一文讲清base64编码原理

前言

平静之下，蓦然回首，base64 却在灯火阑珊处。

今天翻开旧项目发现挺多图片相关的插件都是用 base64 来显示图片的。谈到 base64，脑海遐想翩翩，思绪回荡之下 base64 瑕瑜互见。本文旨在记录工作中遇见的问题并加以总结，如有不妥请指正~

base64 由来

base64 是网络传输 8Bit 字节代码的编码方式之一，是一种基于 64 个可打印字符来表示二进制数据的方法。在做支付系统时，报文交互都需要使用 base64 对明文进行转码，然后再进行签名或加密，之后再进行（或再次 base64 转码）传输。那么，base64 到底起到什么作用呢？

在参数传输的过程中经常遇到的一种情况：使用全英文的字符串没问题，但一旦涉及到中文就会出现乱码的情况。与此类似，网络上传输的字符并不全是可打印的字符，比如二进制文件、图片等。base64 的出现就是为了解决此问题，它是基于 64 个可打印的字符来表示二进制的数据的一种方法。

电子邮件刚问世的时候，只能传输英文，但后来随着用户的增加，中文、日韩俄文等文字的用户也有需求，但这些字符并不能被服务器或网关有效处理，因此 base64 就登场了。随后，base64 在 URL、Cookie、网页传输少量二进制文件中也有相应的使用。

base64 的编码原理

基于a-z、A-Z、0-9、+/这 64 个字符来标识二进制数据，另外=符号用于当字节缺位时补用。

base64 编码对照表

索引

对应字符

索引

对应字符

索引

对应字符

索引

对应字符

base64 的编码转换规则

base64 要求把每三个 8Bit 的字节转换为四个 6Bit 的字节（3*8 = 4*6 = 24），然后把 6Bit再添两位高位 0，组成四个 8Bit 的字节（4*8=32）。

为什么使用 3 个字节一组呢？因为 6 和 8 的最小公倍数为 24，三个字节正好 24 个二进制位，每 6 个 bit 位一组，恰好能够分为 4 组。

同时用于分组后每组添加两个高位 0，转换后的字符串理论上将要比原来的字符长 1/3（24/32=1/3）。

步骤分解：

将待转换的字符串每三个字符分为一组，每个字符字节占 8bit，那么共有 24 个二进制位。

将 24 个二进制位每 6 个字节为一组，共分为 4 组。

在每组 6 字节前面添加两个 0，每组由 6 字节变为 8 字节二进制位，组成总共 32 个二进制位，即四个字节。

根据 base64 编码对照表获得对应的值。
举个栗子
- 以标准 3 个字符LJY为例。
LJY 对应的 ASCII 码值分别为 76、74、89，对应的二进制值是 01001100、01001010、01011001。由此组成一个 24 位的二进制位字符串。

将 24 位的二进制位字符串，按照每 6 位二进制位一组分成 4 组。

对 4 组每组 6 位二进制位字符串前面补两个 0，每组扩展为 8 位二进制位，4 组共扩展成 32 个二进制位，此时 4 组二进制位分别为：00010011、00000100、00101001、00011001。其对应的 base64 编码索引为：19、4、41、25。

用 base64 编码索引值在 base64 编码表中进行查找，分别对应：T、E、p、Z。
- 因此LJYbase64 编码之后就变为：TEpZ。

| 文本 | L | J | Y |
| ASCII | 76 | 74 | 89 |
| 二进制位 | 01001100 | 01001010 | 01011001 |
| 分组二进制 | 010011 | 000100 | 101001 | 011001 |
| 分组二进制补2个0 | 00010011 | 00000100 | 00101001 | 00011001 |
| 分组索引 | 19 | 4 | 41 | 25 |
| base64编码 | T | E | p | Z |

主要展示：
转换前二进制位: 01001100 01001010 01011001
转换后二进制位: 00010011 00000100 00101001 00011001
复制代码

字符位数不足情况

上述栗子是面向刚好三个字符为一组的情况。当然不是所有时候都这么巧字符位数足够，除此以外有位数不足的情况。那么，面对字符位数不足的情况下该如何处理呢？

base64 给出的方案是，当每组字符不足三位时，不足位数位置需要使用=符号补上。

位数不足情况处理情景：

位数缺一个字节：一个字节共 8 个二进制位，依旧按照规则进行分组。此时共 8 个二进制位，每 6 个一组，则第二组缺少 4 位，用 0 补齐，得到两个 base64 编码，而后面两组没有对应数据，都用=补上。
位数缺两个字节：两个字节共 16 个二进制位，依旧按照规则进行分组。此时总共 16 个二进制位，每 6 个一组，则第三组缺少 2 位，用 0 补齐，得到三个 base64 编码，第四组完全没有数据则用=补上。

位数不足图解如下：

<!– 缺2位字符,字符串以A为例转换base64后位QQ== –>
| 文本（1Byte） | A | | |
| 二进制位 | 01000001 | | |
| 分组二进制 | 010000 | 010000 | | |
| 分组二进制补0 | 00010000 | 00010000 | | |
| 分组索引 | 16 | 16 | | |
| base64编码 | Q | Q | = | = |

<!– 缺1位字符,字符串以AB为例转换base64后位QUI= –>
| 文本（1Byte） | A | B | |
| 二进制位 | 01000001 | 01000010 | |
| 分组二进制 | 010000 | 010100 | 001000 | |
| 分组二进制补0 | 00010000 | 00010100 | 00001000 | |
| 分组索引 | 16 | 20 | 8 | |
| base64编码 | Q | U | I | = |
复制代码

列举了一个字符到三个字符转换为 base64 ，可以发现将 base64 就是按照 base64 编码对照表来将二进制转换为字符串，使得数据不能直接明文展示出来，但也算不上是加密，而这巧好可用在传输、存储、表示二进制领域的情景。

另外值得注意的是，不用语言如中文有多种编码（比如：utf-8、gb2312、gbk 等），不同编码对应 base64 编码结果都不一样。
其次在推演过程中可发现 base64 即用 6 位字节（2 的 6 次幂就是 64）表示字符同理，Base32 就是用 5 位字节，Base16 就是用 4 位字节。大家可以按照上面的步骤进行演化测试。

base64 优缺点

知道 base64 是什么后，也该到为什么出现了。为什么要是使用 base64 呢，这要从其优缺点入手来选择适合场景了。

优势：
- base64 适合不同平台、不同语言的传输；
- 页面中内嵌使用 base64 格式的小图片，可减少了服务器访问次数；
- 二进制位转换 base64 算法简单，对性能影响不大；
缺点
- 二进制文件转换为 base64 后，体积大概增加 1/3；
  - 在基于 Android6.0 及以下默认浏览器实测场景中发现，某些机型如中兴上传 base64 图片会因为字符大小过大导致上传奔溃的情况。
  - 字符长度过大的 base64 不适应使用在 URL 情景，因为 IOS 端浏览器会限制 URL 长度，当长度超过时会自动切除多余部分，导致数据丢失。
  - base64 字符过大会导致页面加载速度变慢，因此建议 10kb 以下的图片使用。
- base64 无法缓存，要缓存只能缓存包含 base64 的文件，比如 js 或者 css；
- 面对大文件时，会消耗一定的 CPU 进行编解码

JavaScript 的 base64 转码方法

Web API 二进制与 base64 转换

atob(encodedData) : 解码一个 base64 编码的字符串。

enCodedData，是一个通过 btoa() 方法编码的字符串，为二进制字符串包含 base64 编码的数据。并返回包含来自 encodedData 的解码数据的 ASCII 字符串。

btoa(stringToEncode) : 创建一个 bas64 编码的字符串。

stringToEncode 为要编码的二进制字符串。并返回包含 stringToEncode 的 base64 表示形式的 ASCII 字符串。

另外在 JavaScript 中，字符串使用 UTF-16 字符编码表示：在这种编码中，字符串表示为 16 位（2 字节）单元的序列。每个 ASCII 字符都可以放入其中一个单元的第一个字节，但许多其他字符不能。

base64 在设计上需要二进制数据作为其输入。就 JavaScript 字符串而言，这意味着每个字符只占用一个字节的字符串。因此，如果将一个字符串传递到 btoa（）中，其中包含占用多个字节的字符，则会出现错误，因为这不被视为二进制数据，因此超 16 位字符在使用 btoa()时需要先对字符转码为二进制位。

