Base64在我看來很重要的一個用途是將複雜的碼比如GBK、UTF8、MIME等複雜的碼,變成單字節的簡單ASCII字符,便於在各種不同環境(計算機)之間傳遞信息。這很好理解,只要是計算機,必須得支持ASCII標準,但不一定支持其它編碼。
編碼
Base64的編碼過程是將每三個字節即24個bit,變成以6個bit爲一組的組集,共有24/6=4組。每個組的6個bit最高能表示2^6即64個數,這也是Base64的由來。這64個數的表示區間爲[0,63],建立一個字符索引表,輸入值爲[0,63],輸出表中對應字符。不同的Base64變種在編碼過程主要是索引表不一樣。(可能你有個疑問,每輪需要3個byte,這必須使得需要編碼的byte長度整除3,不整除3怎麼辦?後面後講到)。
如圖所示,3個byte用紅、紫、綠表示,4個組A=A1 A2 A3 A4 A5 A6,B= B1 B2 B3 B4 B5 B6,C= C1 C2 C3 C4 C5 C6,D = D1 D2 D3 D4 D5 D6。因爲在絕大多數語言中,byte都爲最小操作單元,所以這四個組的輸出byte值將會是A’ = 0 0 A1 A2 A3 A4 A5 A6,B’ = 0 0 B1 B2 B3 B4 B5 B6 , C’= 0 0 C1 C2 C3 C4 C5 C6,D’ = 0 0 D1 D2 D3 D4 D5 D6。一個byte只需要用到其中的6個bit,當然最高兩位要置0了。
應用一點點計算機編碼知識,假設紅byte爲R,紫byte爲P,綠byte爲G,那麼:
- A’ = R >> 2,紅byte右移兩位,表示A取R的高六位。
- B’ = (R << 4 & 0x3F) | P >> 4。R左移4位變爲A5 A6 B1 B2 0 0 0 0,看B’的紅色部分高兩位爲零,所以要 & 上0x3f,因爲0x3f的二進制表示爲0 0 1 1 1 1 1 1,這樣就變成 0 0 B1 B2 0 0 0 0 。P >> 4將P的高四位變爲低四位,高四位置0,變爲0 0 0 0 B3 B4 B5 B6。很顯然 0 0 B1 B2 0 0 0 0 | 0 0 0 0 B3 B4 B5 B6 = 0 0 B1 B2 B3 B4 B5 B6
- C’ = (P << 2 & 0x3F) | G >> 6。P左移2位變爲B5 B6 C1 C2 C3 C3 C4 0 0,看C’的紅色部分高兩位爲零,所以要 & 上0x3f,這樣值爲0 0 C1 C2 C3 C3 C4 0 0。G右移6位爲 0 0 0 0 0 0 C5 C6。很顯然 0 0 C1 C2 C3 C3 C4 0 0 | 0 0 0 0 0 0 C5 C6 = 0 0 C1 C2 C3 C4 C5 C6。
- D’ = G & 0x3F。只需將G的高兩位C5,C6置0,就是0 0 D1 D2 D3 D4 D5 D6。
不能整除3怎麼辦?
上面講的是byte長度能整除3,實際只有1/3概率可整除,另兩個1/3是餘數爲1和餘數爲2。對於不整除的情況,Base64的做法是補齊,不是補齊byte,而是補齊編碼之後的子串,使編碼字串能夠被4整除,因爲解碼只能是4個字符解成3個byte。補齊字串用了第65個字符 = 即等號。下面分別描述。
餘數爲1的情況
餘數爲1也就是上圖只能剩紅byte R了,那麼:
- A’ = R >> 2。這個保持不變。
- B’ = R << 4 & 0x3F。P沒有了,只能取R的最低兩位了。
- C’ = '=',即C’爲填充字符= 。
- D’ = '=',即D’爲填充字符= 。
餘數爲2的情況
餘數爲2也就是上圖有紅byte R,紫byte P,綠byte G沒有了。那麼:
- A’ = R >> 2。這個保持不變。
- B’ = (R << 4 & 0x3F) | P >> 4。這個也保持不變。
- C’ = P << 2 & 0x3F。因爲G沒有了,只能取P的低四位。
- D’ = '=',即D’爲填充字符= 。
前面講到,不同Base64編碼只是字符索引表不一樣,最正宗的Base64使用瞭如下字符索引表。
1: static final char intToBase64[] = { 'A', 'B', 'C', 'D', 'E', 'F', /* 索引 0 ~ 5*/
2: 'G', 'H', 'I', 'J', 'K', 'L', 'M', 'N', 'O', 'P', 'Q', 'R', 'S', /* 索引6 ~ 18*/
3: 'T', 'U', 'V', 'W', 'X', 'Y', 'Z', 'a', 'b', 'c', 'd', 'e', 'f', /* 索引 19 ~ 31*/
4: 'g', 'h', 'i', 'j', 'k', 'l', 'm', 'n', 'o', 'p', 'q', 'r', 's', /* 索引 32 ~ 44*/
5: 't', 'u', 'v', 'w', 'x', 'y', 'z', '0', '1', '2', '3', '4', '5', /* 索引 45 ~ 57*/
6: '6', '7', '8', '9', '+', '/' }; /* 索引58 ~ 63*/
那麼一個Java Base64算法實現如下:
1: private static String byteArrayToBase64(byte[] a) {
2: int aLen = a.length; //總長度
3: int numFullGroups = aLen / 3; //以3個byte組成以4個字符爲一組的組數
4: int numBytesInPartialGroup = aLen - 3 * numFullGroups; //餘數
5: int resultLen = 4 * ((aLen + 2) / 3); //輸出長度總是4倍數,如果有餘數,(aLen+2)/3保證將餘數包含,並有空間放置填充符=
6: StringBuffer result = new StringBuffer(resultLen);
7:
8: int inCursor = 0;
9: for (int i = 0; i < numFullGroups; i++) {
10: int byte0 = a[inCursor++] & 0xff;
11: int byte1 = a[inCursor++] & 0xff;
12: int byte2 = a[inCursor++] & 0xff;
13: result.append(intToBase64[byte0 >> 2]);
