JavaScript: 详解Base64编码和解码

jopen 10年前

Base64是最常用的编码之一,比如开发中用于传递参数、现代浏览器中的<img />标签直接通过Base64字符串来渲染图片以及用于邮件中等等。Base64编码在RFC2045中定义,它被定义为:Base64内容传送编码被设计用来把任意序列的8位字节描述为一种不易被人直接识别的形式。

我们知道,任何数据在计算机中都是以二进制的方式存储的。一个字节为8位,一个字符在计算机中存储为一个或多个字节,比如英文字母、数字以及英文标点符号就是用一个 字节来存储的,通常称为ASCII码。而简体中文、繁体中文、日文以及韩文等都是用多字节来存储的,通常称为多字节字符。因为Base64编码是对字符串的编码表示进行处理的,不同编码的字符串的Base64的结果是不同的,所以我们需要了解基本的字符编码知识。

字符编码基础

计算机最开始只支持ASCII码,一个字符用一个字节表示,只用了低7位,最高位为0,因此总共有128个ASCII码,范围为0~127。后来为了支持多种地区的语言,各大组织机构和IT厂商开始发明它们自己的编码方案,以便弥补ASCII编码的不足,如GB2312编码、GBK编码和Big5编码等。但这些编码都只是针对局部地区或少数语言文字,没有办法表达所有的语言文字。而且这些不同的编码之间并没有任何联系,它们之间的转换需要通过查表来实现。

为了提高计算机的信息处理和交换功能,使得世界各国的文字都能在计算机中处理,从1984年起,ISO组织就开始研究制定一个全新的标准:通用多八位(即多字节)编码字符集(Universal Multiple-Octet Coded Character Set),简称UCS。标准的编号为:ISO 10646。这一标准为世界各种主要语言的字符(包括简体及繁体的中文字)及附加符号,编制统一的内码。

统一码(Unicode)是Universal Code的缩写,是由另一个叫“Unicode学术学会”(The Unicode Consortium)的机构制定的字符编码系统。Unicode与ISO 10646国际编码标准从内容上来说是同步一致的。具体可参考:Unicode 。

ANSI

ANSI不代表具体的编码,它是指本地编码。比如在简体版windows上它表示GB2312编码,在繁体版windows上它表示Big5编码,在日文操作系统上它表示JIS编码。所以如果您新建了个文本文件并保存为ANSI编码,那么您现在应该知道这个文件的编码为本地编码。

Unicode

Unicode编码是和字符表一一映射的。比如56DE代表汉字'回',这种映射关系是固定不变的。通俗的说Unicode编码就是字符表的坐标,通过56DE就能找到汉字'回'。Unicode编码的实现包括UTF8、UTF16、UTF32等等。

Unicode本身定义的就是每个字符的数值,是字符和自然数的映射关系,而UTF-8或者UTF-16甚至UTF-32则定义了如何在字节流中断字,是计算机领域的概念。

JavaScript: 详解Base64编码和解码

通过上图我们知道,UTF-8编码为变长的编码方式,占1~6个字节,可通过Unicode编码值的区间来判断,并且每个组成UTF8字符的字节都是有规律可循的。本文只讨论UTF8和UTF16这两种编码。

UTF16

UTF16编码使用固定的2个字节来存储。因为是多字节存储,所以它的存储方式分为2种:大端序和小端序。UTF16编码是Unicode最直接的实现方式,通常我们在windows上新建文本文件后保存为Unicode编码,其实就是保存为UTF16编码。UTF16编码在windows上采用小端序的方式存储,以下我新建了个文本文件并保存为Unicode编码来测试,文件中只输入了一个汉字'回',之后我用Editplus打开它,切换到十六进制方式查看,如图所示:

JavaScript: 详解Base64编码和解码

我们看到有4个字节,前2个字节FF FE是文件头,表示这是一个UTF16编码的文件,而DE 56则是'回'的UTF16编码的十六进制。我们经常使用的JavaScript语言,它内部就是采用UTF16编码,并且它的存储方式为大端序,来看一个例子:

<script type="text/javascript">  console.group('Test Unicode: ');  console.log(('回'.charCodeAt(0)).toString(16).toUpperCase());  </script>

JavaScript: 详解Base64编码和解码

很明显跟刚才Editplus显示的不一样,顺序是相反的,这是因为字节序不一样。具体可参考:UTF-16

UTF8

UTF8是采用变长的编码方式,为1~6个字节,但通常我们只把它看作单字节或三字节的实现,因为其它情况实在少见。UTF8编码通过多个字节组合的方式来显示,这是计算机处理UTF8的机制,它是无字节序之分的,并且每个字节都非常有规律,详见上图,在此不再详述。

