JavaScript: 詳解Base64編碼和解碼
Base64是最常用的編碼之一，比如開發中用于傳遞參數、現代瀏覽器中的<img />標簽直接通過Base64字符串來渲染圖片以及用于郵件中等等。Base64編碼在RFC2045中定義，它被定義為：Base64內容傳送編碼被設計用來把任意序列的8位字節描述為一種不易被人直接識別的形式。
我們知道，任何數據在計算機中都是以二進制的方式存儲的。一個字節為8位，一個字符在計算機中存儲為一個或多個字節，比如英文字母、數字以及英文標點符號就是用一個 字節來存儲的，通常稱為ASCII碼。而簡體中文、繁體中文、日文以及韓文等都是用多字節來存儲的，通常稱為多字節字符。因為Base64編碼是對字符串的編碼表示進行處理的，不同編碼的字符串的Base64的結果是不同的，所以我們需要了解基本的字符編碼知識。
字符編碼基礎
計算機最開始只支持ASCII碼，一個字符用一個字節表示，只用了低7位，最高位為0，因此總共有128個ASCII碼，范圍為0~127。后來為了支持多種地區的語言，各大組織機構和IT廠商開始發明它們自己的編碼方案，以便彌補ASCII編碼的不足，如GB2312編碼、GBK編碼和Big5編碼等。但這些編碼都只是針對局部地區或少數語言文字，沒有辦法表達所有的語言文字。而且這些不同的編碼之間并沒有任何聯系，它們之間的轉換需要通過查表來實現。
為了提高計算機的信息處理和交換功能，使得世界各國的文字都能在計算機中處理，從1984年起，ISO組織就開始研究制定一個全新的標準：通用多八位(即多字節)編碼字符集（Universal Multiple-Octet Coded Character Set），簡稱UCS。標準的編號為：ISO 10646。這一標準為世界各種主要語言的字符(包括簡體及繁體的中文字)及附加符號，編制統一的內碼。
統一碼（Unicode）是Universal Code的縮寫，是由另一個叫“Unicode學術學會”（The Unicode Consortium）的機構制定的字符編碼系統。Unicode與ISO 10646國際編碼標準從內容上來說是同步一致的。具體可參考：Unicode 。
ANSI
ANSI不代表具體的編碼，它是指本地編碼。比如在簡體版windows上它表示GB2312編碼，在繁體版windows上它表示Big5編碼，在日文操作系統上它表示JIS編碼。所以如果您新建了個文本文件并保存為ANSI編碼，那么您現在應該知道這個文件的編碼為本地編碼。
Unicode
Unicode編碼是和字符表一一映射的。比如56DE代表漢字'回'，這種映射關系是固定不變的。通俗的說Unicode編碼就是字符表的坐標，通過56DE就能找到漢字'回'。Unicode編碼的實現包括UTF8、UTF16、UTF32等等。
Unicode本身定義的就是每個字符的數值，是字符和自然數的映射關系，而UTF-8或者UTF-16甚至UTF-32則定義了如何在字節流中斷字，是計算機領域的概念。
通過上圖我們知道，UTF-8編碼為變長的編碼方式，占1~6個字節，可通過Unicode編碼值的區間來判斷，并且每個組成UTF8字符的字節都是有規律可循的。本文只討論UTF8和UTF16這兩種編碼。
UTF16
UTF16編碼使用固定的2個字節來存儲。因為是多字節存儲，所以它的存儲方式分為2種：大端序和小端序。UTF16編碼是Unicode最直接的實現方式，通常我們在windows上新建文本文件后保存為Unicode編碼，其實就是保存為UTF16編碼。UTF16編碼在windows上采用小端序的方式存儲，以下我新建了個文本文件并保存為Unicode編碼來測試，文件中只輸入了一個漢字'回'，之后我用Editplus打開它，切換到十六進制方式查看，如圖所示：
我們看到有4個字節，前2個字節FF FE是文件頭，表示這是一個UTF16編碼的文件，而DE 56則是'回'的UTF16編碼的十六進制。我們經常使用的JavaScript語言，它內部就是采用UTF16編碼，并且它的存儲方式為大端序，來看一個例子：
<script type="text/javascript">
console.group('Test Unicode: ');
console.log(('回'.charCodeAt(0)).toString(16).toUpperCase());
</script>
很明顯跟剛才Editplus顯示的不一樣，順序是相反的，這是因為字節序不一樣。具體可參考：UTF-16 。
UTF8
UTF8是采用變長的編碼方式，為1~6個字節，但通常我們只把它看作單字節或三字節的實現，因為其它情況實在少見。UTF8編碼通過多個字節組合的方式來顯示，這是計算機處理UTF8的機制，它是無字節序之分的，并且每個字節都非常有規律，詳見上圖，在此不再詳述。
UTF16和UTF8的相互轉換
UTF16轉UTF8
UTF16和UTF8之間的相互轉換可以通過上圖的轉換表來實現，判斷Unicode碼所在的區間就可以得到這個字符是由幾個字節所組成，之后通過移位來實現。我們用漢字'回'來舉一個轉換的例子。
我們已經知道漢字'回'的Unicode碼是0x56DE，它介于U+00000800 – U+0000FFFF之間，所以它是用三個字節來表示的。
所以我們需要將0x56DE這個雙字節的值變為三字節的值，注意上圖中的x部分，就是對應0x56DE的各位字節，如果您數一下x的個數，會發現剛好是16位。
轉換思路
從0x56DE中取出4位放在低位，并和二進制的1110結合，這就是第一個字節。從0x56DE中剩下的字節中取出6位放在低位，并和二進制的10結合，這就是第二個字節。第三個字節依照類似的方式實現。
代碼實現
為了讓大家更好的理解，以下代碼只是實現漢字'回'的轉換，代碼如下：
<script type="text/javascript">
/* 轉換對照表
U+00000000 – U+0000007F 0xxxxxxx U+00000080 – U+000007FF 110xxxxx 10xxxxxx
