base64

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=24 bit，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.urlsafeb64encode('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。