浅谈Base64编码
出处:CSTC 作者:朱岩 时间:2004-1-30 8:43:0
注:本文原理为作者转载,具体地址不明,望原文作者谅解,但代码实现部份全为作者本人完成,代码可以以任意方式使用
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 From: "eSX?!" <snaix@yeah.net'>snaix@yeah.net'>snaix@yeah.net'>snaix@yeah.net> Reply-To: snaix@yeah.net'>snaix@yeah.net'>snaix@yeah.net'>snaix@yeah.netTo: "snaix" <snaix@126.com'>snaix@126.com> Subject: X-mailer: Foxmail 5.0 beta2 [cn] Mime-Version: 1.0 Content-Type: text/plain; charset="gb2312" Content-Transfer-Encoding: base64 xOO6w6OsU25haVgNCg0KoaGhodXiysfSu7j2QmFzZTY0tcSy4srU08q8/qOhDQoNCkJlc3QgV2lz aGVzIQ0KIAkJCQkNCqGhoaGhoaGhoaGhoaGhoaGhoaGhoaGhoaGhoaEgICAgICAgICAgICAgICBlU1g/IQ0KoaGhoaGhoaGhoaGhoaGhoaGhoaGhoaGhoaGhoSAgICAgICAgICAgICAgIHNuYWl4QHllYWgubmV0DQqhoaGhoaGhoaGhoaGhoaGhoaGhoaGhoaGhoaGhoaGhoaGhICAgICAgICAgMjAwMy0xMi0yNQ0K 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。 具体转化形式间下图: 字符串“张3” 11010101 11000101 00110011 00110101 00011100 00010100 00110011 表1 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 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 表2 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: Table 1: The Base64 Alphabet Value Encoding Value Encoding Value Encoding Value Encoding 0 A 17 R 34 i 51 z 1 B 18 S 35 j 52 0 2 C 19 T 36 k 53 1 3 D 20 U 37 l 54 2 4 E 21 V 38 m 55 3 5 F 22 W 39 n 56 4 6 G 23 X 40 o 57 5 7 H 24 Y 41 p 58 6 8 I 25 Z 42 q 59 7 9 J 26 a 43 r 60 8 10 K 27 b 44 s 61 9 11 L 28 c 45 t 62 + 12 M 29 d 46 u 63 / 13 N 30 e 47 v (pad) = 14 O 31 f 48 w 15 P 32 g 49 x 16 Q 33 h 50 y 表3 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,从表2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’ 表4 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’=’ 表6 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
#include <stdio.h>//base64编码表char base64_alphabet[]= { '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','+','/','='};
/********************************************************** *函数名:Base64Decode *功能:对base64编码进行解码 *入口参数:base64code:base64编码序列指针 base64length:序列长度 *出口参数:解码后的字节序列指针 *说明:用户调用此函数以后必须将返回指针所对内存释放,用delete * 方法,base64length参数必须为4的倍数**********************************************************/
char* Base64Decode(char *base64code, unsigned int base64length){
char temp[4]; char *chtemp=temp; char *buffertemp; char *buffer; char num=0;
buffer=new char[base64length/4*3+1]; buffertemp=buffer; for(unsigned int i=0; i<base64length/4;i++){
chtemp=temp; for(unsigned int m=0;m<4;m++){ if(((*base64code)>='a')&&((*base64code)<='z')){ *chtemp=(*base64code)-'a'+26; }else if(((*base64code)>='A')&&((*base64code)<='Z')){ *chtemp=(*base64code)-'A'; }else if(((*base64code)>='0')&&((*base64code)<='9')){ *chtemp=(*base64code)-'0'+52; }else if(*base64code=='/'){ *chtemp=63; }else if(*base64code=='+'){ *chtemp=62; }else{ *chtemp='='; } chtemp++; base64code++; } *buffertemp++=(temp[0]<<2)+((temp[1]>>4)); *buffertemp++=(temp[1]<<4)+((temp[2]>>2)); *buffertemp++=(temp[2]<<6)+((temp[3])); } if(temp[2]=='=') num++; if(temp[3]=='=') num++;
*(buffertemp-num)=0; return buffer;
}
/********************************************************** *函数名:Base64Encode *功能:对给定字节序列进行base64编码 *入口参数:base64code:要编码的字节序列指针 base64length:要编码 * 字节序列的长度 *出口参数:编码后的字节序列指针 *说明:用户调用此函数以后必须将返回指针所对内存释放,用delete * 方法**********************************************************/
char* Base64Encode(char *base64code, unsigned int base64length){
char *buffer; char *temp; char base64_alphabet[65]; unsigned int i;
buffer=new char[base64length%3?(base64length/3*4+1):(base64length/3*4)+1]; temp=buffer;
//动态生成编码表 for(i=0;i<65;i++){ if(i<26){ base64_alphabet[i]=i+'A';
}else if((i>=26)&&(i<52)){
base64_alphabet[i]=i-26+'a'; }else if((i>=52)&&(i<62)){
base64_alphabet[i]=i-52+'0'; }else if(i==62){ base64_alphabet[i]='+'; }else if(i==63){ base64_alphabet[i]='/'; }else{ base64_alphabet[i]='=';
}
} for(i=0; i<base64length/3;i++){ *temp++=base64_alphabet[((*base64code)>>2)&0x3f]; *temp++=base64_alphabet[(((*base64code)<<4)&0x3F)+(((*(base64code+1))>>4)&0x0f)]; *temp++=base64_alphabet[(((*(base64code+1))<<2)&0x3F)+(((*(base64code+2))>>6)&0x03)]; *temp++=base64_alphabet[*(base64code+2)&0x3F]; base64code+=3;
} if((base64length%3)==1){ *(temp-1)='='; *(temp-2)='='; } if((base64length%3)==2){ *(temp-1)='='; } *temp=0; return buffer;} 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 这是一个Base64的测试邮件! Best Wishes! eSX?! snaix@yeah.net 2003-12-25 如文章有问题恳请指出并与我联系:342913079@qq.com