Base64

Base64 — стандарт кодирования двоичных данных при помощи только 64 символов ASCII. Алфавит кодирования содержит латинские символы A-Z, a-z, цифры 0-9 (всего 62 знака) и 2 дополнительных символа, зависящих от системы реализации. Каждые 3 исходных байта кодируются четырьмя символами (увеличение на ¹⁄₃).

Эта система широко используется в электронной почте для представления бинарных файлов в тексте письма (транспортное кодирование).

MIME

В формате электронной почты MIME Base64 — это схема, по которой произвольная последовательность байт преобразуется в последовательность печатных ASCII-символов.

Стандартные 62 символа дополняют +, / и = — в качестве специального кода суффикса.

Полная спецификация этой формы Base64 содержится в RFC 1421 и RFC 2045. Эта схема используется для кодирования последовательности октетов (байт).

Для того, чтобы преобразовать данные в Base64, первый байт помещается в самые старшие восемь бит 24-битного буфера, следующий — в средние восемь и третий — в младшие восемь бит. Если кодируется менее чем три байта, то соответствующие биты буфера устанавливаются в ноль. Далее каждые шесть бит буфера, начиная с самых старших, используются как индексы строки «ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/», и её символы, на которые указывают индексы, помещаются в выходную строку. Если кодируется только один или два байта, в результате получаются только первые два или три символа строки, а выходная строка дополняется двумя или одним знаком =. Это предотвращает добавление дополнительных битов к восстановленным данным. Процесс повторяется над оставшимися входными данными. При кодировании Base64 размер сообщения увеличивается приблизительно на 33 %. Это надо учитывать, если есть ограничения на размер конечного сообщения. Так при максимально допустимом размере 64 МБ реальный размер передаваемого сообщения должен быть не более 48 МБ.

Например, цитата из «Левиафана» Томаса Гоббса:

Man is distinguished, not only by his reason, but by this singular passion from other animals, which is a lust of the mind, that by a perseverance of delight in the continued and indefatigable generation of knowledge, exceeds the short vehemence of any carnal pleasure.

будучи перекодированной из ASCII в Base64, выглядит следующим образом:

TWFuIGlzIGRpc3Rpbmd1aXNoZWQsIG5vdCBvbmx5IGJ5IGhpcyByZWFzb24sIGJ1dCBieSB0
aGlzIHNpbmd1bGFyIHBhc3Npb24gZnJvbSBvdGhlciBhbmltYWxzLCB3aGljaCBpcyBhIGx1
c3Qgb2YgdGhlIG1pbmQsIHRoYXQgYnkgYSBwZXJzZXZlcmFuY2Ugb2YgZGVsaWdodCBpbiB0
aGUgY29udGludWVkIGFuZCBpbmRlZmF0aWdhYmxlIGdlbmVyYXRpb24gb2Yga25vd2xlZGdl
LCBleGNlZWRzIHRoZSBzaG9ydCB2ZWhlbWVuY2Ugb2YgYW55IGNhcm5hbCBwbGVhc3VyZS4=

В примере, слово Man закодировано как TWFu. Процесс преобразования можно представить в виде следующей таблицы:

Исходный текст	M								a								n
Коды ASCII	77 (0x4d)								97 (0x61)								110 (0x6e)
Двоичный вид	0	1	0	0	1	1	0	1	0	1	1	0	0	0	0	1	0	1	1	0	1	1	1	0
Полученный индекс в Base64	19						22						5						46
Конечный результат в Base64	T						W						F						u

Схема соответствия «символ — значение» в Base64

Символ	Значение					Символ	Значение					Символ	Значение					Символ	Значение
	10	2	8	16			10	2	8	16			10	2	8	16			10	2	8	16
A	0	000000	00	00		Q	16	010000	20	10		g	32	100000	40	20		w	48	110000	60	30
B	1	000001	01	01		R	17	010001	21	11		h	33	100001	41	21		x	49	110001	61	31
C	2	000010	02	02		S	18	010010	22	12		i	34	100010	42	22		y	50	110010	62	32
D	3	000011	03	03		T	19	010011	23	13		j	35	100011	43	23		z	51	110011	63	33
E	4	000100	04	04		U	20	010100	24	14		k	36	100100	44	24		0	52	110100	64	34
F	5	000101	05	05		V	21	010101	25	15		l	37	100101	45	25		1	53	110101	65	35
G	6	000110	06	06		W	22	010110	26	16		m	38	100110	46	26		2	54	110110	66	36
H	7	000111	07	07		X	23	010111	27	17		n	39	100111	47	27		3	55	110111	67	37
I	8	001000	10	08		Y	24	011000	30	18		o	40	101000	50	28		4	56	111000	70	38
J	9	001001	11	09		Z	25	011001	31	19		p	41	101001	51	29		5	57	111001	71	39
K	10	001010	12	0A		a	26	011010	32	1A		q	42	101010	52	2A		6	58	111010	72	3A
L	11	001011	13	0B		b	27	011011	33	1B		r	43	101011	53	2B		7	59	111011	73	3B
M	12	001100	14	0C		c	28	011100	34	1C		s	44	101100	54	2C		8	60	111100	74	3C
N	13	001101	15	0D		d	29	011101	35	1D		t	45	101101	55	2D		9	61	111101	75	3D
O	14	001110	16	0E		e	30	011110	36	1E		u	46	101110	56	2E		+	62	111110	76	3E
P	15	001111	17	0F		f	31	011111	37	1F		v	47	101111	57	2F		/	63	111111	77	3F

UTF-7

UTF-7 представляет собой изменённый вариант Base64. Эта схема кодирования используется для файлов UTF-16 как промежуточный формат в MIME. UTF-7 предназначен для использования Юникода в электронной почте без транспортного кодирования содержимого. Главное отличие этого варианта Base64 от MIME в том, что символ = не используется для дополнения, так как требуется многократное экранирование этого символа. Вместо этого биты октета дополняются нулями.

