#+TITLE: base64-使用ASCII编码二进制数据

#+AUTHOR: lujun9972

#+CATEGORY: Python Common

#+DATE: [2016-06-07 二 19:04]

#+OPTIONS: ^:{}

base64, base32, base16 和 base85 编码函数将8位字符转换为ASCII码的可打印字符, 这样可以让那些只支持ASCII的系统(例如SMTP)也可以传输任意二进制数据,代价是需要使用更多的比特来表示.

base后面的数字表示每次编码时使用的字母长度.

除了这些函数之外,还有URL安全的变体其使用的字母与原函数会有少许变化.

* Base64的编码函数

下面是一个编码文本的例子

#+BEGIN_SRC python :tangle base64_b64encode.py

# base64_b64encode.py

import base64

import textwrap

# Load this source file and strip the header.

with open("base64_b64encode.py", 'r', encoding='utf-8') as input:

raw = input.read()

initial_data = raw.split('#end_pymotw_header')[1]

byte_string = initial_data.encode('utf-8')

encoded_data = base64.b64encode(byte_string)

num_initial = len(byte_string)

# There will never be more than 2 padding bytes.

padding = 3 - (num_initial % 3)

print('{} bytes before encoding'.format(num_initial))

print('Expect {} padding bytes'.format(padding))

print('{} bytes after encoding\n'.format(len(encoded_data)))

print(encoded_data)

#+END_SRC

#+RESULTS:

: 394 bytes before encoding

: Expect 2 padding bytes

: 528 bytes after encoding

:

: b'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'

b64函数只接受byte字符串,因此unicode格式的字符串必须首先被编码成UTF-8格式的byte字符串. 上面代码的输出结构显示,UTF-8格式的源字符串是394个字节,而转成BASE64格式后扩展为528个字节了.

* Base64的解码函数

b64decode() 将编码后的字符串转换回源格式, 方法是每次截取4个字节然后根据检查表将之转换成原始的3个字节的字符串.

#+BEGIN_SRC python

# base64_b64decode.py

import base64

encoded_data = b'VGhpcyBpcyB0aGUgZGF0YSwgaW4gdGhlIGNsZWFyLg=='

decoded_data = base64.b64decode(encoded_data)

print('Encoded :', encoded_data)

print('Decoded :', decoded_data)

#+END_SRC

#+RESULTS:

: Encoded : b'VGhpcyBpcyB0aGUgZGF0YSwgaW4gdGhlIGNsZWFyLg=='

: Decoded : b'This is the data, in the clear.'

编码的过程是每次从输入中读取24个比特(即3个字节),然后将这24个比特平均划分成4个字节,这4个字节就是转码后的输出结果.

上面的例子中,输出结果最后插入了=号,这是因为原始字符串中的比特数并不能被24整除.

b64decode()函数返回的结果是一个byte字符串. 若其结果已知是文本,则可以将该byte字符串转换为unicode对象. 然而,base64常常用于编码二进制数据,因此不能总是认为解码的结果就是文本.

* URL-safe Variations

由于莫的base64编码字母中包含了+和/, 而这两个字母存在于URL中, 因此常常需要使用其他字母来代替这两个字母.

#+BEGIN_SRC python

# base64_urlsafe.py

import base64

encodes_with_pluses = b'\xfb\xef'

encodes_with_slashes = b'\xff\xff'

for original in [encodes_with_pluses, encodes_with_slashes]:

print('Original :', repr(original))

print('Standard encoding:',

base64.standard_b64encode(original))

print('URL-safe encoding:',

base64.urlsafe_b64encode(original))

print()

#+END_SRC

#+RESULTS:

: Original : b'\xfb\xef'

: Standard encoding: b'++8='

: URL-safe encoding: b'--8='

:

: Original : b'\xff\xff'

: Standard encoding: b'//8='

: URL-safe encoding: b'__8='

:

可以看到,结果中的+替换成了-,/替换成了_. 其他字母不变.

* 其他的编码函数

除了Base64以外,该模块还提供了函数以Base85, Base32或 Base16 (hex)格式编码数据.

#+BEGIN_SRC python

# base64_base32.py

import base64

original_data = b'This is the data, in the clear.'

print('Original:', original_data)

encoded_data = base64.b32encode(original_data)

print('Encoded :', encoded_data)

decoded_data = base64.b32decode(encoded_data)

print('Decoded :', decoded_data)

#+END_SRC

#+RESULTS:

: Original: b'This is the data, in the clear.'

: Encoded : b'KRUGS4ZANFZSA5DIMUQGIYLUMEWCA2LOEB2GQZJAMNWGKYLSFY======'

: Decoded : b'This is the data, in the clear.'

Base32字母表包含了ASCII字符集中的26个大写字母以及2到7的数字.

Base16函数则使用16进制字母来表示数据.

#+BEGIN_SRC python

# base64_base16.py

import base64

original_data = b'This is the data, in the clear.'

print('Original:', original_data)

encoded_data = base64.b16encode(original_data)

print('Encoded :', encoded_data)

decoded_data = base64.b16decode(encoded_data)

print('Decoded :', decoded_data)

#+END_SRC

#+RESULTS:

: Original: b'This is the data, in the clear.'

: Encoded : b'546869732069732074686520646174612C20696E2074686520636C6561722E'

: Decoded : b'This is the data, in the clear.'

每次编码的字节数越少,编码后的结果就越大.

Base85相关函数使用扩展的字母表,其在编码空格时比base64更有效率.

#+BEGIN_SRC python

# base64_base85.py

import base64

original_data = b'This is the data, in the clear.'

print('Original : {} bytes {!r}'.format(

len(original_data), original_data))

b64_data = base64.b64encode(original_data)

print('b64 Encoded : {} bytes {!r}'.format(

len(b64_data), b64_data))

b85_data = base64.b85encode(original_data)

print('b85 Encoded : {} bytes {!r}'.format(

len(b85_data), b85_data))

a85_data = base64.a85encode(original_data)

print('a85 Encoded : {} bytes {!r}'.format(

len(a85_data), a85_data))

#+END_SRC

#+RESULTS:

: Original : 31 bytes b'This is the data, in the clear.'

: b64 Encoded : 44 bytes b'VGhpcyBpcyB0aGUgZGF0YSwgaW4gdGhlIGNsZWFyLg=='

: b85 Encoded : 39 bytes b'RA^~)AZc?TbZBKDWMOn+EFfuaAarPDAY*K0VR9}'

: a85 Encoded : 39 bytes b'<+oue+DGm>FD,5.A79Rg/0JYE+EV:.+Cf5!@<*t'

有许多Base85编码函数的变体. 像Mercurial, git以及 PDF file 中使用的都是不同的变体.

Python 中包含了两种实现方法: b85encode()实现了Git和Mercurial中使用的版本,而a85encode()实现了Ascii85的变体,该变体用于PDF文件中.

* Local Variables Setting

# Local Variables:

# org-babel-default-header-args:python: ((:results . "output") (:exports . "code") (:cache))

# org-babel-python-command: "python3"

# End: