書接上回，在 記一個 Base64 有關(guān)的 Bug 一文里，我們說到了 Base64 的編解碼器有不同實現(xiàn)，交叉使用它們可能引發(fā)的問題等等。
這一回，我們來對 Base64 這一常用編解碼技術(shù)的原理一探究竟。
1. Base64 是什么
Base64 是一種基于 64 個可打印字符來表示二進(jìn)制數(shù)據(jù)的表示方法。由于 2^6=64，所以每 6 個比特為一個單元，對應(yīng)某個可打印字符。3 個字節(jié)有 24 個比特，對應(yīng)于 4 個 Base64 單元，即 3 個字節(jié)可由 4 個可打印字符來表示。
——維基百科
它不是一種加解密技術(shù)，是一種簡單的編解碼技術(shù)。
Base64 常用于表示、傳輸、存儲二進(jìn)制數(shù)據(jù)，也可以用于將一些含有特殊字符的文本內(nèi)容編碼，以便傳輸。
比如：
在電子郵件的傳輸中，Base64 可以用來將 binary 的字節(jié)序列，比如附件，編碼成 ASCII 字節(jié)序列；
將一些體積不大的圖片 Base64 編碼后，直接內(nèi)嵌到網(wǎng)頁源碼里；
-
將要傳遞給 HTTP 請求的參數(shù)做簡單的轉(zhuǎn)換，降低肉眼可讀性；
注：用于 URL 的 Base64 非標(biāo)準(zhǔn) Base64，是一種變種。
網(wǎng)友們在論壇等公開場合習(xí)慣將郵箱地址 Base64 后再發(fā)出來，防止被爬蟲抓取后發(fā)送垃圾郵件。
2. Base64 編碼原理
標(biāo)準(zhǔn) Base64 里的 64 個可打印字符是 A-Za-z0-9+/，分別依次對應(yīng)索引值 0-63。索引表如下：
編碼時，每 3 個字節(jié)一組，共 8bit*3=24bit，劃分成 4 組，即每 6bit 代表一個編碼后的索引值，劃分如下圖所示：
這樣可能不太直觀，舉個例子就容易理解了。比如我們對 cat 進(jìn)行編碼：
可以看到 cat 編碼后變成了 Y2F0。
如果待編碼內(nèi)容的字節(jié)數(shù)不是 3 的整數(shù)倍，那需要進(jìn)行一些額外的處理。
如果最后剩下 1 個字節(jié)，那么將補 4 個 0 位，編碼成 2 個 Base64 字符，然后補兩個 =：
如果最后剩下 2 個字節(jié)，那么將補 2 個 0 位，編碼成 3 個 Base64 字符，然后補一個 =：
3. 實現(xiàn)一個簡易的 Base64 編碼器
講完原理，我們就可以動手實現(xiàn)一個簡易的標(biāo)準(zhǔn) Base64 編碼器了，以下是我參考 Java 8 的 java.util.Base64 亂寫的一個 Java 版本，僅供參考，主要功能代碼如下：
public class CustomBase64Encoder {
/**
* 索引表
*/
private static final char[] sBase64 = {
'A', 'B', 'C', 'D', 'E', 'F', 'G', 'H',
'I', 'J', 'K', 'L', 'M', 'N', 'O', 'P',
'Q', 'R', 'S', 'T', 'U', 'V', 'W', 'X',
'Y', 'Z', 'a', 'b', 'c', 'd', 'e', 'f',
'g', 'h', 'i', 'j', 'k', 'l', 'm', 'n',
'o', 'p', 'q', 'r', 's', 't', 'u', 'v',
'w', 'x', 'y', 'z', '0', '1', '2', '3',
'4', '5', '6', '7', '8', '9', '+', '/'
};
/**
* 將 byte[] 進(jìn)行 Base64 編碼并返回字符串
* @param src 原文
* @return 編碼后的字符串
*/
public static String encode(byte[] src) {
if (src == null) {
return null;
}
byte[] dst = new byte[(src.length + 2) / 3 * 4];
int index = 0;
// 每次將 3 個字節(jié)編碼為 4 個字節(jié)
for (int i = 0; i < (src.length / 3 * 3); i += 3) {
int bits = (src[i] & 0xff) << 16 | (src[i + 1] & 0xff) << 8 | (src[i + 2] & 0xff);
dst[index++] = (byte) sBase64[(bits >>> 18) & 0x3f];
dst[index++] = (byte) sBase64[(bits >>> 12) & 0x3f];
dst[index++] = (byte) sBase64[(bits >>> 6) & 0x3f];
dst[index++] = (byte) sBase64[bits & 0x3f];
}
// 處理剩下的 1 個或 2 個字節(jié)
if (src.length % 3 == 1) {
int bits = (src[src.length - 1] & 0xff) << 4;
dst[index++] = (byte) sBase64[(bits >>> 6) & 0x3f];
dst[index++] = (byte) sBase64[bits & 0x3f];
dst[index++] = '=';
dst[index] = '=';
} else if (src.length % 3 == 2) {
int bits = (src[src.length - 2] & 0xff) << 10 | (src[src.length - 1] & 0xff) << 2;
dst[index++] = (byte) sBase64[(bits >>> 12) & 0x3f];
dst[index++] = (byte) sBase64[(bits >>> 6) & 0x3f];
dst[index++] = (byte) sBase64[bits & 0x3f];
dst[index] = '=';
}
return new String(dst);
}
}
這部分源碼我也上傳到 GitHub 倉庫 https://github.com/mzlogin/spring-practices 的 base64test 工程里了。
4. 其它知識點
4.1 為什么有的編碼結(jié)果帶回車
在電子郵件中，根據(jù) RFC 822 規(guī)定，每 76 個字符需要加上一個回車換行，所以有些編碼器實現(xiàn)，比如 sun.misc.BASE64Encoder.encode，是帶回車的，還有 java.util.Base64.Encoder.RFC2045，是帶回車換行的，每行 76 個字符。
4.2 Base64 的變種
除了標(biāo)準(zhǔn) Base64 之外，還有一些其它的 Base64 變種。
比如在 URL 的應(yīng)用場景中，因為標(biāo)準(zhǔn) Base64 索引表中的 / 和 + 會被 URLEncoder 轉(zhuǎn)義成 %XX 形式，但 % 是 SQL 中的通配符，直接用于數(shù)據(jù)庫操作會有問題。此時可以采用 URL Safe 的編碼器，索引表中的 /+ 被換成 -_，比如 java.util.Base64.Encoder.RFC4648_URLSAFE 就是這樣的實現(xiàn)。
