查漏补缺 ASCII、MIME、BASE64

ASCII

美国信息交换标准代码 ( American Standard Code for Information Interchange, ASCII )
　　在计算机中，所有的数据在存储和运算时都要使用二进制数表示（因为计算机用高电平和低电平分别表示1和0），例如，像a、b、c、d这样的52个字母（包括大写）、以及0、1、2等数字还有一些常用的符号（例如*、#、@等）在计算机中存储时也要使用二进制数来表示，而具体用哪个数字表示哪个符号，当然每个人都可以约定自己的一套（这就叫编码），而大家如果要想互相通讯而不造成混乱，那么大家就必须使用相同的编码规则，于是美国有关的标准化组织就出台了所谓的ASCII编码，统一规定了上述常用符号用哪个二进制数来表示。
　　美国标准信息交换代码是由美国国家标准学会(American National Standard Institute , ANSI )制定的，标准的单字节字符编码方案，用于基于文本的数据。起始于50年代后期，在1967年定案。它最初是美国国家标准，供不同计算机在相互通信时用作共同遵守的西文字符编码标准，它已被国际标准化组织（International Organization for Standardization, ISO）定为国际标准，称为ISO 646标准。适用于所有拉丁文字字母。
　　ASCII 码使用指定的 7 位或 8 位二进制数组合来表示 128 或 256 种可能的字符。标准 ASCII 码也叫基础ASCII码，使用 7 位二进制数来表示所有的大写和小写字母，数字 0 到 9、标点符号， 以及在美式英语中使用的特殊控制字符。其中：
　　0～31及127(共33个)是控制字符或通讯专用字符（其余为可显示字符），如控制符：LF（换行）、CR（回车）、FF（换页）、DEL（删除）、BS（退格)、BEL（振铃）等；通讯专用字符：SOH（文头）、EOT（文尾）、ACK（确认）等；ASCII值为 8、9、10 和 13 分别转换为退格、制表、换行和回车字符。它们并没有特定的图形显示，但会依不同的应用程序，而对文本显示有不同的影响。
　　32～126(共95个)是字符(32sp是空格），其中48～57为0到9十个阿拉伯数字；
　　65～90为26个大写英文字母，97～122号为26个小写英文字母，其余为一些标点符号、运算符号等。
　　同时还要注意，在标准ASCII中，其最高位(b7)用作奇偶校验位。所谓奇偶校验，是指在代码传送过程中用来检验是否出现错误的一种方法，一般分奇校验和偶校验两种。

  • 奇校验规定：一个字节中八个二进制位数中1的个数必须是奇数，若非奇数，则在最高位b7添1；

    • 原始码流+校验位 总共有奇数个1

  • 偶校验规定：一个字节中八个二进制位数中1的个数必须是偶数，若非偶数，则在最高位b7添1。

    • 原始码流+校验位 总共有偶数个1

image-20220926002158579

MIME

image-20220926002335689

**网络传输只能传输可打印字符（32127）。**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**（控制字符，通讯专用字符，128255），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，这样出错的可能性就大降低了。

通用互联网邮件扩充MIME，增加了邮件的主体结构，定义了非ASCII码的编码传输规则，这就是Base64。

BASE64

6bit（原8bit）一个字节，不足的位数用0补齐，两个0用一个=表示。

采用64个基本的ASCII码字符对数据进行重新编码。

  • 将需要编码的数据拆分成字节数组，以3个字节为一组，按顺序排列24位数据，再把这24位数据分成4组，即每组6位；
  • 再在每组的的最高位前补两个0凑足一个字节，这样就把一个3字节为一组的数据重新编码成了4个字节；
  • 当所要编码的数据的字节数不是3的整倍数，也就是说在分组时最后一组不够3个字节，这时在最后一组填充1到2个0字节，并在最后编码完成后在结尾添加1到2个=号。

image-20220926002711271

为什么不直接传二进制

  • 某些场合并不能传输或者储存二进制流。如果一个传输协议是基于ASCII文本的，那么它就不能传输二进制流，要将二进制流传输就得编码。常见的 http 协议的 url 就是纯文本的，不能直接放二进制流。
  • 大多数现代语言的 String 类型，都不能直接储存二进制流，但可以储存BASE64编码的字符串。如果你希望用 String 类型操作一切数据，那就没法直接用二进制流。
  • 就是某些协议会对二进制流中的特定字符进行特殊处理（比如ASCII的0~32编码的字符在某些传输介质中，是会被当作特殊含义处理的），这种时候就需要通过编码来避开这些特定字符了。（前面MIME的例子）

编码例子

  • 第一种：待编码的二进制只有24位，此时刚好能分成4组，编码结果就是4个字符，没有=号，如you有24位二进制，结果就是eW91。

image-20220926002746784

  • 第二种：待编码的二进制只有16位，那么编码的结果就是3个字符跟上一个=号，如Ma：
    Ma的二进制：01001101 01100001
    分组结果：010011 010110 0001
    根据​​RFC-4648​​的规范，对于这种情况，将在最后用0补齐6位，得到：010011 010110 000100
    对应Base64的编码就是TWE，为了能在解码时能识别出最后有补齐的两个0，以便去掉，要跟上=作记号，所以Ma最终的Base64编码就是TWE=。
  • 第三种：待编码的二进制只有8位，Base64编码结果应该是两个字符，跟上两个=号，如M：
    M的二进制：01001101
    分组结果：010011 01
    根据​​RFC-4648​​的规范，对于这种情况，将在最后用0补齐6位，得到：010011 010000
    对应Base64的编码就是TQ，为了能在解码时能识别出最后有补齐的4个0，以便去掉，要跟上两个=作记号，所以M最终的Base64编码就是TQ==

处理中文

Base64 仅可对 ASCII 字符进行编码，如果是中文字符等非ASCII码，就需要先将中文字符转换为ASCII字符后，再进行编码才行。

数据体积

Base64编码的数据体积通常比原数据的体积大三分之一。

应用

  • 简单加密。(不确保安全性)

  • URL编码（改良的BASE64）。（具体编码方式由浏览器决定）

  • 后端把数据库中文件数据返回前端前将数据转换为Base64编码后的字符串。

  • 前端页面针对图片处理，Data URL。可以直接减少请求数，将其内嵌在img标签或者css样式中。

    • data:[<mime type>][;base64],<data>
    • <img src="data:image/svg+xml;base64,MTE0NTE0.......">
    • .buttonimg{ background: url(data:image/svg+xml;base64,MTE0NTE0......);}
posted @ 2022-09-26 00:48  小能日记  阅读(214)  评论(0)  编辑  收藏  举报