UTF16和UTF8的相互转换

UTF16转UTF8

UTF16和UTF8之间的相互转换可以通过上图的转换表来实现,判断Unicode码所在的区间就可以得到这个字符是由几个字节所组成,之后通过移位来实现。我们用汉字'回'来举一个转换的例子。

我们已经知道汉字'回'的Unicode码是0x56DE,它介于U+00000800 – U+0000FFFF之间,所以它是用三个字节来表示的。

JavaScript: 详解Base64编码和解码

所以我们需要将0x56DE这个双字节的值变为三字节的值,注意上图中的x部分,就是对应0x56DE的各位字节,如果您数一下x的个数,会发现刚好是16位。

转换思路

从0x56DE中取出4位放在低位,并和二进制的1110结合,这就是第一个字节。从0x56DE中剩下的字节中取出6位放在低位,并和二进制的10结合,这就是第二个字节。第三个字节依照类似的方式实现。

代码实现

为了让大家更好的理解,以下代码只是实现汉字'回'的转换,代码如下:

<script type="text/javascript">  /**  * 转换对照表  * U+00000000 – U+0000007F  0xxxxxxx  * U+00000080 – U+000007FF  110xxxxx 10xxxxxx  * U+00000800 – U+0000FFFF  1110xxxx 10xxxxxx 10xxxxxx  * U+00010000 – U+001FFFFF  11110xxx 10xxxxxx 10xxxxxx 10xxxxxx  * U+00200000 – U+03FFFFFF  111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx  * U+04000000 – U+7FFFFFFF  1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx  */  /*  * '回'的Unicode编码为:0x56DE,它介于U+00000800 – U+0000FFFF之间,所以它占用三个字节。  * U+00000800 – U+0000FFFF  1110xxxx 10xxxxxx 10xxxxxx  */  var ucode = 0x56DE;  // 1110xxxx  var byte1 = 0xE0 | ((ucode >> 12) & 0x0F);  // 10xxxxxx  var byte2 = 0x80 | ((ucode >> 6) & 0x3F);  // 10xxxxxx  var byte3 = 0x80 | (ucode & 0x3F);  var utf8 = String.fromCharCode(byte1)    + String.fromCharCode(byte2)    + String.fromCharCode(byte3);    console.group('Test UTF16ToUTF8: ');  console.log(utf8);  console.groupEnd();  </script>

JavaScript: 详解Base64编码和解码

输出的结果看起来像乱码,这是因为JavaScript不知道如何显示UTF8的字符。您或许会说输出不正常转换还有什么用,但您应该知道转换的目的还经常用于传输或API的需要。

UTF8转UTF16

这是UTF16转换到UTF8的逆转换,同样需要对照转换表来实现。还是接上一个例子,我们已经得到了汉字'回'的UTF8编码,这是三个字节的,我们只需要按照转换表来转成双字节的,如图所示,我们需要保留下所有的x。

JavaScript: 详解Base64编码和解码

代码如下:

<script type="text/javascript">  /**  * 转换对照表  * U+00000000 – U+0000007F  0xxxxxxx  * U+00000080 – U+000007FF  110xxxxx 10xxxxxx  * U+00000800 – U+0000FFFF  1110xxxx 10xxxxxx 10xxxxxx  * U+00010000 – U+001FFFFF  11110xxx 10xxxxxx 10xxxxxx 10xxxxxx  * U+00200000 – U+03FFFFFF  111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx  * U+04000000 – U+7FFFFFFF  1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx  */  /*  * '回'的Unicode编码为:0x56DE,它介于U+00000800 – U+0000FFFF之间,所以它占用三个字节。  * U+00000800 – U+0000FFFF  1110xxxx 10xxxxxx 10xxxxxx  */  var ucode = 0x56DE;  // 1110xxxx  var byte1 = 0xE0 | ((ucode >> 12) & 0x0F);  // 10xxxxxx  var byte2 = 0x80 | ((ucode >> 6) & 0x3F);  // 10xxxxxx  var byte3 = 0x80 | (ucode & 0x3F);  var utf8 = String.fromCharCode(byte1)    + String.fromCharCode(byte2)    + String.fromCharCode(byte3);    console.group('Test UTF16ToUTF8: ');  console.log(utf8);  console.groupEnd();  /** ------------------------------------------------------------------------------------*/  // 由三个字节组成,所以分别取出  var c1 = utf8.charCodeAt(0);  var c2 = utf8.charCodeAt(1);  var c3 = utf8.charCodeAt(2);  /*  * 需要通过判断特定位的方式来转换,但这里是已知是三个字节,所以忽略判断,而是直接拿到所有的x,组成16位。  * U+00000800 – U+0000FFFF  1110xxxx 10xxxxxx 10xxxxxx  */  // 丢弃第一个字节的高四位并和第二个字节的高四位组成一个字节  var b1 = (c1 << 4) | ((c2 >> 2) & 0x0F);  // 同理第二个字节和第三个字节组合  var b2 = ((c2 & 0x03) << 6) | (c3 & 0x3F);  // 将b1和b2组成16位  var ucode = ((b1 & 0x00FF) << 8) | b2;  console.group('Test UTF8ToUTF16: ');  console.log(ucode.toString(16).toUpperCase(), String.fromCharCode(ucode));  console.groupEnd();  </script>