U+00000800 – U+0000FFFF 1110xxxx 10xxxxxx 10xxxxxx U+00010000 – U+001FFFFF 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
U+00200000 – U+03FFFFFF 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx U+04000000 – U+7FFFFFFF 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
/
/
'回'的Unicode編碼為：0x56DE，它介于U+00000800 – U+0000FFFF之間，所以它占用三個字節。 U+00000800 – U+0000FFFF 1110xxxx 10xxxxxx 10xxxxxx
*/
var ucode = 0x56DE;
// 1110xxxx
var byte1 = 0xE0 | ((ucode >> 12) & 0x0F);
// 10xxxxxx
var byte2 = 0x80 | ((ucode >> 6) & 0x3F);
// 10xxxxxx
var byte3 = 0x80 | (ucode & 0x3F);
var utf8 = String.fromCharCode(byte1)
+ String.fromCharCode(byte2)
+ String.fromCharCode(byte3);
console.group('Test UTF16ToUTF8: ');
console.log(utf8);
console.groupEnd();
</script></pre>
輸出的結果看起來像亂碼，這是因為JavaScript不知道如何顯示UTF8的字符。您或許會說輸出不正常轉換還有什么用，但您應該知道轉換的目的還經常用于傳輸或API的需要。
UTF8轉UTF16
這是UTF16轉換到UTF8的逆轉換，同樣需要對照轉換表來實現。還是接上一個例子，我們已經得到了漢字'回'的UTF8編碼，這是三個字節的，我們只需要按照轉換表來轉成雙字節的，如圖所示，我們需要保留下所有的x。
代碼如下：
<script type="text/javascript">
/* 轉換對照表
U+00000000 – U+0000007F 0xxxxxxx U+00000080 – U+000007FF 110xxxxx 10xxxxxx
U+00000800 – U+0000FFFF 1110xxxx 10xxxxxx 10xxxxxx U+00010000 – U+001FFFFF 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
U+00200000 – U+03FFFFFF 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx U+04000000 – U+7FFFFFFF 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
/
/
'回'的Unicode編碼為：0x56DE，它介于U+00000800 – U+0000FFFF之間，所以它占用三個字節。 U+00000800 – U+0000FFFF 1110xxxx 10xxxxxx 10xxxxxx
*/
var ucode = 0x56DE;
// 1110xxxx
var byte1 = 0xE0 | ((ucode >> 12) & 0x0F);
// 10xxxxxx
var byte2 = 0x80 | ((ucode >> 6) & 0x3F);
// 10xxxxxx
var byte3 = 0x80 | (ucode & 0x3F);
var utf8 = String.fromCharCode(byte1)
+ String.fromCharCode(byte2)
+ String.fromCharCode(byte3);
console.group('Test UTF16ToUTF8: ');
console.log(utf8);
console.groupEnd();
/* ------------------------------------------------------------------------------------/
// 由三個字節組成，所以分別取出
var c1 = utf8.charCodeAt(0);
var c2 = utf8.charCodeAt(1);
var c3 = utf8.charCodeAt(2);
/ 需要通過判斷特定位的方式來轉換，但這里是已知是三個字節，所以忽略判斷，而是直接拿到所有的x，組成16位。
U+00000800 – U+0000FFFF 1110xxxx 10xxxxxx 10xxxxxx/
// 丟棄第一個字節的高四位并和第二個字節的高四位組成一個字節
var b1 = (c1 << 4) | ((c2 >> 2) & 0x0F);
// 同理第二個字節和第三個字節組合
var b2 = ((c2 & 0x03) << 6) | (c3 & 0x3F);
// 將b1和b2組成16位
var ucode = ((b1 & 0x00FF) << 8) | b2;
console.group('Test UTF8ToUTF16: ');
console.log(ucode.toString(16).toUpperCase(), String.fromCharCode(ucode));
console.groupEnd();
</script></pre>
知道了轉換規則，就很容易實現了。
Base64編碼
Base64編碼要求把3個8位字節（3*8=24）轉化為4個6位的字節（4*6=24），之后在6位的前面補兩個0，形成8位一個字節的形式。由于2的6次方為64，所以每6個位為一個單元，對應某個可打印字符。當原數據不是3的整數倍時，如果最后剩下兩個輸入數據，在編碼結果后加1個“=；如果最后剩下一個輸入數據，編碼結果后加2個“=；如果沒有剩下任何數據，就什么都不要加，這樣才可以保證資料還原的正確性。
