学步园

转自：http://www.5dmail.net/html/2004-1-30/200413084348.htm

前言

我打赌当你见到Base64这个词的时候你会觉得在哪里见过，因为在你能够上网看到这篇文章的时候你已经在后台使用它了。如果您对二进制数有所了解，你就可以开始读它了。

打开一封Email，查看其原始信息（您可以通过收取、导出该邮件用文本编辑器查看）。你会看到类似这样的一个效果：

Date: Thu, 25 Dec 2003 06:33:07 +0800<br /> From: "eSX?!" <snaix@yeah.net'>snaix@yeah.net'>snaix@yeah.net'>snaix@yeah.net><br /> Reply-To: snaix@yeah.net'>snaix@yeah.net'>snaix@yeah.net'>snaix@yeah.net<br /> To: "snaix" <snaix@126.com'>snaix@126.com><br /> Subject:<br /> X-mailer: Foxmail 5.0 beta2 [cn]<br /> Mime-Version: 1.0<br /> Content-Type: text/plain;<br /> charset="gb2312"<br /> Content-Transfer-Encoding: base64<br /> xOO6w6OsU25haVgNCg0KoaGhodXiysfSu7j2QmFzZTY0tcSy4srU08q8/qOhDQoNCkJlc3QgV2lz<br /> aGVzIQ0KIAkJCQkNCqGhoaGhoaGhoaGhoaGhoaGhoaGhoaGhoaGhoaEgICAgICAgICAgICAgICBl<br /> U1g/IQ0KoaGhoaGhoaGhoaGhoaGhoaGhoaGhoaGhoaGhoSAgICAgICAgICAgICAgIHNuYWl4QHll<br /> YWgubmV0DQqhoaGhoaGhoaGhoaGhoaGhoaGhoaGhoaGhoaGhoaGhoaGhICAgICAgICAgMjAwMy0x<br /> Mi0yNQ0K

是否看到了“base64”标记？是否看到了标记下面的一行乱码？也许你会恍然大悟，对！这就是Base64编码。

什么是Base64？

按照RFC2045的定义，Base64被定义为：Base64内容传送编码被设计用来把任意序列的8位字节描述为一种不易被人直接识别的形式。（The Base64 Content-Transfer-Encoding is designed to represent arbitrary sequences of octets in a form that need not be humanly readable.）

为什么要使用Base64？

在设计这个编码的时候，我想设计人员最主要考虑了3个问题：

1. 是否加密？
2. 加密算法复杂程度和效率
3. 如何处理传输？

加密是肯定的，但是加密的目的不是让用户发送非常安全的Email。这种加密方式主要就是“防君子不防小人”。即达到一眼望去完全看不出内容即可。

基于这个目的加密算法的复杂程度和效率也就不能太大和太低。和上一个理由类似，MIME协议等用于发送Email的协议解决的是如何收发Email，而并
不是如何安全的收发Email。因此算法的复杂程度要小，效率要高，否则因为发送Email而大量占用资源，路就有点走歪了。

但是，如果是基于以上两点，那么我们使用最简单的恺撒法即可，为什么Base64看起来要比恺撒法复杂呢？这是因为在Email的传送过程中，由于历史原
因，Email只被允许传送ASCII字符，即一个8位字节的低7位。因此，如果您发送了一封带有非ASCII字符（即字节的最高位是1）的Email通
过有“历史问题”的网关时就可能会出现问题。网关可能会把最高位置为0！很明显，问题就这样产生了！因此，为了能够正常的传送Email，这个问题就必须
考虑！所以，单单靠改变字母的位置的恺撒之类的方案也就不行了。关于这一点可以参考RFC2046。

基于以上的一些主要原因产生了Base64编码。

算法详解

Base64编码要求把3个8位字节（3*8=24）转化为4个6位的字节（4*6=24），之后在6位的前面补两个0，形成8位一个字节的形式。

具体转化形式如下:

字符串“张3”，（'张'的字符编码为D5 C5,'3'的编码为33，都是十六进制的）

======>11010101   11000101  110011

======>00110101 00011100 00010100 00110011

可以这么考虑：把8位的字节连成一串

110101011100010100110011

然后每次顺序选6个出来之后再把这6二进制数前面再添加两个0，就成了一个新的字节。之后再选出6个来，再添加0，依此类推，直到24个二进制数全部被选完。

让我们来看看实际结果：

字符串“张3”

11010101 HEX:D5 11000101 HEX:C5 00110011 HEX:33

00110101 00011100 00010100 00110011

十进制53     十进制34     十进制20  十进制51

  (字符'5')     (字符'/')      (字符'T')    (字符'3')

这样“张3 ”这个字符串就被Base64表示为”5^/^T3”了么？。错！

Base64编码方式并不是单纯利用转化完的内容进行编码。像’^/’字符是控制字符，并不能通过计算机显示出来，在某些场合就不能使用了。Base64有其自身的编码表：