Изменённый Base64 стандартизирован по RFC 2152 (A Mail-Safe Transformation Format of Unicode).

IRCu

В сервер-сервер протоколе, используемом в IRC и совместимом программном обеспечении, версия Base64 используется для кодирования клиент/серверных числовых и двоичных IP адресов. Клиентские и серверные числовые данные имеют фиксированные размеры, которые точно совпадают с количеством знаков Base64, поэтому нет необходимости в дополнении. Двоичные IP-адреса для соответствия расширяются ведущими нулевыми битами. Набор символов незначительно отличается от MIME использованием [] вместо +/.

Применение в веб-приложениях

Благодаря Base64 в html-документы можно включать бинарный контент, создавая единый документ без отдельно расположенных картинок и прочих дополнительных файлов. Таким образом html-документ с включённой в него графикой, аудио, видео, программами, стилями и прочими дополнениями становится прекрасной альтернативой другим форматам сложнооформленных документов типа doc, docx, pdf.

Некоторые приложения кодируют двоичные данные для удобства включения в URL, скрытые поля форм.

Использование URL-кодировщика над стандартом Base64 не всегда удобно, так как он преобразует символы / и + в специальные шестнадцатеричные последовательности. Несмотря на то, что это преобразование обратимо, оно удлиняет строку и немного усложняет её последующий разбор. Кроме того, символ %, сгенерированный URL-кодировщиком, может потребоваться экранировать ещё раз при последующей передаче получившейся строки через другие системы (например, в SQL это элемент шаблона).

По этой причине существует изменённый Base64 для URL, где не используется заполнение знаком = и символы + и / соответственно заменяются на * и -. Поэтому использование кодеров/декодеров URL перестаёт быть необходимым и не имеет никакого воздействия на длину закодированного значения, оставляя ту же самую закодированную форму, не повреждённую для использования в реляционных базах данных, веб-формах и идентификаторах объекта вообще. Стандартом Base64-кодирования URL адресов признается вариант, когда символы + и / заменяются, соответственно, на - и _ (RFC 3548, раздел 4).

Другой вариант называется изменённый Base64 для регулярных выражений и использует ! и - вместо * и - для того, чтобы заменить стандартный Base64 +/, потому что оба + и * могут быть зарезервированы для регулярных выражений (отметим, что [], используемые выше в IRCu-варианте, могут не работать в этом контексте).

Имеются другие варианты, которые используют _ и - или . и _, если строка Base64 должна быть использована вместе с идентификаторами для программ, или . и - для использования в токенах имён XML (Nmtoken), или _ и : в более ограниченных идентификаторах XML (Name). В некоторых случаях для URL применяется Base58, который не использует символы + и /.

Base58

Основная статья: Base58

Для кодирования URL в некоторых системах используется Base58, отличающаяся от Base64 отсутствием в конечном тексте символов, которые могут восприниматься человеком неоднозначно. Исключены 0 (ноль), O (заглавная латинская o), I (заглавная латинская i), l (маленькая латинская L). Также исключены символы + (плюс) и / (косая черта), которые при кодировании URL могут приводить к неверной интерпретации адреса.

Radix-64

Radix-64 — разновидность кодирования Base64 двоичных данных в текстовый формат, используемая в PGP. От Base64 отличается тем, что в конец добавляется контрольная сумма в 24 бита.

Операционные системы семейства Unix сохраняют вычисленные с помощью crypt хеши паролей в файл /etc/passwd, используя кодировку B64. Она похожа на Radix-64, но суффикс выравнивания = не используется и в алфавите небуквенные символы расположены в начале: ./0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz.

Другие применения

Существует множество вариантов применения Base64. Например, Thunderbird и Mozilla Suite использовали Base64 для сокрытия паролей в POP3. Base64 может использоваться как метод для сокрытия секретов без издержек на криптографическое управление ключами, однако этот подход является абсолютно небезопасным и не рекомендуется к использованию.

Сканеры спама, которые не декодируют сообщения в Base64, часто пропускают их, так как такие сообщения кажутся достаточно случайными, чтобы быть принятыми за спам. Это используют спамеры для обхода основных антиспамовых инструментов.

Данный стандарт применяется для кодирования изображений формата JPEG и PNG, для вставки их в электронные книги формата FB2.

Существуют приложения, использующие кодировку Base64 для отправки небольших изображений посредством длинных SMS.

Ссылки

• RFC 1421 (Privacy Enhancement for Electronic Internet Mail)
• RFC 2045 (MIME)
• RFC 4648 (Base16, Base32, и Base64 кодирование данных)
• Base64 исходный код на C
• Base64 исходный код на Java

Онлайн кодирование и декодирование

• Только Base64
• Base64 как один из множества форматов