// 简单数据
const encodedData = btoa(\’Hello, world\’); // encode a string
const decodedData = atob(encodedData); // decode the string

/* 复杂数据 */
// convert a Unicode string to a string in which
// each 16-bit unit occupies only one byte
function toBinary(string) {
const codeUnits = new Uint16Array(string.length);
for (let i = 0; i < codeUnits.length; i++) {
codeUnits[i] = string.charCodeAt(i);
}
const charCodes = new Uint8Array(codeUnits.buffer);
let result = \’\’;
for (let i = 0; i < charCodes.byteLength; i++) {
result += String.fromCharCode(charCodes[i]);
}
return result;
}
function fromBinary(binary) {
const bytes = new Uint8Array(binary.length);
for (let i = 0; i < bytes.length; i++) {
bytes[i] = binary.charCodeAt(i);
}
const charCodes = new Uint16Array(bytes.buffer);
let result = \’\’;
for (let i = 0; i < charCodes.length; i++) {
result += String.fromCharCode(charCodes[i]);
}
return result;
}

// a string that contains characters occupying > 1 byte
const myString = \’☸☹☺☻☼☾☿\’;

const converted = toBinary(myString);
const encoded = btoa(converted);
console.log(encoded); // OCY5JjomOyY8Jj4mPyY=

const decoded = atob(encoded);
const original = fromBinary(decoded);
console.log(original); // ☸☹☺☻☼☾☿

兼容性：atob() 方法不支持 IE9 及更早的 IE 版本。

base64 转二进制

// base64编码表
const map = {
0: 52,
1: 53,
2: 54,
3: 55,
4: 56,
5: 57,
6: 58,
7: 59,
8: 60,
9: 61,
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,
\’+\’: 62,
\’/\’: 63,
};

function base64to2(base64) {
let len = base64.length * 0.75; // 转换为int8array所需长度
base64 = base64.replace(/=*$/, \’\’); // 去掉=号（占位的）

const int8 = new Int8Array(len); //设置int8array视图
let arr1,
arr2,
arr3,
arr4,
p = 0;

for (let i = 0; i < base64.length; i += 4) {
arr1 = map[base64[i]]; // 每次循环都将base644个字节转换为3个int8array直接
arr2 = map[base64[i + 1]];
arr3 = map[base64[i + 2]];
arr4 = map[base64[i + 3]];
// 假设数据arr 数据 00101011 00101111 00110011 00110001
int8[p++] = (arr1 << 2) | (arr2 >> 4);
// 上面的操作 arr1向左边移动2位变为10101100
// arr2 向右移动4位：00000010
// | 为\’与\’操作: 10101110
int8[p++] = (arr2 << 4) | (arr3 >> 2);
int8[p++] = (arr3 << 6) | arr4;
}
return int8;
}

base64 转成 Blob

// base64图片转blob
function base64toBlob(base64) {
var arr = base64.split(\’,\’),
mime = arr[0].match(/:(.*?);/)[1] || \’image/png\’,
bstr = atob(arr[1]), // 将base64转为Unicode规则编码
n = bstr.length,
u8arr = new Uint8Array(n);
while (n–) {
u8arr[n] = bstr.charCodeAt(n); // 转换编码后才可以使用charCodeAt 找到Unicode编码
}
return new Blob([u8arr], { type: mime });
}

/* 优化版 */
function base64ToBlob(base64) {
var arr = base64.split(\’,\’);
var mime = arr[0].match(/:(.*?);/)[1] || \’image/png\’;
// 去掉url的头，并转化为byte
var bytes = window.atob(arr[1]);
// 处理异常,将ascii码小于0的转换为大于0
var ab = new ArrayBuffer(bytes.length);
// 生成视图（直接针对内存）：8位无符号整数，长度1个字节
var u8arr = new Uint8Array(ab);

for (var i = 0; i < bytes.length; i++) {
u8arr[i] = bytes.charCodeAt(i);
}

return new Blob([u8arr], { type: mime });
}