ThinkChat🤖让你学习和工作更高效,注册即送10W Token,即刻开启你的AI之旅 广告
Base64是一种用64个字符来表示任意二进制数据的方法。 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的原理很简单,首先,准备一个包含64个字符的数组: ~~~ ['A', 'B', 'C', ... 'a', 'b', 'c', ... '0', '1', ... '+', '/'] ~~~ 然后,对二进制数据进行处理,每3个字节一组,一共是`3x8=24`bit,划为4组,每组正好6个bit: ![base64-encode](http://www.liaoxuefeng.com/files/attachments/001399415038305edba53df7d784a7fa76c6b7f6526873b000) 这样我们得到4个数字作为索引,然后查表,获得相应的4个字符,就是编码后的字符串。 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。 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,表示补了多少字节,解码的时候,会自动去掉。 Python内置的`base64`可以直接进行base64的编解码: ~~~ >>> import base64 >>> base64.b64encode(b'binary\x00string') b'YmluYXJ5AHN0cmluZw==' >>> base64.b64decode(b'YmluYXJ5AHN0cmluZw==') b'binary\x00string' ~~~ 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`_`: ~~~ >>> base64.b64encode(b'i\xb7\x1d\xfb\xef\xff') b'abcd++//' >>> base64.urlsafe_b64encode(b'i\xb7\x1d\xfb\xef\xff') b'abcd--__' >>> base64.urlsafe_b64decode('abcd--__') b'i\xb7\x1d\xfb\xef\xff' ~~~ 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。 Base64是一种通过查表的编码方法,不能用于加密,即使使用自定义的编码表也不行。 Base64适用于小段内容的编码,比如数字证书签名、Cookie的内容等。 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: ~~~ # 标准Base64: 'abcd' -> 'YWJjZA==' # 自动去掉=: 'abcd' -> 'YWJjZA' ~~~ 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。 ### 小结 Base64是一种任意二进制到文本字符串的编码方法,常用于在URL、Cookie、网页中传输少量二进制数据。 ### 练习 请写一个能处理去掉`=`的base64解码函数: ~~~ # -*- coding: utf-8 -*- import base64 def safe_base64_decode(s): # 测试: assert b'abcd' == safe_base64_decode(b'YWJjZA=='), safe_base64_decode('YWJjZA==') assert b'abcd' == safe_base64_decode(b'YWJjZA'), safe_base64_decode('YWJjZA') print('Pass') ~~~  Run ### 参考源码 [do_base64.py](https://github.com/michaelliao/learn-python3/blob/master/samples/commonlib/do_base64.py)