base64编码原理及简单Python实现

廖老师的Python3教程中对base64编码的讲解讲得不是很清楚，我经过搜索和询问研究生同学，把一些有用的资料结合起来了，希望对你们有用。

一、产生原因及作用

用记事本打开exe、jpg、pdf这些文件时，我们都会看到一大堆乱码，因为二进制文件包含很多无法显示和打印的字符，所以，如果要让记事本这样的文本处理软件能处理二进制数据，就需要一个二进制到字符串的转换方法。Base64是一种最常见的二进制编码方法。

base64是网络上最常见的用于传输8Bit字节代码的编码方式之一，用来将非ASCII字符的数据转换成ASCII字符的一种方法，因为某些系统中只能使用ASCII字符，比如Email，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！基于以上的一些主要原因产生了Base64编码，它要求把每3个8Bit的字节转换为4个6Bit的字节，对数据内容进行编码来适合传输。虽然base64编码过后原文也变成不能看到的字符格式，但是这种方式很初级，很简单。Base64编码可用于在HTTP环境下传递较长的标识信息，编码的数据不会被人用肉眼所直接看到，适用于小段内容的编码，比如数字证书签名、Cookie的内容等。

二、编码原理

Base64编码表由64个字符组成，编码后的字符由表中字符组合而成，流程如下：

1. base64的编码都是按字符串长度，以每3个8bit的字符为一组。

2. 然后针对每组，首先获取每个字符的ASCII编码。

3. 然后将ASCII编码转换成8bit的二进制，得到一组3*8=24bit的字节。

4. 然后再将这24bit划分为4个6bit的字节，并在每个6bit的字节前面都填两个高位0，得到4个8bit的字节。

5. 然后将这4个8bit的字节转换成10进制，对照Base64编码表，得到对应编码后的字符。

注：

• 由于要求被编码字符是8bit，所以须在ASCII编码范围内，\u0000-\u00ff，中文就不行。

• 由于2^6=64，而以1个6bit为一个单元，因此一定能在0~63的编码表中找到对应的编码！

举例如下：

（一）字符长度为能被3整除时：比如“Tom”：



（二）字符串长度不能被3整除时，比如“Lucy”：



由于Lucy只有4个字母，所以按3个一组的话，第二组还有两个空位，所以需要用0来补齐。这里就需要注意，因为是需要补齐而出现的0，所以转化成十进制的时候就不能按常规用base64编码表来对应，所以不是a， 可以理解成为一种特殊的“异常”，编码应该对应“=”。

如果要编码的二进制数据不是3的倍数，最后会剩下1个或2个字节怎么办？Base64用\x00字节在末尾补足后，再在编码的末尾加上1个或2个=号（最多2个=号，理解？），表示补了多少字节，解码的时候，会自动去掉。

所以，Base64编码会把3字节的二进制数据编码为4字节的文本数据，长度增加33%，好处是编码后的文本数据可以在邮件正文、网页等直接显示。

三、简单Python实现

Python内置的base64可以直接进行base64的编解码：



由于标准的Base64编码后可能出现字符+和/，在URL中就不能直接作为参数，所以又有一种”url safe”的base64编码，其实就是把字符+和/分别变成-和_：



还可以自己定义64个字符的排列顺序，这样就可以自定义Base64编码，不过，通常情况下完全没有必要。

由于=字符也可能出现在Base64编码中，但=用在URL、Cookie里面会造成歧义，所以，很多Base64编码后会把=去掉：



去掉=后怎么解码呢？因为Base64是把3个字节变为4个字节，所以，Base64编码的长度永远是4的倍数，因此，需要加上=把Base64字符串的长度变为4的倍数，就可以正常解码了。

四、练习

请写一个能处理去掉=的base64解码函数：



这是做完我会在评论里面体现。