在Python中使用base64模块处理字符编码的教程
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=24bit,划为4组,每组正好6个bit:
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('binary\x00string') 'ymluyxj5ahn0cmluzw==' >>> base64.b64decode('ymluyxj5ahn0cmluzw==') '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('i\xb7\x1d\xfb\xef\xff') 'abcd++//' >>> base64.urlsafe_b64encode('i\xb7\x1d\xfb\xef\xff') 'abcd--__' >>> base64.urlsafe_b64decode('abcd--__') '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。
请写一个能处理去掉=的base64解码函数:
>>> base64.b64decode('ywjjza==') 'abcd' >>> base64.b64decode('ywjjza') traceback (most recent call last): ... typeerror: incorrect padding >>> safe_b64decode('ywjjza') 'abcd'
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。
下一篇: 02.VRay软件特征