base 64 编码的有效字符范围答案

【问题标题】：Range of valid character for a base 64 encodingbase 64 编码的有效字符范围
【发布时间】：2012-10-23 02:33:57
【问题描述】：

我对以下内容感兴趣：
是否存在一个从不作为 base 64 编码字符串的一部分出现的字符列表？
例如*。我不确定这是否会发生。如果原始输入实际上有 * 作为它的一部分，它的编码方式会有所不同吗？

【问题讨论】：

我会看看这个页面来解决它。 en.wikipedia.org/wiki/Base64
输入中的* 将在输出中表示为* 的想法很奇怪，表明输入与输出之间的关系存在严重的概念混淆。当且仅当 * 是 base 64 字符集的成员时，* 才会出现在输出中......无论输入中的内容是什么。

标签： java regex base64 apache-commons

【解决方案1】：

在大多数情况下，您可能对其他答案是安全的，但根据Wikipedia article on Base64，您不应该有一个可以依赖的明确列表：

为基础所需的 64 个字符选择的字符集的特定选择因实现而异。

RFC 4648 提到了其他字母，例如“URL 和文件名安全”Base 64 Alphabet，其中+ 和/ 被替换为- 和_。

有一个table of Base64 variants 使用不同的字符。请记住，有关于行分隔符的实现特定规则，您可以在同一张表中找到这些规则。像Mime 这样的一些实现甚至允许（并忽略）不在字母表中的字符。

【讨论】：

【解决方案2】：

这是我可以找到的：RFC 4648

它包括这张方便的桌子：

                  Table 1: The Base 64 Alphabet

 Value Encoding  Value Encoding  Value Encoding  Value Encoding
     0 A            17 R            34 i            51 z
     1 B            18 S            35 j            52 0
     2 C            19 T            36 k            53 1
     3 D            20 U            37 l            54 2
     4 E            21 V            38 m            55 3
     5 F            22 W            39 n            56 4
     6 G            23 X            40 o            57 5
     7 H            24 Y            41 p            58 6
     8 I            25 Z            42 q            59 7
     9 J            26 a            43 r            60 8
    10 K            27 b            44 s            61 9
    11 L            28 c            45 t            62 +
    12 M            29 d            46 u            63 /
    13 N            30 e            47 v
    14 O            31 f            48 w         (pad) =
    15 P            32 g            49 x
    16 Q            33 h            50 y

因此，匹配任何应该从不出现在 Base 64 编码中的字符的正则表达式将是：

[^A-Za-z0-9+/=]

但是，正如 kapeps 回答所指出的，这只是建议。具体实现可能会选择不同的 64 个字符集。（事实上，即使是链接的 RFC 也包含 URL 和文件名安全编码的替代表，它将字符 62 和 63 分别替换为 - 和 _）。所以我想这真的取决于创建编码的实现。

【讨论】：

/ 是标准的一部分意味着它不能用于命名文件。另外，为什么不在A 之前以0 开头呢？为什么要故意使基本系统中的前十个数字不同？
我无法回答您的第二个问题，但 RFC 确实提供了不使用 / 和 + 的替代编码，并且专门设计用于文件名和 URL 的安全。
@MartinEnder 顺便说一句，更合适的正则表达式是^[A-Za-z0-9+/]+={0,2}$。
有没有可以返回编码值的python函数？例如，像 base64('A') = 0, base64('O') = 14

【解决方案3】：

https://en.wikipedia.org/wiki/Base64#Design

MIME 的 Base64 实现使用 A–Z、a–z 和 0–9 作为前 62 个值

因此，在大多数情况下，您应该只期待字母数字字符。本文中的示例表还显示了“+”和“-”；您不太可能会看到“*”。

例如，您可以使用http://www.motobit.com/util/base64-decoder-encoder.asp 转换为 Base64，对于 '*' 这将返回 "Kg=="

【讨论】：

【解决方案4】：

Base64 仅包含 A–Z、a–z、0–9、+、/ 和 =。所以不使用的字符列表是：所有可能的字符减去上面提到的字符。

对于特殊用途，. 和 _ 也是可能的。

【讨论】：