JavaScript: 详解Base64编码和解码

知道了转换规则,就很容易实现了。

Base64编码

Base64编码要求把3个8位字节(3*8=24)转化为4个6位的字节(4*6=24),之后在6位的前面补两个0,形成8位一个字节的形式。由于2的6次方为64,所以每6个位为一个单元,对应某个可打印字符。当原数据不是3的整数倍时,如果最后剩下两个输入数据,在编码结果后加1个“=;如果最后剩下一个输入数据,编码结果后加2个“=;如果没有剩下任何数据,就什么都不要加,这样才可以保证资料还原的正确性。

转码对照表

每6个单元高位补2个零形成的字节位于0~63之间,通过在转码表中查找对应的可打印字符。“=”用于填充。如下图所示为转码表。

JavaScript: 详解Base64编码和解码

具体可参考: Base64

Base64解码

解码是编码的逆过程,先看后面补了几个“=”号,最多只可能补2个“=”号。一个“=”相当于补了2个0,所以去掉后面补的0后,再按8位展开,即可还原。

JavaScript实现Base64的编码和解码

之前已经详细讲解了整个过程,本文的例子都是采用UTF8编码的字符串作为Base64编码的基础。因为JavaScript内部是使用Unicode编码,所以需要有个转换过程,原理之前也详细讲解过并给出了示例,以下是代码实现:

