Base64

出處：CSTC 作者：朱巖 時間：2004-1-30 8:43:00

我打賭當你見到Base64這個詞的時候你會覺得在哪裏見過，因爲在你能夠上網看到這篇文章的時候你已經在後臺使用它了。如果您對二進制數有所瞭解，你就可以開始讀它了。

打開一封Email，查看其原始信息（您可以通過收取、導出該郵件用文本編輯器查看）。你會看到類似這樣的一個效果： 

Date: Thu, 25 Dec 2003 06:33:07 +0800 
From: "eSX?!" <<a href="mailto:<a href=" mailto:[email protected]'>[email protected]'>[email protected]'>[email protected]> 
Reply-To: <a href="mailto:<a href=" mailto:[email protected]'>[email protected]'>[email protected]'>[email protected]
To: "snaix" <[email protected]'>[email protected]> 
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”標記？是否看到了標記下面的一行亂碼？也許你會恍然大悟，對！這就是Base64編碼。 

什麼是Base64？ 

按照RFC2045的定義，Base64被定義爲：Base64內容傳送編碼被設計用來把任意序列的8位字節描述爲一種不易被人直接識別的形式。（The Base64 Content-Transfer-Encoding is designed to represent arbitrary sequences of octets in a form that need not be humanly readable.） 

爲什麼要使用Base64？

在設計這個編碼的時候，我想設計人員最主要考慮了3個問題： 
1.是否加密？ 
2.加密算法複雜程度和效率 
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發送非常安全的Email。這種加密方式主要就是“防君子不防小人”。即達到一眼望去完全看不出內容即可。 
基於這個目的加密算法的複雜程度和效率也就不能太大和太低。和上一個理由類似，MIME協議等用於發送Email的協議解決的是如何收發Email，而並不是如何安全的收發Email。因此算法的複雜程度要小，效率要高，否則因爲發送Email而大量佔用資源，路就有點走歪了。 

    但是，如果是基於以上兩點，那麼我們使用最簡單的愷撒法即可，爲什麼Base64看起來要比愷撒法複雜呢？這是因爲在Email的傳送過程中，由於歷史原因，Email只被允許傳送ASCII字符，即一個8位字節的低7位。因此，如果您發送了一封帶有非ASCII字符（即字節的最高位是1）的Email通過有“歷史問題”的網關時就可能會出現問題。網關可能會把最高位置爲0！很明顯，問題就這樣產生了！因此，爲了能夠正常的傳送Email，這個問題就必須考慮！所以，單單靠改變字母的位置的愷撒之類的方案也就不行了。關於這一點可以參考RFC2046。 
基於以上的一些主要原因產生了Base64編碼。 

算法詳解 

    Base64編碼要求把3個8位字節（3*8=24）轉化爲4個6位的字節（4*6=24），之後在6位的前面補兩個0，形成8位一個字節的形式。 
具體轉化形式間下圖： 
字符串“張3” 
11010101 11000101 00110011 

00110101 00011100 00010100 00110011 
表1 

可以這麼考慮：把8位的字節連成一串110101011100010100110011 
然後每次順序選6個出來之後再把這6二進制數前面再添加兩個0，就成了一個新的字節。之後再選出6個來，再添加0，依此類推，直到24個二進制數全部被選完。 
讓我們來看看實際結果： 

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’ 
十進制53 十進制34 十進制20 十進制51 
表2 

這樣“張3 ”這個字符串就被Base64表示爲”5^\^T3”了麼？。錯！ 
Base64編碼方式並不是單純利用轉化完的內容進行編碼。像’^\’字符是控制字符，並不能通過計算機顯示出來，在某些場合就不能使用了。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名稱的由來，而Base64編碼的結果不是根據算法把編碼變爲高兩位是0而低6爲代表數據，而是變爲了上表的形式，如”A”就有7位，而”a”就只有6位。表中，編碼的編號對應的是得出的新字節的十進制值。因此，從表2可以得到對應的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’ 
十進制53 十進制34 十進制20 十進制51 
字符’1’ 字符’i’ 字符’U’ 字符’z’ 
表4 

這樣，字符串“張3”經過編碼後就成了字符串“1iUz”了。 
Base64將3個字節轉變爲4個字節，因此，編碼後的代碼量（以字節爲單位，下同）約比編碼前的代碼量多了1/3。之所以說是“約”，是因爲如果代碼量正好是3的整數倍，那麼自然是多了1/3。但如果不是呢？ 
細心的人可能已經注意到了，在The Base64 Alphabet中的最後一個有一個(pad) =字符。這個字符的目的就是用來處理這個問題的。 
當代碼量不是3的整數倍時，代碼量/3的餘數自然就是2或者1。轉換的時候，結果不夠6位的用0來補上相應的位置，之後再在6位的前面補兩個0。轉換完空出的結果就用就用“=”來補位。譬如結果若最後餘下的爲2個字節的“張”： 

字符串“張” 
11010101 HEX:D5 11000101 HEX:C5 

00110101 00011100 00010100 
十進制53 十進制34 十進制20 pad 
字符’1’ 字符’i’ 字符’U’ 字符’=’ 
表6 

這樣，最後的2個字節被整理成了“1iU=”。 
同理，若原代碼只剩下一個字節，那麼將會添加兩個“=”。只有這兩種情況，所以，Base64的編碼最多會在編碼結尾有兩個“=” 
至於將Base64的解碼，只是一個簡單的編碼的逆過程，讀者可以自己探討。我將在文章的最後給出解碼算法。 

算法實現 
其實在算法詳解的時候基本上已經說的很清楚了。用於程序上，除去約束判斷，大概可以分爲如下幾步幾步： 
讀取數據3字節用AND取前6位，放入新的變量中右移兩位，高兩位清0AND取第一個字節的後2位和第二個字節的前4位移位放入新變量中右移兩位，清0……依此類推。 
解碼的類C語言實現的算法： 
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; 
} 

根據這段算法，文章最開始給出的Email內容，可以解碼爲： 
你好，SnaiX 

　　這是一個Base64的測試郵件！ 

Best Wishes! 
　　　　　　　　　　　　　　 eSX?! 
　　　　　　　　　　　　　　 <a href="mailto:<a href=" mailto:[email protected]'>[email protected]'>[email protected]'>[email protected] 
　　　　　　　　　　　　　　　　　 2003-12-25 

如文章有問題懇請指出並與我聯繫：[email protected]

主要參考資料： 
RFC2045 
RFC2046 
《奇妙的Base64編碼》，羅聰 
以及一些來自互聯網上的其他資料