轉碼對照表
每6個單元高位補2個零形成的字節位于0~63之間，通過在轉碼表中查找對應的可打印字符。“=”用于填充。如下圖所示為轉碼表。
具體可參考： Base64 。
Base64解碼
解碼是編碼的逆過程，先看后面補了幾個“=”號，最多只可能補2個“=”號。一個“=”相當于補了2個0，所以去掉后面補的0后，再按8位展開，即可還原。
JavaScript實現Base64的編碼和解碼
之前已經詳細講解了整個過程，本文的例子都是采用UTF8編碼的字符串作為Base64編碼的基礎。因為JavaScript內部是使用Unicode編碼，所以需要有個轉換過程，原理之前也詳細講解過并給出了示例，以下是代碼實現：
<script type="text/javascript">
/
UTF16和UTF8轉換對照表 U+00000000 – U+0000007F 0xxxxxxx
U+00000080 – U+000007FF 110xxxxx 10xxxxxx U+00000800 – U+0000FFFF 1110xxxx 10xxxxxx 10xxxxxx
U+00010000 – U+001FFFFF 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx U+00200000 – U+03FFFFFF 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
U+04000000 – U+7FFFFFFF 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx/
var Base64 = {
// 轉碼表
table : [
'A', 'B', 'C', 'D', 'E', 'F', 'G', 'H',
'I', 'J', 'K', 'L', 'M', 'N', 'O' ,'P',
'Q', 'R', 'S', 'T', 'U', 'V', 'W', 'X',
'Y', 'Z', 'a', 'b', 'c', 'd', 'e', 'f',
'g', 'h', 'i', 'j', 'k', 'l', 'm', 'n',
'o', 'p', 'q', 'r', 's', 't', 'u', 'v',
'w', 'x', 'y', 'z', '0', '1', '2', '3',
'4', '5', '6', '7', '8', '9', '+', '/'
],
UTF16ToUTF8 : function(str) {
var res = [], len = str.length;
for (var i = 0; i < len; i++) {
var code = str.charCodeAt(i);
if (code > 0x0000 && code <= 0x007F) {
// 單字節，這里并不考慮0x0000，因為它是空字節
// U+00000000 – U+0000007F 0xxxxxxx
res.push(str.charAt(i));
} else if (code >= 0x0080 && code <= 0x07FF) {
// 雙字節
// U+00000080 – U+000007FF 110xxxxx 10xxxxxx
// 110xxxxx
var byte1 = 0xC0 | ((code >> 6) & 0x1F);
// 10xxxxxx
var byte2 = 0x80 | (code & 0x3F);
res.push(
String.fromCharCode(byte1),
String.fromCharCode(byte2)
);
} else if (code >= 0x0800 && code <= 0xFFFF) {
// 三字節
// U+00000800 – U+0000FFFF 1110xxxx 10xxxxxx 10xxxxxx
// 1110xxxx
var byte1 = 0xE0 | ((code >> 12) & 0x0F);
// 10xxxxxx
var byte2 = 0x80 | ((code >> 6) & 0x3F);
// 10xxxxxx
var byte3 = 0x80 | (code & 0x3F);
res.push(
String.fromCharCode(byte1),
String.fromCharCode(byte2),
String.fromCharCode(byte3)
);
} else if (code >= 0x00010000 && code <= 0x001FFFFF) {
// 四字節
// U+00010000 – U+001FFFFF 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
} else if (code >= 0x00200000 && code <= 0x03FFFFFF) {
// 五字節
// U+00200000 – U+03FFFFFF 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
} else / if (code >= 0x04000000 && code <= 0x7FFFFFFF)*/ {
// 六字節
// U+04000000 – U+7FFFFFFF 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
}
}
return res.join('');
},
UTF8ToUTF16 : function(str) {
var res = [], len = str.length;
var i = 0;
for (var i = 0; i < len; i++) {
var code = str.charCodeAt(i);
