字符编码 #

有的字符在一些环境中是不能显示或使用的， 比如 &, = 等字符在 URL 被保留为特殊作用的字符； 比如描述一张图片，而图片中的二进制码如果转成对应的字符的话，会有很多不可见字符和控制符（如换行、回车之类）， 这时就需要对进行编码。

各种编码的特征 #

• Base 编码
  • Base64
    • 组成字符：A-Z、a-z、0-9、+、/
    • 末尾一般补 0-2 个 =（可以不补 =）
  • Base32
    • 组成字符：A-Z、2-7
    • 末尾一般补 0-6 个 =（可以不补 =）
  • Base16
    • 组成字符：0-9、A-F
    • 末尾没有 =

Base 编码 #

参考：rfc4648

Base 系列的就是用来将字节编码为 ASCII 中的可见字符的。

在 URL 中使用时必须去掉 “=” 符号

Base64 #

Base64 编码是使用 64 个可打印 ASCII 字符（A-Z、a-z、0-9、+、/）将任意字节序列数据编码成 ASCII 字符串，另有 “=” 符号用作后缀用途。

Base64 将输入字符串按字节切分，取得每个字节对应的二进制值（若不足 8 比特则高位补 0）， 然后将这些二进制数值串联起来，再按照 6 比特一组进行切分（因为 2^6=64），最后一组若不足 6 比特则末尾补 0。

由于二进制数据是按照 8 比特一组进行传输，因此 Base64 按照 6 比特一组切分的二进制数据必须是 24 比特的倍数（6 和 8 的最小公倍数）， 就是 3 个字节。 若原字节序列数据长度不是 3 的倍数时且剩下 1 个输入数据，则在编码结果后加 2 个 =；若剩下 2 个输入数据，则在编码结果后加 1 个 =。

数据量扩大了 1/3。

Base32 #

Base16 编码会将字节切为 5 个一组，所以此编码后会用到 32 个字符（A-Z、2-7）， 数据量扩大了 3/5（文本一长，最后填充的 0 和 = 的数据量差不多就可忽略不计了）。

需要凑够 8 个字符

00000001 00000011 00000111 00001111 00011111
=>
00000 00100 00001 10000 01110 00011 11000 11111


00000001 00000011 00000111 00001111 00011111 11111111
=>
00000 00100 00001 10000 01110 00011 11000 11111
11111 11100 =     =     =     =     =     =
// 最后不足 5 字节的重组后先在右边充 0，编码完成后再右边充 =

为什么后面要补 = #

由于数据的二进制传输是按照 8 比特一组进行（即一个字节）， 因此 Base32 按 5 比特切分的二进制数据必须是 40 比特的倍数（5 和 8 的最小公倍数），就是 5 字节。

填充 “=” 符号的作用是方便一些程序的标准化运行，大多数情况下不添加也无关紧要， 而且，在 URL 中使用时必须去掉 “=” 符号。

优点 #

与 Base64 相比，Base32 具有许多优点：

• 适合不区分大小写的文件系统，更利于人类口语交流或记忆。
• 结果可以用作文件名，因为它不包含路径分隔符 “/” 等符号。
• 排除了视觉上容易混淆的字符，因此可以准确的人工录入。 （例如，RFC4648 符号集忽略了数字 “1”、“8” 和 “0”，因为它们可能与字母 “I”，“B” 和 “O” 混淆）。
• 排除填充符号 “=” 的结果可以包含在 URL 中，而不编码任何字符。

Base32 也比 Base16 有优势：

• Base32 比 Base16 占用的空间更小。（1000 比特数据 Base32 需要 200 个字符，而 Base16 则为 250 个字符）

缺点 #

Base32 比 Base64 多占用大约 20％ 的空间 —— (8/5 - (8/6)) / (8/6)。

因为 Base32 使用 8 个 ASCII 字符去编码原数据中的 5 个字节数据， 而 Base64 是使用 4 个 ASCII 字符去编码原数据中的 3 个字节数据。

Base16 #

Base16 编码是一个标准的十六进制字符串（注意是字符串而不是数值），更易被人类和计算机使用， 因为它并不包含任何控制字符，以及 Base64 和 Base32 中的 = 符号。

Base16 编码会将字节切为 4 个一组，所以此编码后会用到 16 个字符（0-9、A-F），数据会扩大 2 倍

URL 编码（百分号编码） #

• 网址路径的编码，用的是 utf-8 编码
• 查询字符串的编码，用的是操作系统的默认编码
• GET 和 POST 方法的编码，用的是网页的编码
• Ajax 调用中，IE 总是采用 GB2312 编码（操作系统的默认编码），而 Firefox 总是采用 utf-8 编码

参考：

• 关于 URL 编码