14: result.append(intToBase64[(byte0 << 4) & 0x3f | (byte1 >> 4)]);
15: result.append(intToBase64[(byte1 << 2) & 0x3f | (byte2 >> 6)]);
16: result.append(intToBase64[byte2 & 0x3f]);
17: }
18: //處理餘數
19: if (numBytesInPartialGroup != 0) {
20: int byte0 = a[inCursor++] & 0xff;
21: result.append(intToBase64[byte0 >> 2]);
22: //餘數爲1
23: if (numBytesInPartialGroup == 1) {
24: result.append(intToBase64[(byte0 << 4) & 0x3f]);
25: result.append("==");
26: } else {
27: // 餘數爲2
28: int byte1 = a[inCursor++] & 0xff;
29: result.append(intToBase64[(byte0 << 4) & 0x3f | (byte1 >> 4)]);
30: result.append(intToBase64[(byte1 << 2) & 0x3f]);
31: result.append('=');
32: }
33: }
34: return result.toString();
35: }
解碼
解碼是將4個字符變成三個byte,編碼是通過字符表映射索引值到字符上,那麼顯然解碼就是將字符回索引值,即有個反向索引表,這個反向索引表與索引表一一對應,每個Base64變種修改一下這兩個表即可。反向索引表是以字符的ASCII碼 碼值作爲下標查找索引表索引值。比如上圖的正向索引表intToBase64定義了加號+的索引值爲62,字符+的ASCII碼值爲43,那麼反向索引表下標值爲43的值一定是62。再比如字符A的索引表值爲0,A的ASCII碼值爲65,那麼反向索引表下標爲65的值一定是0。在基本Base64中,最大ASCII碼值爲z即122,那麼反向索引表的長度爲122+1=123。下面是對應前面的基本索引表的基本反向索引表。
1: static final byte base64ToInt[] = { -1, -1, -1, -1, -1, -1, -1, -1,
2: -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
3: -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
4: -1, 62/* 符號+*/, -1, -1, -1, 63, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, -1,
5: -1, -1, -1, -1, -1, -1, 0 /* 符號A */, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12,
6: 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, -1, -1, -1, -1,
7: -1, -1, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40,
8: 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51 };
沒有餘數的情況
- M1 = Q1 << 2 | Q2 >> 4。Q1可表示爲0 0 x x x x x x,左移兩位變成x x x x x x 0 0。Q2也表示爲 0 0 x x x x x x,右移四位變成0 0 0 0 0 0 x x 。那麼這兩個或一下正好是 x x x x x x x x。也就是由字符Q1的有效六位組成M1的高六位,然後用Q2的最高兩個有效位組成M2的最低兩位。
-
M2 = Q2 << 4 | Q3 >> 2。如M2所描述那樣,M2的高四位是Q2的低四位,低四位是Q3的高四位。Q2:0 0 x x x x x x –> x x x x 0 0 0 0,Q2:0 0 0 x x x x x x –> 0 0 0 0 x x x x。很顯然x x x x 0 0 0 0 | 0 0 0 0 x x x x = x x x x x x x x。
-
M3 = Q3 << 6 | Q4。M3的高兩位是Q3的最低兩位,低六位是Q4的有效六位。
餘數爲1的情況
餘數爲1即編碼的最後兩個字符都是=。也就是說只有Q1、Q2。只需要聯合Q1和Q2組成餘出來的1個字節M1即可。
- M1 = Q1 << 2 | Q2 >> 4。
餘數爲2的情況
餘數爲2即編碼的只有最後一位是=。也就是說通過Q1,Q2,Q3組成餘下來的兩個字節M1,M2即可。
- M1 = Q1 << 2 | Q2 >> 4。
- M2 = Q2 << 4 | Q3 >> 2。
以下是解碼的Java實現。
1: private static byte[] base64ToByteArray(String s) throws Exception {
2: //字符總長必須是4的倍數
3: int sLen = s.length();
4: int numGroups = sLen / 4;
5: if (4 * numGroups != sLen)
6: throw new IllegalArgumentException(
7: "字串長度必須是4的倍數");
8: //餘1個byte則算漏了兩個byte,餘2個byte則算漏掉了1個byte
9: int missingBytesInLastGroup = 0;
10: int numFullGroups = numGroups;
11: if (sLen != 0) {
12: //餘2個byte的情況
13: if (s.charAt(sLen - 1) == '=') {
14: missingBytesInLastGroup++;
15: //如果有餘數發生,則完整3個byte組數少一個。
16: numFullGroups--;
17: }
18: //餘1個byte的情況
