2019-12-30 爬网页14-Base64编码与解码

很多网站js代码中都用了Base64编码和解码。

下面这段就是摘自某网站的js代码

define('base64', function(require, exports, module) {
    var
    object = typeof exports != 'undefined' ? exports : window,
    chars = 'ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/=',
    INVALID_CHARACTER_ERR = (function () {
      // fabricate a suitable error object
      try { document.createElement('$'); }
      catch (error) { return error; }}());

  // encoder
  // [https://gist.github.com/999166] by [https://github.com/nignag]
  object.btoa || (
  object.btoa = function (input) {
    for (
      // initialize result and counter
      var block, charCode, idx = 0, map = chars, output = '';
      // if the next input index does not exist:
      //   change the mapping table to "="
      //   check if d has no fractional digits
      input.charAt(idx | 0) || (map = '=', idx % 1);
      // "8 - idx % 1 * 8" generates the sequence 2, 4, 6, 8
      output += map.charAt(63 & block >> 8 - idx % 1 * 8)
    ) {
      charCode = input.charCodeAt(idx += 3/4);
      if (charCode > 0xFF) throw INVALID_CHARACTER_ERR;
      block = block << 8 | charCode;
    }
    return output;
  });

  object.base64encode = object.btoa;

  // decoder
  // [https://gist.github.com/1020396] by [https://github.com/atk]
  object.atob || (
  object.atob = function (input) {
    input = input.replace(/=+$/, '')
    if (input.length % 4 == 1) throw INVALID_CHARACTER_ERR;
    for (
      // initialize result and counters
      var bc = 0, bs, buffer, idx = 0, output = '';
      // get next character
      buffer = input.charAt(idx++); 
      // character found in table? initialize bit storage and add its ascii value;
      ~buffer && (bs = bc % 4 ? bs * 64 + buffer : buffer,
        // and if not first of each 4 characters,
        // convert the first 8 bits to one ascii character
        bc++ % 4) ? output += String.fromCharCode(255 & bs >> (-2 * bc & 6)) : 0
    ) {
      // try to find character in table (0-63, not found => -1)
      buffer = chars.indexOf(buffer);
    }
    return output;
  });

  object.base64decode = object.atob;
});

Base64介绍

Base64是网络上最常见的用于传输8Bit字节码的编码方式。详细介绍参见链接

它使用64个可见字符（英文字母大小写，0-9数字，斜杆’/’，加号 ‘+’）来表示二进制数。所以Base64编码是就是从二进制到文本（binary-to-text）的过程，具体编码原理如下。

编码原理
我们知道1个ASCII码占8位二进制，而1个Base64码是占6位二进制（2的6次方是64）。所以3个ASCII码就可以换成4个Base64码。

Base64编码原理就是，把每3个8Bit（二进制）的字节转换为4个6Bit（二进制）的字节（38 = 46 = 24），然后把6Bit再增加2位高位0，组成4个8Bit的字节，最后参照对照表获得编码后的字符。即：

字符a19–>ASCII(97 49 57)–>3组二进制（01100001 00110001 00111001）–>4组6位(011000 010011 000100 111001)–>高位补0–>(00011000 00010011 00000100 00111001)–>4个十进制数(24 19 4 57)-- >参照下面的对照表得到4个Base64编码字符(Y T E 5)

转换后的字符串理论上将要比原来的要长1/3。

注意：如果一个字符串按照每3个字符分组进行Base64编码之后，剩余需要编码的字符不够3个，那编码的结果也就不是4个字符，此时需要用等号‘=’补足。例如，字符‘o’，编码的结果就是’bw==’。

BASE64编码算法并不算是真正的加密算法。它只是将源数据转码成为了一种不易阅读的形式，而转码的规则是公开的。编码之后的数据显然无法阅读，需要解码后才能阅读。

Base解码就是上面的逆过程，只是不考虑等号‘=’。

Python中实现

爬网页代码一般都是在python中实现。所以如果在js中看到了本文开头引用的代码，也就是用Base64编码，那可以按照以下方式在python中来解码。

python中是通过base64库来实现Base64编码和解码的

import base64

a="a19"
print  base64.b64encode(a)

结果’YTE5’

其余用法可以参见 https://blog.csdn.net/pengjunlee/article/details/91127222

Java中实现

package com.oy;

import java.nio.charset.StandardCharsets;
import java.util.Base64;

import org.junit.Test;

public class demo04 {

    final Base64.Decoder decoder = Base64.getDecoder();
    final Base64.Encoder encoder = Base64.getEncoder();
    
    @Test
    public void testBase64() throws Exception {
        byte[] textByte = "admin:123".getBytes(StandardCharsets.UTF_8);
        String encodedText = encoder.encodeToString(textByte);//编码
        System.out.println(encodedText);//YWRtaW46MTIz
        System.out.println(new String(decoder.decode(encodedText), "UTF-8"));//解码
    }
}