Python2 base64 严格解码仍然默默地忽略无效字符

Question

由于某种原因，我不能让下面的 sn-p 出错，尽管它应该出错。

使用不可打印字符调用 python2 的 base64 解码函数decodestring，我希望会引发异常，但是：

In [1]: import base64

In [2]: base64.decodestring("\x01\x01\x01")
Out[2]: ''

为了比较，使用 string 类的方法会产生相同的结果：

In [7]: "\x01\x01\x01".decode("base64")
Out[7]: ''

但是，对十六进制执行等效操作确实会提供预期的行为（请注意，添加了一个附加字符以对齐 2 的倍数，正如十六进制解码器所预期的那样）：

In [9]: "\x01\x01\x01\x01".decode("hex")
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-9-1e73b7069a1d> in <module>()
----> 1 "\x01\x01\x01\x01".decode("hex")

/usr/lib/python2.7/encodings/hex_codec.pyc in hex_decode(input, errors)
     40     """
     41     assert errors == 'strict'
---> 42     output = binascii.a2b_hex(input)
     43     return (output, len(input))
     44

TypeError: Non-hexadecimal digit found

其他几次尝试证明遇到的行为是 base64 解码器，具体来说，忽略任何无效字符而不是引发错误。尽管解码器被记录为仅支持默认的严格错误处理模式，但仍会遇到此行为：

In [11]: "\x01\x01\x01".decode("base64", errors="ignore")
---------------------------------------------------------------------------
AssertionError                            Traceback (most recent call last)
<ipython-input-11-e0b65726a302> in <module>()
----> 1 "\x01\x01\x01".decode("base64", errors="ignore")

/usr/lib/python2.7/encodings/base64_codec.pyc in base64_decode(input, errors)
     39
     40     """
---> 41     assert errors == 'strict'
     42     output = base64.decodestring(input)
     43     return (output, len(input))

AssertionError:

无论用于执行与 python2.7 捆绑的内置 base64 编解码器的方法如何，都会遇到这种行为。

此外，任何有效字符都将被正确处理，产生如下奇怪的结果：

In [6]: base64.decodestring("\x01\x01\x01\x01\x01AA==")
Out[6]: '\x00'

In [7]: base64.decodestring("\x01A\x01A\x01=\x01=\x01A")
Out[7]: '\x00'

In [8]: base64.decodestring("\x01Not\x01A\x01Base64\x01String\x01")
Out[8]: '6\x8b@\x05\xab\x1e\xeb\x84\xad\xae)\xe0'

我的问题有两个：

1. 我对此行为的分析是否正确？
2. 为什么要实现这种行为而不是与其他编解码器和errors="strict" API 保持一致？

Answer 1

base64 的发明是为了允许将二进制文件封装到纯文本协议中。这些协议可能有其他限制，例如行的最大大小，这需要在 base64 编码的字符串中插入行尾。为了尽可能地容忍输入，许多解码器决定忽略任何非打印字符。

这就是 Python base64 模块的设计方式。