一 Base64的由来
目前Base64已经成为网络上常见的传输8Bit字节代码的编码方式之一。在做支付系统时,系统之间的报文交互都需要使用Base64对明文进行转码,然后再进行签名或加密,之后再进行(或再次Base64)传输。那么,Base64到底起到什么作用呢?
在参数传输的过程中经常遇到的一种情况:使用全英文的没问题,但一旦涉及到中文就会出现乱码情况。与此类似,网络上传输的字符并不全是可打印的字符,比如二进制文件、图片等。Base64的出现就是为了解决此问题,它是基于64个可打印的字符来表示二进制的数据的一种方法。
电子邮件刚问世的时候,只能传输英文,但后来随着用户的增加,中文、日文等文字的用户也有需求,但这些字符并不能被服务器或网关有效处理,因此Base64就登场了。随之,Base64在URL、Cookie、网页传输少量二进制文件中也有相应的使用。
二 Base64的编码原理
Base64的原理比较简单,每当我们使用Base64时都会先定义一个类似这样的数组:
static const char b64[] = "ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/";
上面就是Base64的索引表,字符选用了"A-Z、a-z、0-9、+、/" 64个可打印字符,这是标准的Base64协议规定。在日常使用中我们还会看到“=”或“==”号出现在Base64的编码结果中,“=”在此是作为填充字符出现,后面会讲到。
1 具体转换步骤:
- 1)第一步,将待转换的字符串每三个字节分为一组,每个字节占8bit,那么共有24个二进制位。
- 2)第二步,将上面的24个二进制位每6个一组,共分为4组。
- 3)第三步,在每组前面添加两个0,每组由6个变为8个二进制位,总共32个二进制位,即四个字节。
- 4)第四步,根据Base64编码对照表(见下图)获得对应的值。
从上面的步骤我们发现:
- 1)Base64字符表中的字符原本用6个bit就可以表示,现在前面添加2个0,变为8个bit,会造成一定的浪费。因此,Base64编码之后的文本,要比原文大约三分之一。
- 2)为什么使用3个字节一组呢?因为6和8的最小公倍数为24,三个字节正好24个二进制位,每6个bit位一组,恰好能够分为4组。
三 示例说明
以下图的表格为示例,我们具体分析一下整个过程。
注意:对于下面的表格和代码的演示,我们使用电脑自带的计算器计算即可,非常非常方便,也赖得自己算,win+r输入calc,然后选择程序员即可。
- 1)第一步:“M”、“a”、"n"对应的ASCII码值分别为77,97,110,对应的二进制值是01001101、01100001、01101110。如图第二三行所示,由此组成一个24位的二进制字符串。
- 2)第二步:如图红色框,将24位每6位二进制位一组分成四组。
- 3)第三步:在上面每一组前面补两个0,扩展成32个二进制位,此时变为四个字节:00010011、00010110、00000101、00101110。分别对应的值(Base64编码索引)为:19、22、5、46。
- 4)第四步:用上面的值在Base64编码表中进行查找,分别对应:T、W、F、u。因此“Man”Base64编码之后就变为:TWFu。
位数不足情况:
上面是按照三个字节来举例说明的,如果字节数不足三个,那么该如何处理?
- 1)两个字节:两个字节共16个二进制位,依旧按照规则进行分组。此时总共16个二进制位,每6个一组,则第三组缺少2位,用0补齐,得到三个Base64编码,第四组完全没有数据则用“=”补上。因此,上图中“BC”转换之后为“QKM=”。
- 2)一个字节:一个字节共8个二进制位,依旧按照规则进行分组。此时共8个二进制位,每6个一组,则第二组缺少4位,用0补齐,得到两个Base64编码,而后面两组没有对应数据,都用“=”补上。因此,上图中“A”转换之后为“QQ==”。
注意事项:
- 1)大多数编码都是由字符串转化成二进制的过程,而Base64的编码则是从二进制转换为字符串。与常规恰恰相反,
- 2)Base64编码主要用在传输、存储、表示二进制领域,不能算得上加密,只是无法直接看到明文。也可以通过打乱Base64编码来进行加密。
- 3)中文有多种编码(比如:utf-8、gb2312、gbk等),不同编码对应Base64编码结果都不一样。
延伸:
上面我们已经看到了Base64就是用6位(2的6次幂就是64)表示字符,因此成为Base64。同理,Base32就是用5位,Base16就是用4位。大家可以按照上面的步骤进行演化一下。
四 代码演示
强调,必须拿代码去调试,在调试过程中让编译器帮我们一起理解每一行代码,比纯看代码学习快速很多。
#define _CRT_SECURE_NO_WARNINGS
#include <iostream>
#include <vector>
#include <map>
#include <thread>
#include <string>
#include <sstream>
#include <mutex>
#include <Windows.h>
using namespace std;
#define AV_BASE64_SIZE(x) (((x) + 2) / 3 * 4 + 1)
char *av_base64_encode(char *out, int out_size, const unsigned char *in, int in_size)
{
static const char b64[] = "ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/";
char *ret, *dst;
unsigned i_bits = 0;
int i_shift = 0;
int bytes_remaining = in_size;
if (in_size >= (0x7fffffff / 4) || out_size < AV_BASE64_SIZE(in_size))//这里条件限制有空再研究
{
return NULL;
}
ret = out;// 保存首地址
dst = out;// 用于操作
while (bytes_remaining)
{
i_bits = (i_bits << 8) + *in;//或者*in++,将下一句in++省略,这里i_bits每次累加保存3个字节转成base64的4字节的二进制位,这样就可以去到对应的6位二进制。
in++;
bytes_remaining--;
i_shift += 8;// 要想下面每次左移6位后,想在前面补2个0,所以每次右移时都得叠加2.例如字符M,x<<6,x需要>>8.字符a,x<<6,x需要>>8+2,因为需要跳过原来的M的8位。
do {
*dst++ = b64[(i_bits << 6 >> i_shift) & 0x3f];// 每次左移6位到高位,然后再右移8位,实际就是补2个0.对着表格理解即可。
i_shift -= 6;
} while (i_shift > 6 || (bytes_remaining == 0 && i_shift > 0));// dowhile满足就继续,不满足就退出
}
while ((dst - ret) & 3)
*dst++ = '=';
*dst = '\0';
return ret;
}
int main(){
string man = "Man";
string a = "A";
string bc = "BC";
char str_sps[100] = { 0 };
av_base64_encode(str_sps, 100, reinterpret_cast<const unsigned char*>(man.c_str()), man.length());
cout << "man's basecode: " << str_sps << endl;
memset(str_sps, 0x00, 100);
av_base64_encode(str_sps, 100, reinterpret_cast<const unsigned char*>(a.c_str()), a.length());
cout << "a's basecode: " << str_sps << endl;
memset(str_sps, 0x00, 100);
av_base64_encode(str_sps, 100, reinterpret_cast<const unsigned char*>(bc.c_str()), bc.length());
cout << "bc's basecode: " << str_sps << endl;
/*cout << "主线程结束" << endl;*/
return 0;
}
结果:
以上结果与我们分析所得完全一致。
参考文章:一篇文章彻底弄懂Base64编码原理。