Base64 是什么?一文讲清 Base64 编码原理

Base64 是什么、怎样把字节变成文本、为什么结果会大三分之一、= 补位和 URL 安全格式是做什么的,以及在 JavaScript 里怎样正确处理 UTF-8。

阅读约 2 分钟

很多人问 base64是什么,简单来说,Base64 是一种只用 64 个可打印字符来表示任意二进制数据(图片、密钥、文件等)的方法。有了它,二进制数据就能放进 JSON、XML、邮件、URL 和 HTTP 头这些为文本设计的地方。格式由 RFC 4648 定义。

原理

了解 base64编码原理并不难。Base64 每次读取 3 个字节(24 位),把它们拆成 4 组,每组 6 位。每组的值在 0 到 63 之间,对应字母表 A–Z、a–z、0–9、+、/ 中的一个字符。

以文本 Man 为例:

M a n
字节 77 97 110
二进制 01001101 01100001 01101110

把这 24 位按 6 位一组重新分组,得到 010011 010110 000101 101110,也就是 19、22、5、46,对应字符 T、W、F、u。所以 Man 编码后是 TWFu。可以用 Base64 编码 / 解码 工具验证。

= 补位

输入长度不是 3 的倍数时,最后一组会不够。Base64 用 0 补齐不足的位,再加上 =,让结果长度保持 4 的倍数:

输入 Base64
Man(3 字节) TWFu
Hi(2 字节) SGk=
M(1 字节) TQ==

有些格式(比如 JWT)会去掉补位,因为不靠它也能算出原始长度。

为什么结果会变大

每 3 个字节变成 4 个字符,所以 Base64 的结果比原始数据大约多 33%:3000 字节的文件编码后是 4000 个字符。MIME 邮件还会每 76 个字符插入一个换行。这也是大图片最好作为普通文件提供,而不要写成 data: URL 的原因。

URL 安全的 Base64

+ 和 / 在 URL 和文件名里有特殊含义。URL 安全格式(base64url,RFC 4648 第 5 节)用 - 代替 +、用 _ 代替 /,通常还会省略 = 补位。字节 FB FF BF 用标准 Base64 编码是 +/+/,用 base64url 是 -_-_。JWT、很多 API 令牌和部分文件名用的都是这种格式。

Base64 不是加密

Base64 没有密钥,谁都能解码,它什么也藏不住。比如 HTTP Basic 认证发送的用户名和密码只是做了 Base64 编码,所以这种认证方式必须配合 HTTPS 使用。需要保密的数据要先加密;如果密文必须以文本形式传输,再对密文做 Base64 编码。

在 JavaScript 里处理 Base64 和 UTF-8

在做 base64编码时,Base64 处理的是字节,不是字符。浏览器自带的 btoa() 和 atob() 只接受 U+00FF 以内的字符,btoa("你好") 会抛出 InvalidCharacterError。要先把文本转成 UTF-8 字节:

// 编码
const bytes = new TextEncoder().encode('你好');
const b64 = btoa(String.fromCharCode(...bytes)); // "5L2g5aW9"

// 解码
const back = new TextDecoder().decode(Uint8Array.from(atob(b64), (c) => c.charCodeAt(0)));

Node.js 里用 Buffer.from(text).toString('base64'),Python 里用 base64.b64encode(text.encode()),两者默认都按 UTF-8 处理。

常见用途

  • Data URL:data:image/png;base64,iVBORw0… 可以把小图片直接嵌进 HTML 或 CSS。
  • 邮件附件:MIME 用 Base64 编码二进制附件。
  • 令牌和密钥:JWT、API 密钥和 PEM 格式的证书里都是 Base64 文本。
  • JSON 里的二进制:JSON 没有二进制类型,所以 API 会把文件和哈希值作为 Base64 字符串传输。

动手试试

Base64 编码 / 解码 工具在浏览器里完成编码和解码,能正确处理中文和 emoji,支持 URL 安全格式,有没有 = 补位都能识别。