Value Encoding Value Encoding Value Encoding Value Encoding<br /> 0 A 17 R 34 i 51 z<br /> 1 B 18 S 35 j 52 0<br /> 2 C 19 T 36 k 53 1<br /> 3 D 20 U 37 l 54 2<br /> 4 E 21 V 38 m 55 3<br /> 5 F 22 W 39 n 56 4<br /> 6 G 23 X 40 o 57 5<br /> 7 H 24 Y 41 p 58 6<br /> 8 I 25 Z 42 q 59 7<br /> 9 J 26 a 43 r 60 8<br /> 10 K 27 b 44 s 61 9<br /> 11 L 28 c 45 t 62 +<br /> 12 M 29 d 46 u 63 /<br /> 13 N 30 e 47 v (pad) =<br /> 14 O 31 f 48 w<br /> 15 P 32 g 49 x<br /> 16 Q 33 h 50 y

这也是Base64名称的由来，而Base64编码的结果不是根据算法把编码变为高两位是0而低6为代表数据，而是变为了上表的形式，如”A”就有7位，而”a”就只有6位。表中，编码的编号对应的是得出的新字节的十进制值。因此，从上面可以得到对应的Base64编码：

字符串“张3”

11010101 HEX:D5 11000101 HEX:C5 00110011 HEX:33

00110101   00011100   00010100   00110011

    字符’5’           字符’/’        字符’T’          字符’3’

 十进制53       十进制34     十进制20       十进制51

    字符’1’            字符’i’         字符’U’        字符’z’

这样，字符串“张3”经过编码后就成了字符串“1iUz”了。

Base64将3个字节转变为4个字节，因此，编码后的代码量（以字节为单位，下同）约比编码前的代码量多了1/3。之所以说是“约”，是因为如果代码量正好是3的整数倍，那么自然是多了1/3。但如果不是呢？

细心的人可能已经注意到了，在The Base64 Alphabet中的最后一个有一个(pad) =字符。这个字符的目的就是用来处理这个问题的。

当代码量不是3的整数倍时，代码量/3的余数自然就是2或者1。转换的时候，结果不够6位的用0来补上相应的位置，之后再在6位的前面补两个0。转换完空出的结果就用就用“=”来补位。譬如结果若最后余下的为2个字节的“张”：

字符串“张”

11010101 HEX:D5 11000101 HEX:C5

00110101    00011100    00010100

 十进制53       十进制34      十进制20      pad

    字符’1’            字符’i’         字符’U’      字符’=’

这样，最后的2个字节被整理成了“1iU=”。

同理，若原代码只剩下一个字节，那么将会添加两个“=”。只有这两种情况，所以，Base64的编码最多会在编码结尾有两个“=”

至于将Base64的解码，只是一个简单的编码的逆过程，读者可以自己探讨。我将在文章的最后给出解码算法

算法实现

其实在算法详解的时候基本上已经说的很清楚了。用于程序上，除去约束判断，大概可以分为如下几步几步：
读取数据3字节用AND取前6位，放入新的变量中右移两位，高两位清0AND取第一个字节的后2位和第二个字节的前4位移位放入新变量中右移两位，清0……依此类推。

解码的类C语言实现的算法：

BYTE LMoveBit(int base, int MoveNum)<br /> {<br /> BYTE result=base;<br /> if(MoveNum==0)return 1;<br /> if(MoveNum==1)return MoveNum;<br /> result=base<<(MoveNum-1);<br /> return result;<br /> }<br /> char base64_alphabet[]=<br /> {'A','B','C','D','E','F','G','H','I','J','K','L','M','N','O','P',<br /> 'Q','R','S','T','U','V','W','X','Y','Z','a','b','c','d','e','f',<br /> 'g','h','i','j','k','l','m','n','o','p','q','r','s','t','u','v',<br /> 'w','x','y','z','0','1','2','3','4','5','6','7','8','9','+','/','='<br /> };<br /> BYTE Base64Decode(char *base64code, DWORD base64length)<br /> {<br /> char buf[4];<br /> int i,j;<br /> int k;<br /> int l=0;<br /> BYTE temp1[4],temp2;<br /> BYTE *Buffer=new BYTE[base64length*3/4];<br /> DWORD base64a=(base64length/4)-1;<br /> DWORD base64b=0;<br /> for(;base64b<base64a+1;base64b++)<br /> {<br /> for(i=0;i<4;i++)<br /> {<br /> buf[i]=*(base64code+(base64b*4)+i);<br /> for(j=0;j<65;j++)<br /> {<br /> if(buf[i]==base64_alphabet[j])<br /> {<br /> temp1[i]=j;<br /> break;<br /> }<br /> }<br /> }<br /> i--;<br /> for(k=1;k<4;k++)<br /> {<br /> if(temp1[i-(k-1)]==64){m_padnum++; continue;}<br /> temp1[i-(k-1)]=temp1[i-(k-1)]/LMoveBit(2,(k-1)*2);<br /> temp2=temp1[i-k];<br /> temp2=temp2&(LMoveBit(2,k*2)-1);<br /> temp2*=LMoveBit(2,8-(2*k));//move 4<br /> temp1[i-(k-1)]=temp1[i-(k-1)]+temp2;<br /> Buffer[base64b*3+(3-k)]=temp1[i-(k-1)];<br /> }<br /> }<br /> return Buffer;<br /> }

根据这段算法，文章最开始给出的Email内容，可以解码为：

你好，SnaiX<br /> 　　这是一个Base64的测试邮件！<br /> Best Wishes!