以完整转化为 4 个 base64 字符；

但是我们无法控制需要编码的数据正好是 3 的倍数，所以要进行补零 --- 在不足 3 的倍数的字符串末尾用 0x00 进行填充；

因为 base64 编码中的下标 0 对应的字符是 'A'，而末尾填充上的 0x00 在分组补零后同样是下标 0x00，这样就无法分辨出到底是末尾填充的 0x00 还是二进制数据中的 0x00。

所以引进了等号，这就是 '=' 字符不在 Base64 字符集中，但是也出现在 Base64 编码的原因了。

五、编码过程#

以对6666P进行base64编码的步骤说明
每个字符转化为8bit：
6----->00110110
6----->00110110
6----->00110110
6----->00110110
P----->01010000
补位----->00000000
整体拼接结果：
001101100011011000110110001101100101000000000000
以6bit一组进行分割：
001101  100011  011000  110110  001101  100101  000000  000000
转化为base64编码脚标：
13  35  24  54  13  37  0  0
获取对应的base64编码：
N  j  Y  2  N  l  A  A
得到结果：string(8) "NjY2NlA="

六、关于解码#

由编码过程可知，编码的结果的长度一定是 4 的倍数，所以当解码的长度不等于 4 的倍数时，需要用等号进行补位。

这也就是去掉末尾的等号后进行解码得出的原文不会出错的原因了！

了解过编码过程后逆向回去即为解码过程，在此就不再详细叙述了。

七、base64 的变种#

但是标准的 base64 并不能满足所有场景的需要，比如 URL 编码器会把中的 “/” 和 “+” 字符变为形如 “% XX” 的形式，所以也就出现了实现思路一致的编码变种：

（1）适应 url 的变种改进：不在末尾填充’=’号，并将 “+” 和 “/” 分别改成了 “-” 和 “_”

（2）适应正则表达式的变种：将 “+” 和 “/” 改成了 “!” 和 “-”

八、实践代码#

<?php

$a = "6666P";

$decbinStr= '';
//计算补位
$end = (3 - strlen($a)%3)%3;
for($i=0;$i<strlen($a);$i++){
    //每个字符转化为8bit
    $decbin = str_pad(decbin(ord($a[$i])),8,"0",STR_PAD_LEFT);
    $decbinStr .= $decbin ;
}
//增加补位
$decbinStr = $decbinStr. str_pad("",$end*8,"0");
//以6bit一组进行分割
$arr = str_split($decbinStr,6);
//转化成对应的base64编码
$result = implode("", array_map("getBase64Str",$arr));
//末尾补位的数据处理
for($j=0;$j<$end;$j++){
    if($result[strlen($result)-1-$j] == 'A'){
      $result[strlen($result)-1-$j] = "=";
    }
}
//验证下跟自带的base64_encode结果是否一致
var_dump($result);
var_dump(base64_encode($a));

exit();

function getBase64Str($sixStr){
    $number = bindec($sixStr);
    $baseHash = 'ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/';
    return $baseHash[$number];
}