你的位置:首页 > Java教程

[Java教程]Base64 的那些事儿


一、Base64是什么?

Base64是一种编码的格式。是将信息流(字节流)按照一定的规范,重新组合,显示出完全不相关内容的编码格式。

ps.定义是我自己总结的,我觉得对于知识的定义,只要简洁,不错误,表述清楚,不要拘泥于一个字一个词,重要的是真正理解它的原理即可。(其实是因为自己根本不知道标准的定义是什么...)

二、Base64的由来?

对计算机信息存储稍有了解的人,都清楚,在计算机内部是以二进制来存储一切信息的。而直接以二进制为单元进行处理,显然是不方便处理的,如果数量级过大,我们往往采用增加计数单位的形式。(有兴趣的同学可以参考《从1到无穷大》这本书),所以在计算机世(防盗连接:本文首发自http://www.cnblogs.com/jilodream/ )界中就出现了字节这个东西。以每8个bit位组成一个字节。这样任何信息都可以划分为占用多少多少个字节来说。如下表所示:

根据大家的认知,大小写一共52个字母、外加数字加特殊符号等,一个字节是完全可以表述完整的单个字符的(这里使用的就是ASCII对照表)。

但是对于非英语国家来说就比较头疼了。发送信息之前翻译成英语,收到之后再翻译为本国语言,显然是成本非常高的。怎么解决呢?就是使用多个字节来表示一个字符。这样UTF-8、GBK、UNICODE等编码就应运而生了(有兴趣的同学可以查下它们的区别)。这些编码基本解决了世界上已知语言在计算中有效存储流动的问题。

但是问题又来了,有时候我们使用的设备,根本就不支持这些复杂的国际化编码。

举个例子,我在家给领导发了封邮件,说最近身体不适,打算请天假去看看外面的世界。

我的表情是这样的:

 

领导打开邮件之后,发现是一屏幕的乱码,而且发现我今天没来。

领导的表情是这样的:

 

当我心情愉悦的假后来上班时,领导面带微笑的问我这两天去哪里时。

我的表情是这样的:

 

当领导和我说:电话打不通,邮件是乱码,人也失踪的时候。

我的表情是这样的:

 

 

当我解释事情是这样的:巴拉巴拉。

我的表情是这样的:“这件事情是这样的,说起来你可能不信 但真的是垃圾桶先动的手”

 

在听了我的解释以后。

领导的表情是这样的:

 

好了言归正传,为什么会出现上游(我)发送的消息,到了下游(领导)就出现无法理解的情况呢?

这是由于历史原因,早前Email只被允许传送ASCII字符(不知道现在是否改善),即一个字节的低7位,也就是128种表示。于是当我用各种国际字符发送消息时,势必就会出现字节的最高位居然是1的问题(防盗连接:本文首发自http://www.cnblogs.com/jilodream/ )。考虑到健壮性和容错性,有些网络设备就会把首bit位置换成0。而原本整套的非ASCII码的字符,就被硬生生的转成一套ASCII码。于是当收件者打开邮件进行阅读时,邮件系统将收到数据硬生生的再转成非ASCC码时,一切都晚了。(记得早前,大学老师去欧洲德国留学,给老师写email只能用拼音)。

其实除去网关,其他路由等硬件设备都会出现这样那样的不支持问题。(对于128~255这些不可见字符,不同路由设备在接收后的处理是不一样的,这也就是为什么发送信息经常使用转码,而不是采用直接传输单个字节这一套方法(此处可看http://www.zhihu.com/question/36306744/answer/71626823 郭无心的叙述)。而除去邮件系统,其他很多系统也会因为不支持某些特殊字符,造成发送方和接收方,双方的信息的不一致。

这里简单举个例子,我们通过互联网聊天时,数据都是先发送给服务端。服务端发现信息中包含了某个特殊字符,而服务端本身又不支持这个特殊字符。于是就从字库里,找到默认字符补填。这样接收方收到消息时,这个特殊字符就显示不出来了。取而代之的是一些缺省字符,如‘◇’,‘□’。(ps,印象中QQ游戏是不支持‘.’这个特殊字符的)。

为了解决此类的种种问题,于是Base64就应运而生了。

三、Base64是如何处理字符串编码的?

这里先直入正题,阐述关于Base64编码的情况。

首先明确这样一个前提,所有信息肯定都是以字节的形式存在的。那么他的长度对于3这个数字有三种分类:

(1)长度除以3余0:len%3=0;

(2)长度除以3余1:len%3=1;

(3)长度除以3余2:len%3=2;

第(1)情况:

我们把每3个字(防盗连接:本文首发自http://www.cnblogs.com/jilodream/ )节划分成一份,然后再把它平均拆分成4份。那么每份就有6个bit位。

3*8bit=24bit=4*6bit

然后每一个单元前边再加个00,这样就使得每个单元等等于8位,即一个比特位。

如表,我们可以发现,每个字节真正有效的特征bit位只有6位。2^6=8*8=64。也就是每个字节都可以表现出64种特征。这也正是base64的由来。

第(2)情况:

我们把每3个字节划分成一份,然后再把它平均拆分成4份。最后剩余1个字节,则拆分成6+2的形式,8bit=6+2bit,如下表:

这里会涉及到下边两种场景

1)对于不足6bit位的单元:这个直接在结尾补0,直到6位。这里最后剩余2个bit位。

2)对于完全没有分配的单元,则直接使用“=”放置在单元中。这里最后补充2个=。

与场景(1)类似,单元格数字前边补‘0’

第(3)情况

我们把每3个字节划分成一份,然后再把它平均拆分成4份。最后剩余2个字节,则拆分成6+6+4的形式,16bit=6*2+2bit,如下表:

这里与场景(2)类似会涉及到下边两种场景

1)对于不足6bit位的单元:这个直(防盗连接:本文首发自http://www.cnblogs.com/jilodream/ )接在结尾补0,直到6位。这里最后剩余4个bit位。

2)对于完全没有分配的单元,则直接使用“=”放置在单元中。这里最后补充1个=。

这样,无论信息的长度是多少,都能以这样的规则(base64编码规范),重新划分成新的字节(符)流。

同时还有一份base64的编码转换表:

如下表:

这样,无论任意的字节流,我们都可以用表中的字符+‘=’来表示了。这就是所谓的Base64编码过程了。通过Base64编码,我们可以很好的解决前文中遗留下的问题。

而对于Base64解码的过程,原理与上述一致,只是一个逆过程,这里不再赘述。

四、Base64编码技术的应用

(1) 传输数据,尽量做到数据可(防盗连接:本文首发自http://www.cnblogs.com/jilodream/ )以在网络中正常传输,同时不会因为硬件或者软件不兼容,导致数据失真。

(2) 对数据进行简单加密,如对于URL或者地址空间的处理(如百度云地址、p2p链接),可以通过简单的Base64进行简单的处理,防止肉眼可以直视出这些信息的处理规则。同时也可以有效的进行互联网信息传输。