Base64 原理

Base64

Base64 是什么？是将字节流转换成可打印字符、将可打印字符转换为字节流的一种算法。Base64 使用 64 个可打印字符来表示转换后的数据。

准确的来说，Base64 不算是一种加、解密的算法，它是一种编码、解码的算法。这也是为什么我的用词是编码、解码，而不是加密、解密。

编码原理

这里的讨论的前提是使用 UTF-8 编码

Base64 算法的原理，是将输入流中的字节按每 3 个分为一组，然后每次取 6 个比特，将其转换成表格中对应的数据，一直重复到没有剩余的字符为止，转换表格如下：

Index	Character	Index	Character	Index	Character	Index	Character
0	A	1	B	2	C	3	D
4	E	5	F	6	G	7	H
8	I	9	J	10	K	11	L
12	M	13	N	14	O	15	P
16	Q	17	R	18	S	19	T
20	U	21	V	22	W	23	X
24	Y	25	Z	26	a	27	b
28	c	29	d	30	e	31	f
32	g	33	h	34	i	35	j
36	k	37	l	38	m	39	n
40	o	41	p	42	q	43	r
44	s	45	t	46	u	47	v
48	w	49	x	50	y	51	z
52	0	53	1	54	2	55	3
56	4	57	5	58	6	59	7
60	8	61	9	62	+	63	/

编码过程

举个例子，假设我们要对字符串 S.H 进行编码：

1. 将其转换成十六进制为 53、2e、48

2. 再将十六进制转换成二进制，分别为 01010011、00101110、01001000。这里不足 8 个比特的高位补 0 即可。

3. 将其每6个比特分为一组，分别为 010100、110010、111001、001000

4. 将其转换成十进制得到，20、50、57、8

5. 再根据表格中的转换关系转换可得，U、y、5、I

换句话说，字符串 S.H 通过 Base64 算法编码之后的结果为 Uy5I 。

编码图解

如果觉得文字较难理解，我把上面的流程用图的形式画了出来，可以结合着一起看。

为什么要 每三个 分为一组，因为 3 8 = 24，24 = 4 ​ 6，这样子可以刚好可以均分完。

那如果我输入的字节不足三个呢？

例如 SH ？按照上述的做法：

首先将其转换成十六进制53、48，再将其转换成二进制01010011、01001000，再按照每 6 个比特分为一组，就会变成 010100、110100、1000，再转换成十进制得到 20、52、8，最后得到 U0I.

然而这个结果是不正确的，随便去找一个工具输入转换看看都知道，最终结果为 U0g=. 这也说明在输入的字符不足 3 个时，就不是按照之前的方式来处理了。

不足三个字节如何处理？

假设需要编码的字符串还是 SH。

将其转换成二进制为， 01010011、01001000，再按照每 6 个比特分为一组，就会变成010100、110100、1000。

但是可以看到最后一组的比特位不足 6 个，在这种情况下，会进行末尾（低位）补0的操作。补完之后就会变成010100、110100、100000。但是你会发现，这里总共也只有18个比特，不满足 3 个字节一组的原则。在这种情况下，前三组会按照常规的 Base64 进行编码，而缺失的一组则会使用 = 来进行填充。

这样一来，就会变成20、52、32，再根据表格转换可得 U0g ，再加上最后填充的 = ，最终结果就是 U0g=.

以下是图解。

只有一个字节如何处理？

那同理，如果只有一个字符，最后在二进制分组的时候，不足 6 位的低位补 0，分组不满 4 的，直接以 = 号填充。举个例子，假设需要编码的是字符串 S 。

S 的二进制为 01010011 ，按照 6 个比特分为一组，010100、11。第二组明显不满 6 个比特，进行低位补0操作。

低位补0之后结果变成了010100、110000，这里只有 2 组，不满四组，所以这里需要填充 2 个 =。将前面的两组转换成字符，结果为 Uw，再结合填充字符，最终的结果为 Uw==。

关于编码，有人可能会说，你这都是英文，英文转换成十进制再到十六进制很方便，对比 ASCII 码就行，那要是中文呢？实际上，这个跟采取的编码类别有关系。对同样的中文采用不同的编码，最后得到的结果可能都不同。所以我们这里只讨论采用 UTF-8 的场景。

如果是中文，就采用 UTF-8 将中文进行编码，而如果是英文，其转换结果和 ASCII 编码是一样的。

解码原理

因为最终的编码产物中，如果 6 个比特的分组不满 4 组，会有 = 作为填充物，所以一个 base64 完后的产物总是能够被 4 整除。

所以，在解密中，我们每次需要处理 4 个字符，将这 4 个字符编码之后转换成十进制，再转换成二进制，不足 6 位的高位补0，然后将 6 个比特一组的二进制数按原顺序重新分成每 8 个比特一组，也就是一个字节一组。然后将其转换成十六进制，再转换成对应的字符。

解码过程

假设我们需要解密的字符为 Uy5I

解密过程就会像：

1. 按照每次处理4个字符的原理，根据表格将其分别转换成十进制20、50、57、8
2. 再将其转换成二进制，不足六位的高位补0，再将其分成每 8 个比特一组
3. 将分组好的比特转换成十六进制，得到53、2e、48
4. 最后将十六进制转换成字母得到S、.、H，也就是 S.H

解码图解

换成图片来说就是如下这样

这里我们处理的是一个比较理想的情况，因为所有的比特位刚好被填充完，那如果带有 = padding 的 base64 是如何进行解密的呢？

这里拿 SH 编码之后的 base64 字符串 U0g= 来做例子

1. 首先根据表格，将其转换成十进制20、50、32
2. 再将其转换成二进制，不足 6 个比特的高位补0，010100、110100、100000
3. 再将其分成每 8 个比特位一组，01010011、01001000、
4. 然后再转换成十六进制得53、48
5. 转换成字符串可得 SH

本篇文章已放到我的 Github github.com/sh-blog 中，欢迎 Star。微信搜索关注【SH的全栈笔记】，回复【队列】获取MQ学习资料，包含基础概念解析和RocketMQ详细的源码解析，持续更新中。

如果你觉得这篇文章对你有帮助，还麻烦点个赞，关个注，分个享，留个言。