19: if (s.charAt(sLen - 2) == '=')
20: missingBytesInLastGroup++;
21: }
22: //總字節長度
23: byte[] result = new byte[3 * numGroups - missingBytesInLastGroup];
24:
25: try {
26: int inCursor = 0, outCursor = 0;
27: for (int i = 0; i < numFullGroups; i++) {
28: int ch0 = base64toInt(s.charAt(inCursor++), base64ToInt);
29: int ch1 = base64toInt(s.charAt(inCursor++), base64ToInt);
30: int ch2 = base64toInt(s.charAt(inCursor++), base64ToInt);
31: int ch3 = base64toInt(s.charAt(inCursor++), base64ToInt);
32: result[outCursor++] = (byte) ((ch0 << 2) | (ch1 >> 4));
33: result[outCursor++] = (byte) ((ch1 << 4) | (ch2 >> 2));
34: result[outCursor++] = (byte) ((ch2 << 6) | ch3);
35: }
36: if (missingBytesInLastGroup != 0) {
37: int ch0 = base64toInt(s.charAt(inCursor++), base64ToInt);
38: int ch1 = base64toInt(s.charAt(inCursor++), base64ToInt);
39: //不管餘1還是餘2個byte,肯定要解碼一個byte。
40: result[outCursor++] = (byte) ((ch0 << 2) | (ch1 >> 4));
41:
42: //如果餘2個,即差一個才構成3byte,那麼還要解碼第二個byte。
43: if (missingBytesInLastGroup == 1) {
44: int ch2 = base64toInt(s.charAt(inCursor++), base64ToInt);
45: result[outCursor++] = (byte) ((ch1 << 4) | (ch2 >> 2));
46: }
47: }
48: } catch (Exception e) {
49: throw e;
50: }
51: return result;
52: }
53:
54: private static int base64toInt(char c, byte[] alphaToInt) throws Exception {
55: int result = alphaToInt[c];
56: if (result < 0)
57: throw new Exception("非法索引值");
58: return result;
59: }
變種
因爲Base64編解碼的變種只與索引表和反向索引表有關係,所以可以在ASCII碼(1字節範圍內)做任意變種。下面描述一個變種例子。
假如要將中文用基本Base64索引表編碼成字串,將其作爲參數在瀏覽器裏傳輸,很不幸,因爲基本表中會出現+和/字符,這個一般會被瀏覽器理解成空格和路徑分割符。所以爲了讓其工作正常,需要把索引表的最後兩個字符+和/分別替換成點 . 和下劃線 _ 。
正向索引表:
1: static final char intToBase64[] = { 'A', 'B', 'C', 'D', 'E', 'F', /* 索引 0 ~ 5*/
2: 'G', 'H', 'I', 'J', 'K', 'L', 'M', 'N', 'O', 'P', 'Q', 'R', 'S', /* 索引6 ~ 18*/
3: 'T', 'U', 'V', 'W', 'X', 'Y', 'Z', 'a', 'b', 'c', 'd', 'e', 'f', /* 索引 19 ~ 31*/
4: 'g', 'h', 'i', 'j', 'k', 'l', 'm', 'n', 'o', 'p', 'q', 'r', 's', /* 索引 32 ~ 44*/
5: 't', 'u', 'v', 'w', 'x', 'y', 'z', '0', '1', '2', '3', '4', '5', /* 索引 45 ~ 57*/
6: '6', '7', '8', '9', '.'/*原先是字符+*/, '_'/*原先是字符/ */ }; /* 索引58 ~ 63*/
反向索引表改的稍微多點,字符. 的ASCII碼值爲46,下劃線碼值爲95。則需要將原來+和/ 的索引位置改成-1,將索引位置46從-1改成62,位置95處從-1改成63。
1: static final byte base64ToInt[] = { -1, -1, -1, -1, -1, -1, -1, -1,
2: -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
3: -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
4: -1, -1/*原先是62*/, -1, -1, 62/*原先是-1*/, -1/*原先是63*/, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, -1,
5: -1, -1, -1, -1, -1, -1, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12,
6: 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, -1, -1, -1, -1,
7: 63/*原先是-1*/, -1, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40,
8: 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51 };