什么是 Base64?编码、填充与使用场景
二进制数据无法通过纯文本系统传输——所以我们用 64 个安全字符把它拼出来。了解三个字节如何变成四个字符、= 填充是什么意思,以及为什么 Base64 不是加密。
你将学到什么
- 解释二进制数据为什么需要文本编码
- 算清楚 3 个字节是怎么变成 4 个 Base64 字符的
- 读懂填充(=、==),知道它什么时候出现
- 分清 Base64 和 Base64URL——并知道 JWT 用的是哪一种
- 知道 Base64 适合用在哪里(以及不适合用在哪里)
- 什么是 Base64——以及它为什么存在
- 它是怎么工作的,一步一步讲
- Base64 与 Base64URL
- 你会在哪里真正遇到 Base64
- Base64 不是什么
- 常见错误
- 试一试:Base64 编码器
- 常见问题
什么是 Base64——以及它为什么存在
许多系统只处理 文本:邮件正文、JSON、URL、XML、源代码。二进制数据——图片、文件、加密签名——包含这些系统会损坏或拒绝的字节(零字节、控制字符、不是合法 UTF-8 的字节)。
Base64 是一种只用 64 个安全字符来拼写任意字节的方法: A–Z, a–z, 0–9,以及 + 和 / (其中 = 用于填充)。结果是纯 ASCII 文本,在邮件、JSON 和复制粘贴中都能完好无损。它是 编码,而不是加密:任何人都能解码它,这是设计使然。
名字就说明了一切:64 个字符意味着每个字符携带 6 位信息(26 = 64)。每 3 个字节是 24 位;24 ÷ 6 = 4——所以每 3 字节输入恰好变成 4 个输出字符。这个 4:3 的比例就是 Base64 输出总比输入大约 33% 的原因。
它是怎么工作的,一步一步讲
以这个词为例 Man ——对应的字节是 M (77), a (97), n (110):
M = 01001101
a = 01100001
n = 01101110
Joined: 010011 010110 000101 101110
T W F u
Result: TWFu这 24 位被分成四个 6 位组,每个组对应字母表中的一个字符(A=0, B=1, … Z=25, a=26, … 0=52, +=62, /=63)。解码过程正好相反:逐个查找字符,还原比特,再拆回字节。
当输入不是 3 字节的整数倍时,最后一组会用零位补齐,输出会用 = 填充,这样长度始终是 4 的倍数:
| 输入 | 字节数 | 输出 | 填充 |
|---|---|---|---|
Man | 3 | TWFu | 无 |
Ma | 2 | TWE= | 一个 = |
M | 1 | TQ== | 两个 = |
填充不是装饰:它告诉解码器最后一组实际包含多少字节。有些系统(特别是 JWT)会去掉填充,让解码器根据长度自己推算——这是合法的 Base64URL,但不是严格的 Base64。
Base64 与 Base64URL
| 第 62 和 63 个字符 | 填充 | 用于 | |
|---|---|---|---|
| Base64(标准) | + 和 / | = 保留 | 邮件(MIME)、data URI、XML |
| Base64URL | - 和 _ | 通常去掉 | JWT、URL、文件名 |
之所以有 URL 变体,是因为 + 在查询字符串中表示“空格”,而 / 是路径分隔符——把标准 Base64 放进 URL 会被弄坏。混用两种字母表是个经典错误:用标准解码器解码 Base64URL,会在第一个字符上就失败。 -。如果你的代码在同一个地方既处理令牌(JWT)又处理文件(MIME),请把两种解码器分开。
你会在哪里真正遇到 Base64
- 邮件附件(MIME)。 邮件是为文本设计的;附件会被 Base64 编码进正文。这就是为什么一个 10 MB 的附件会让邮件变成大约 13 MB。
- Data URI。
data:image/png;base64,iVBORw0…把一张小图片直接嵌进 HTML 或 CSS——少一次请求,代价是多 33% 的字节。适合微小的图标,对照片来说很糟糕。 - JWT。 JSON Web Token 的头部和负载都是 Base64URL——这就是为什么任何人都能解码它们(见我们的 JWT 指南).
- HTTP Basic Auth。
Authorization: Basic dXNlcjpwYXNz其实就是user:pass的 Base64 编码——只是被遮住了,并没有受到保护。没有 HTTPS 的话,任何人都能轻易读出来。 - 把二进制数据嵌进 JSON 或配置里。 小的密钥、证书和缩略图会以 Base64 字符串的形式传输,因为 JSON 没有二进制类型。
Base64 不是什么
它不是加密。 没有密钥、没有秘密——解码就是一张人人都能用的查找表。把 Base64 当成“隐藏”数据的手段,是一个安全漏洞,而不是功能。
它不是压缩。 输出总是更大——大约大 33%,再加上填充。如果大小重要,先压缩(gzip),然后再按需编码;永远不要为了省空间而编码。
它不是哈希。 哈希是单向、固定长度的;Base64 完全可逆,而且随输入变大。把编码、加密、哈希这三者搞混,是软件中最常见的安全误解之一。
常见错误
- 把 Base64 当成安全手段。 “我们把密码做了 Base64 编码”——其实就是加了几个步骤的明文。
- 忘了填充。 严格的解码器会拒绝没有填充的输入,宽松的则会接受。在去掉填充之前,先确认你用的是哪一种解码器。
=. - 混用标准字母表和 URL 安全字母表。
+//对比-/_——根据你手头的数据选对解码器。 - 编码文本前没有先确定字符集。 Base64 编码的是字节,不是字符:“café”用 UTF-8 和用 Latin-1 编码会得到不同的输出。请始终明确地用 UTF-8 编码。
- 把大文件 Base64 编码后塞进 HTML。 一张 2 MB 的照片会变成 2.7 MB 的文本塞进你的页面,无法缓存、速度又慢。请改为链接这个文件。
试一试:Base64 编码器
用 Base64 编码器编码你自己的文本,再解码回来——然后试试图片文件,看着输出正好增长三分之一,和本指南预测的一模一样。
继续学习
常见问题
为什么 Base64 输出有时以 = 或 == 结尾?
填充。输入按 3 字节一组处理;如果最后一组有 2 个字节,就加一个 =;如果只有 1 个字节,就加两个 ==。填充让输出长度保持为 4 的倍数,并告诉解码器最后一组包含多少字节。
Base64 可逆吗?
完全可逆——它是一种编码,不是加密或哈希。任何人拿到这个字符串都能在不需要密钥的情况下解码。永远不要用它来隐藏任何东西。
为什么 Base64 输出比输入大?
每个输出字符携带 6 位信息,却占用 8 位(一个字节)的文本。3 个字节(24 位)变成 4 个字符(32 位)——33% 的额外开销,再加上最多 2 个填充字符。
Base64 和十六进制编码有什么区别?
两者都是把字节拼写成文本。十六进制用 16 个字符(0-9、a-f),所以每个字节变成 2 个字符——100% 的额外开销。Base64 用 64 个字符,所以每 3 个字节变成 4 个字符——33% 的额外开销。十六进制更易读、更容易比较;Base64 更紧凑。
Base64 能编码中文或 emoji 这样的 Unicode 文本吗?
可以——但它编码的是字节,所以文本必须先转成字节,几乎总是 UTF-8。同样的字符用 UTF-16 编码会得到完全不同的 Base64。如果解码后出现乱码,错的是字节编码,不是 Base64。