// 對第一個字節進行判斷
if (((code >> 7) & 0xFF) == 0x0) {
// 單字節
// 0xxxxxxx
res.push(str.charAt(i));
} else if (((code >> 5) & 0xFF) == 0x6) {
// 雙字節
// 110xxxxx 10xxxxxx
var code2 = str.charCodeAt(++i);
var byte1 = (code & 0x1F) << 6;
var byte2 = code2 & 0x3F;
var utf16 = byte1 | byte2;
res.push(Sting.fromCharCode(utf16));
} else if (((code >> 4) & 0xFF) == 0xE) {
// 三字節
// 1110xxxx 10xxxxxx 10xxxxxx
var code2 = str.charCodeAt(++i);
var code3 = str.charCodeAt(++i);
var byte1 = (code << 4) | ((code2 >> 2) & 0x0F);
var byte2 = ((code2 & 0x03) << 6) | (code3 & 0x3F);
utf16 = ((byte1 & 0x00FF) << 8) | byte2
res.push(String.fromCharCode(utf16));
} else if (((code >> 3) & 0xFF) == 0x1E) {
// 四字節
// 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
} else if (((code >> 2) & 0xFF) == 0x3E) {
// 五字節
// 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
} else /** if (((code >> 1) & 0xFF) == 0x7E)*/ {
// 六字節
// 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
}
}
return res.join('');
},
encode : function(str) {
if (!str) {
return '';
}
var utf8 = this.UTF16ToUTF8(str); // 轉成UTF8
var i = 0; // 遍歷索引
var len = utf8.length;
var res = [];
while (i < len) {
var c1 = utf8.charCodeAt(i++) & 0xFF;
res.push(this.table[c1 >> 2]);
// 需要補2個=
if (i == len) {
res.push(this.table[(c1 & 0x3) << 4]);
res.push('==');
break;
}
var c2 = utf8.charCodeAt(i++);
// 需要補1個=
if (i == len) {
res.push(this.table[((c1 & 0x3) << 4) | ((c2 >> 4) & 0x0F)]);
res.push(this.table[(c2 & 0x0F) << 2]);
res.push('=');
break;
}
var c3 = utf8.charCodeAt(i++);
res.push(this.table[((c1 & 0x3) << 4) | ((c2 >> 4) & 0x0F)]);
res.push(this.table[((c2 & 0x0F) << 2) | ((c3 & 0xC0) >> 6)]);
res.push(this.table[c3 & 0x3F]);
}
return res.join('');
},
decode : function(str) {
if (!str) {
return '';
}
var len = str.length;
var i = 0;
var res = [];
while (i < len) {
code1 = this.table.indexOf(str.charAt(i++));
code2 = this.table.indexOf(str.charAt(i++));
code3 = this.table.indexOf(str.charAt(i++));
code4 = this.table.indexOf(str.charAt(i++));
c1 = (code1 << 2) | (code2 >> 4);
c2 = ((code2 & 0xF) << 4) | (code3 >> 2);
c3 = ((code3 & 0x3) << 6) | code4;
res.push(String.fromCharCode(c1));
if (code3 != 64) {
res.push(String.fromCharCode(c2));
}
if (code4 != 64) {
res.push(String.fromCharCode(c3));
}
}
return this.UTF8ToUTF16(res.join(''));
}
};
console.group('Test Base64: ');
var b64 = Base64.encode('Hello, oschina！又是一年春來到~');
console.log(b64);
console.log(Base64.decode(b64));
console.groupEnd();
</script></pre>
不得不說，在JavaScript中實現確實很麻煩。我們來看下PHP對同樣的字符串編碼的結果：
因為字符編碼是一樣的，所以結果也一樣。
來自：http://my.oschina.net/goal/blog/201032