关于Base64编码

作者：唐风

Base 64是一种比较古老的编码方式，在通信中非常常见。它实现很简单。

What？

“Base64是一种基于64个可打印字符来表示二进制数据的表示方法（来自维基）”。这句话我一开始没有看懂，现在我用我懂的方式再解释一下：我们可以把通信的数据流分为两种，“二进制流”和“文本流”。（注意，后面的定义并不严谨）。文本流是指数据串是以“人类可读的字符”组成的，数据流中出现的 0x00，0x0a，0x0d 等数据一般都是特殊的控制数据（文本结束，或是换行、或者是其它的），而不是数据本身。二进制流是任意的一串数据（每个字节可以是从 0x00 到 0xff 的值，而不限于字符）。Base64 编码就是用可打印字符（A-Z，a-z，0-9，+/这64个“字符”）组成的“文本流”来表示任意的二进制流数据的一种编码方法。也就是：任意的二进制流，通过base64编码后会变成一串只由可见字符（A-Z，a-z，0-9，+/这64个“字符”）组成的文本数据流。

完整的base64定义可见参考RFC 1421和RFC 2045。

Why？

Base64有什么用？！base 64编码后的数据流会比原数据流更长（是原数据流长度的4/3，原因见How的部分），那为什么还要用这种方式进行编码呢？（一开始我很不理解的地方）

原因是：通信设备的种类繁多，设计各异，比如有些设备只能处理/传输7bit的数据，有些设备的通信模块只能处理文本流，等等，为了保证在这些设备之间仍然能无障碍地进行任何二进制数据（8bit为单位）的通信，就把这些数据重新编码成只由可打印字符组成的文本流。base64中选取的可打印字符几乎在任何设备上都支持（字符集采用US-ASCII标准）。另外还常会见到的一个场景是，要求数据从控制台（或者其它输入/输出设备）输入或是输出，由于这些输入输出设备只支持文本操作或显示，所以也需要把二进制数据流在可打印字符集之间进行转换（编解码）。

How？

Base64编码其实很简单。将二进制数据流每三个字符一组进行分组（24bit），分组后，将24bit分成4个6bit数据，为每6bit数据前加上2个bit的0，就会得到4个8bit数据（变成了4byte），每个byte的值都在0-63的范围之间。然后按预先设定的转换表，把这些值转换成对应的可打印字符。

前文本中引用的维基百科内容说明得也比较清楚。

过程参考下图：

这里有一个小细节需要注意，那就是如果要编码的数据串长度不是 3 的整数倍的情况下，需要在数据串后面补充若干（假设是N）个0x00使得数据长度恰好为 3 的整数倍。然后再进行处理。得到相应的base64字符流数据后，再把串最后面的N个A换成=号。

Base64的解码过程只需要反过来就可以了。

下面是C++的代码实现

Base 64 encoding and decoding

vector<char> Bin2Base64(vector<uint8_t> const& _bin) {
    static char const convert_table[] = "ABCDEFGHIGKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/";

    vector<char> output;
    output.reserve((_bin.size() * 4) / 3);

    auto con_3bytes_to_4bytes = [&](uint8_t const * _3bytes_bin_data) {
        output.push_back(convert_table[_3bytes_bin_data[0] >> 2]);
        output.push_back(convert_table[((_3bytes_bin_data[0] & 0x03) << 4) | ((_3bytes_bin_data[1] >> 4) & 0x0f)]);
        output.push_back(convert_table[((_3bytes_bin_data[1] << 2) & 0x3c) | (_3bytes_bin_data[2] >> 6)]);
        output.push_back(convert_table[_3bytes_bin_data[2] & 0x3f]);
    };

    auto i = 0u;
    for (; (i + 3) <= _bin.size(); i += 3) {
        con_3bytes_to_4bytes(&_bin[i]);
    }

    if (i != _bin.size()) {
        uint8_t left_data[3] = { 0 };
        std::copy(begin(_bin) + i, end(_bin), left_data);
        con_3bytes_to_4bytes(left_data);
        std::fill(rbegin(output), rbegin(output) + (3 - (_bin.size() % 3)), '=');
    }    

    return output;
}

vector<uint8_t> Base64ToBin(vector<char> const & _base64stream) {
    vector<uint8_t> output;
    output.reserve(_base64stream.size() * 3 / 4);

    static hash_map<char, uint8_t> convert_table = {
            { 'A', 0  }, { 'B', 1  }, { 'C', 2  }, { 'D', 3  }, { 'E', 4  }, { 'F', 5  }, { 'G', 6  }, { 'H', 7  },
            { 'I', 8  }, { 'J', 9  }, { 'K', 10 }, { 'L', 11 }, { 'M', 12 }, { 'N', 13 }, { 'O', 14 }, { 'P', 15 },
            { 'Q', 16 }, { 'R', 17 }, { 'S', 18 }, { 'T', 19 }, { 'U', 20 }, { 'V', 21 }, { 'W', 22 }, { 'X', 23 },
            { 'Y', 24 }, { 'Z', 25 }, { 'a', 26 }, { 'b', 27 }, { 'c', 28 }, { 'd', 29 }, { 'e', 30 }, { 'f', 31 },
            { 'g', 32 }, { 'h', 33 }, { 'i', 34 }, { 'j', 35 }, { 'k', 36 }, { 'l', 37 }, { 'm', 38 }, { 'n', 39 },
            { 'o', 40 }, { 'p', 41 }, { 'q', 42 }, { 'r', 43 }, { 's', 44 }, { 't', 45 }, { 'u', 46 }, { 'v', 47 },
            { 'w', 48 }, { 'x', 49 }, { 'y', 50 }, { 'z', 51 }, { '0', 52 }, { '1', 53 }, { '2', 54 }, { '3', 55 },
            { '4', 56 }, { '5', 57 }, { '6', 58 }, { '7', 59 }, { '8', 60 }, { '9', 61 }, { '+', 62 }, { '/', 63 },
            { '=', 0 },
    };

    auto i = 0u;
    for ( ; i < _base64stream.size(); i += 4) {
        auto const byte1 = convert_table[_base64stream[i]];
        auto const byte2 = convert_table[_base64stream[i + 1]];
        auto const byte3 = convert_table[_base64stream[i + 2]];
        auto const byte4 = convert_table[_base64stream[i + 3]];

        output.push_back((byte1 << 2) | (byte2 >> 4));
        output.push_back(((byte2 & 0x0f) << 4) | (byte3 >> 2));
        output.push_back(((byte3 & 0x03) << 6) | byte4);
    }

    output.erase(end(output) - count(rbegin(_base64stream), rbegin(_base64stream) + 4, '='),
                 end(output));

    return output;
}