base64

沒想到第一篇技術分享文章會先從這個小主題開始。主要原因是之前在面試一家非常喜歡的公司，其中一個面試關卡因為沒有考慮到問題條件限制之一是 input 資料為以 base64 編譯後的資料，需要先用程式 decode 為 binary 再做後續處理，最後很可惜沒有進入下一關。後來回想一下，其實我在實習的時候就有碰過這個東西了，只不過當時做 base64 encode 我都直接把 service 密碼明文丟到 google 上的 “online base64 encoder” 直接做好 encode 後的 string🫠，算是根本沒懂過這個概念。所以決定針對他好好來研究一下，並記錄自己的研究內容～

base64 的基本概念

base64 是一種數據格式轉換方法，基本上 base64 encoding 的輸入資料會是一組二進制（binary）編碼，之後依照某種轉換規則，將一組組的 binary 數據對應到特定的 base64 character，最後再輸出一個 text form 的 output。

為什麼要做 base64 轉換?

主要原因大概如下：

提升安全性：

有時候一些人類很直觀能理解的密碼明文，比如「elaine_hsieh」，如果直接撰寫在 service configuration 上，會讓取得密碼的過程太過容易。如果將這樣的資訊包上一層 base64 encoding、變成「ZWxhaW5lX2hzaWVo」，之後有人想要取得 service 密碼將需要多一道解譯的手續。因此，透過 base64 encoding 可以進而提升一點資訊安全性。

以 base64 編碼還有個額外好處：便於不同編碼方式之間進行數據轉換後的數據傳輸。

通常某個 service 密碼明文會使用 ASCII 或是 UTF-8 的編碼方式。使用 ASCII 的明文包含範圍較小，通常僅包含 256 個基本的字元，例如英文字母、數字、標點符號（此處指的是extended ASCII）；使用 UTF-8 的明文包含範圍較大，例如英文字母、數字、標點符號、拉丁字母、中日韓等亞洲文字、表情符號與其他符號。由於 base64 character set包含了部分 ASCII character set，所以不論原始數據是以 ASCII做編碼（例：titan in ASCII code）、或是以 UTF-8做編碼（例：titan in UTF-8 code），都可以透過 base64 轉換規則轉換為一組 base64 encoding（例：都會被 base64 轉譯為 dGl0YW4=）。所以可以說，base64 可用於不同編碼方式之間進行數據轉換後的數據傳輸。

如果要寬鬆一點說，base64 會有點類似於加密，只不過 base64 可以被輕易的反編碼、讀取到原文，並且此資訊公開給所有人，沒有公私鑰授權特定用戶的功能，所以嚴格來說 base64 不能算是一種加密 (encryption)方法，只能算是一種編譯（encoding）方法。
便於圖片、音樂、多媒體文件等資訊在網路世界中傳遞：

在 HTTP、SMTP 等網絡通訊協議中，想要傳送圖片等多媒體資訊其實會有很多限制。HTTP、SMTP、POP3、FTP 等網絡協議只能傳送 text form data，但是圖片、音樂、多媒體文件等資訊通常都會使用 binary code 來儲存資訊：比如像素、顏色深度、每幀畫面、音頻等，通常會用 16 或 32 bit 資訊做紀錄。

所以當我們想要用電子郵件傳送圖片時，我們會需要先將「00101010101000001」的圖片 binary data，用 base64 轉換為「MDAxMDEwMTAxMDEwMDAwMDE=」，電子郵件的 html 形式會類似於 <img> MDAxMDEwMTAxMDEwMDAwMDE= </img>。之後傳送到目的方時，再使用 base64 decode 那串 text，就可以看得到<img> </img> 裡的內容了。

base64 轉換規則

以string input為例，大致上來說 base64 有四個步驟：

將 string 依照編碼（eg: ASCII）轉換為 binary。我們知道 ASCII 編碼一共有 256 種可能，所以轉換後每個字母會對應到 0~255 ASCII number，與8 個bits。
將這些 binary 以每 6 bits 為單位進行分組。
將每組 bits 轉換為對應的 base64 character:
- (1) base64 有一個自己的 character set, 只有 64 個 character，分別是：大小寫字母（A-Z、a-z）、數字（0-9）和兩個特殊字符（+ 和 /）。這也是 base64 得到這個名字的原因。
- (2) 每組 binary 有6 bits, 相當於一共有 64 種可能性，正好可以對應到 base64 character set。
如果原始的 string長度不是3的倍數，base64 會自動補上一個 “="。
- (1) 這麼做的理由相當於宣告最後一組bits「後面有補0，才得以是 6個bits」
- (2) “=” 相當於宣告這組 bits的特殊性
最後將轉換後的 base64 characters回傳，即大功告成。

值得注意的是，base64 編碼後的數據通常比原始數據更長。這是因為 base64 編碼會將原本以 8 bits 為單位的 string，重新打散單位、轉換為 6 bits 的 base64 characters，這導致編碼後的數據會比原始數據增加約 33% 的大小。

舉例說明

假設我們有一串 string名為「Hello」，其長度=5，不是3的倍數。

依照 ASCII 編碼，「Hello」每一個 character 會對應到一個 8 bits 組合（＝對應到 0~ 255 之間的一個數字）。組合起來即為「01001000 01100101 01101100 01101100 01101111」，一共 40 bits。
將以上 40 bits 每 6 個分一組，一共可以分成 6 組有完整 6 bits + 1組只有4 bits：「010010」、「000110」、「010101」、「101100」、「011011」、「000110」、「1111」
最後那一組補 0，讓他還是擁有 6 bits, 只不過後面放入一個 base64 character: “="，標註他的特殊性。所以就變成以下：「010010」、「000110」、「010101」、「101100」、「011011」、「000110」、「111100=」
每一組對應到 base64 character set中的數字（對應表可以參考本篇文章的首頁圖）。
最後的 output即為「SGVsbG8=」

python library 實作

在 python中，有很便利的 library協助我們做到 base64 encoding. 可以參考以下的 code:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15


import base64

original_text = "Hello, world!"

original_bytes = original_text.encode('utf-8')

encoded_bytes = base64.b64encode(original_bytes)
encoded_text = encoded_bytes.decode('utf-8')

print("Base64 編碼結果:", encoded_text)

decoded_bytes = base64.b64decode(encoded_bytes)
decoded_text = decoded_bytes.decode('utf-8')

print("Base64 解碼結果:", decoded_text)

結果如下：

1
2


Base64 編碼結果: SGVsbG8sIHdvcmxkIQ==
Base64 解碼結果: Hello, world!