<script type="text/javascript">  /**  * UTF16和UTF8转换对照表  * U+00000000 – U+0000007F  0xxxxxxx  * U+00000080 – U+000007FF  110xxxxx 10xxxxxx  * U+00000800 – U+0000FFFF  1110xxxx 10xxxxxx 10xxxxxx  * U+00010000 – U+001FFFFF  11110xxx 10xxxxxx 10xxxxxx 10xxxxxx  * U+00200000 – U+03FFFFFF  111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx  * U+04000000 – U+7FFFFFFF  1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx  */  var Base64 = {   // 转码表   table : [     'A', 'B', 'C', 'D', 'E', 'F', 'G', 'H',     'I', 'J', 'K', 'L', 'M', 'N', 'O' ,'P',     'Q', 'R', 'S', 'T', 'U', 'V', 'W', 'X',     'Y', 'Z', 'a', 'b', 'c', 'd', 'e', 'f',     'g', 'h', 'i', 'j', 'k', 'l', 'm', 'n',     'o', 'p', 'q', 'r', 's', 't', 'u', 'v',     'w', 'x', 'y', 'z', '0', '1', '2', '3',     '4', '5', '6', '7', '8', '9', '+', '/'   ],   UTF16ToUTF8 : function(str) {    var res = [], len = str.length;    for (var i = 0; i < len; i++) {     var code = str.charCodeAt(i);     if (code > 0x0000 && code <= 0x007F) {      // 单字节,这里并不考虑0x0000,因为它是空字节      // U+00000000 – U+0000007F  0xxxxxxx      res.push(str.charAt(i));     } else if (code >= 0x0080 && code <= 0x07FF) {      // 双字节      // U+00000080 – U+000007FF  110xxxxx 10xxxxxx      // 110xxxxx      var byte1 = 0xC0 | ((code >> 6) & 0x1F);      // 10xxxxxx      var byte2 = 0x80 | (code & 0x3F);      res.push(       String.fromCharCode(byte1),        String.fromCharCode(byte2)      );     } else if (code >= 0x0800 && code <= 0xFFFF) {      // 三字节      // U+00000800 – U+0000FFFF  1110xxxx 10xxxxxx 10xxxxxx      // 1110xxxx      var byte1 = 0xE0 | ((code >> 12) & 0x0F);      // 10xxxxxx      var byte2 = 0x80 | ((code >> 6) & 0x3F);      // 10xxxxxx      var byte3 = 0x80 | (code & 0x3F);      res.push(       String.fromCharCode(byte1),        String.fromCharCode(byte2),        String.fromCharCode(byte3)      );     } else if (code >= 0x00010000 && code <= 0x001FFFFF) {      // 四字节      // U+00010000 – U+001FFFFF  11110xxx 10xxxxxx 10xxxxxx 10xxxxxx     } else if (code >= 0x00200000 && code <= 0x03FFFFFF) {      // 五字节      // U+00200000 – U+03FFFFFF  111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx     } else /** if (code >= 0x04000000 && code <= 0x7FFFFFFF)*/ {      // 六字节      // U+04000000 – U+7FFFFFFF  1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx     }    }      return res.join('');   },   UTF8ToUTF16 : function(str) {    var res = [], len = str.length;    var i = 0;    for (var i = 0; i < len; i++) {     var code = str.charCodeAt(i);     // 对第一个字节进行判断     if (((code >> 7) & 0xFF) == 0x0) {      // 单字节      // 0xxxxxxx      res.push(str.charAt(i));     } else if (((code >> 5) & 0xFF) == 0x6) {      // 双字节      // 110xxxxx 10xxxxxx      var code2 = str.charCodeAt(++i);      var byte1 = (code & 0x1F) << 6;      var byte2 = code2 & 0x3F;      var utf16 = byte1 | byte2;      res.push(Sting.fromCharCode(utf16));     } else if (((code >> 4) & 0xFF) == 0xE) {      // 三字节      // 1110xxxx 10xxxxxx 10xxxxxx      var code2 = str.charCodeAt(++i);      var code3 = str.charCodeAt(++i);      var byte1 = (code << 4) | ((code2 >> 2) & 0x0F);      var byte2 = ((code2 & 0x03) << 6) | (code3 & 0x3F);      utf16 = ((byte1 & 0x00FF) << 8) | byte2      res.push(String.fromCharCode(utf16));     } else if (((code >> 3) & 0xFF) == 0x1E) {      // 四字节      // 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx     } else if (((code >> 2) & 0xFF) == 0x3E) {      // 五字节      // 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx     } else /** if (((code >> 1) & 0xFF) == 0x7E)*/ {      // 六字节      // 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx     }    }      return res.join('');   },   encode : function(str) {    if (!str) {     return '';    }    var utf8    = this.UTF16ToUTF8(str); // 转成UTF8    var i = 0; // 遍历索引    var len = utf8.length;    var res = [];    while (i < len) {     var c1 = utf8.charCodeAt(i++) & 0xFF;     res.push(this.table[c1 >> 2]);     // 需要补2个=     if (i == len) {      res.push(this.table[(c1 & 0x3) << 4]);      res.push('==');      break;     }     var c2 = utf8.charCodeAt(i++);     // 需要补1个=     if (i == len) {      res.push(this.table[((c1 & 0x3) << 4) | ((c2 >> 4) & 0x0F)]);      res.push(this.table[(c2 & 0x0F) << 2]);      res.push('=');      break;     }     var c3 = utf8.charCodeAt(i++);     res.push(this.table[((c1 & 0x3) << 4) | ((c2 >> 4) & 0x0F)]);     res.push(this.table[((c2 & 0x0F) << 2) | ((c3 & 0xC0) >> 6)]);     res.push(this.table[c3 & 0x3F]);    }      return res.join('');   },   decode : function(str) {    if (!str) {     return '';    }      var len = str.length;    var i   = 0;    var res = [];      while (i < len) {     code1 = this.table.indexOf(str.charAt(i++));     code2 = this.table.indexOf(str.charAt(i++));     code3 = this.table.indexOf(str.charAt(i++));     code4 = this.table.indexOf(str.charAt(i++));       c1 = (code1 << 2) | (code2 >> 4);     c2 = ((code2 & 0xF) << 4) | (code3 >> 2);     c3 = ((code3 & 0x3) << 6) | code4;       res.push(String.fromCharCode(c1));       if (code3 != 64) {      res.push(String.fromCharCode(c2));     }     if (code4 != 64) {      res.push(String.fromCharCode(c3));     }      }      return this.UTF8ToUTF16(res.join(''));   }  };    console.group('Test Base64: ');  var b64 = Base64.encode('Hello, oschina!又是一年春来到~');  console.log(b64);  console.log(Base64.decode(b64));  console.groupEnd();  </script>

JavaScript: 详解Base64编码和解码

不得不说,在JavaScript中实现确实很麻烦。我们来看下PHP对同样的字符串编码的结果:

JavaScript: 详解Base64编码和解码

因为字符编码是一样的,所以结果也一样。

来自:http://my.oschina.net/goal/blog/201032