Base系列编码（基于RFC4648）

Base编码简介

Base系列更多的作用是使用可打印的字符进来表示给定的二进制字符串,Base编码可以用于在邮件等处传输图片等多媒体信息等场景。

以最简单的Base16为例，对于任意8位二进制字符，都可以使用两个十六进制字母进行表示：

Base编码与密码

在许多项目内（尤其是历史项目中），常见很多人将密码等字段使用Base编码后存入数据库，这种做法可以让人无法单凭肉眼看到用户的密码，但实际上和明文没有太多差别，这在RFC文档中也有明确指明。

虽然可以通过直接自定义码表实现类似替换密码的效果，但这与直接求出值后再进行加密的效果是一样的，从解耦的角度来不适宜在Base编码过程中进加密过程耦合。

Base编码的工作思路

所有的Base系列算法都遵循相同的工作模式，类似于分组密码算法的ECB模式（顺便一提，不影响后文），这里以Base64为例，为了方便说明，这里把输入的字符定为全1，也就是\xFF字符串：

工作单元(Quantum)

首先,Base字符集是原字符集的子集,因此Base编码后字符串长度将膨胀,Base16指的是把8位二进制转换为由4位二进制组成的编码(恰好是十六进制);Base32是把8位转换为5位(2的5次方为32);Base64是把8位转换为6位,如下图所示:

码表

转换后的值目前还不是可打印字符,因此还需要进行查表,这里RFC文档中有给出两种表,实际应用过程中,不同的组织可能还根据自己的情况定义新的码表


表二中使用下划线( _ )代替了URL和文件系统中常用的斜杠 ( / )因此称为"URL和文件名安全的Base64"

填充符

从上面的工作机制可以看到,Base64的工作原理就是通过把3个8位字符(总共24个二进制位),转换成4个以00开头的字符(总共24个有效二进制位)。
目前还有最后一个问题需要解决：如果输入字符的总长度不是3的倍数，那么若干个工作单元后，会剩下一至两个字符无法组成Quantum（工作单元），如下图所示：

这时候就需要涉及到填充符的概念，在码表中存在的pad字符，就用来表示“输入的字符串长度不正好是工作单元长度的倍数”这种情况：

示例

以RFC文档后的示例来说明：

通查询ASCII码表（UTF-8编码并未改变字符的编码值）

foob的ASCII码值为\x66\x6F\x6F\x62,转换为二进制为01100110 01101111 01101111 01100010
按照每3个分组:
(01100110 01101111 01101111)(01100010 )
转换
( 00011001 00100110 00111101 00101111)(00011000 00100000 pad pad)
将转换后的二进制值转换为十进制并查表

Base64值	十进制	字符
00011001	25	Z
00100110	38	m
00111101	61	9
00101111	47	v
00011000	24	Y
00100000	32	g
pad		=
pad		=
最终结果:Zm9vYg==

编程实现

1. Base系列编码的本质上是把N个8为变换成M个x位编码的过程,因此本质上是在求8和x的最小公倍数LCM, N=LCM(8,x)/8,M=LCM(8,x)/x。

2. 将需要编码的字符串切分成若干个N位的字串分别独立进行转换，对最后一个字串进行判断，假设子串长为L，由于L*8肯定不可能是x的整数倍,因此需要末尾补零,至x的整数倍长,并进行填充字符的判断。

3. 通过查表获取出最终的字符，并补上填充符，得到结果