题图: 电脑屏幕上显示的程序。摄影:Al Nahian(Pexels,免费使用)

Base64 是那种人人都在用、却几乎没人说得清的技术。它出现在 JSON Web Token 里、data: URL 里、邮件附件里、API 请求体的中间——而且在每个出现的地方制造同样的困惑:这是加密吗?是压缩吗?为什么文本会变长 33%? 答案:Base64 既不是加密也不是压缩。它是一个转换层,让任意二进制数据能在纯文本通道中完好通过,而那 33% 的额外体积就是通行的代价。

本指南讲解 Base64 实际做了什么、逐步拆解编码过程、展示它在真实系统中的身影。要进行正确处理 UTF-8 的转换,用本站免费的 Base64 编码与解码器——完全在浏览器内运行。

一分钟看懂 Base64

Base64 是一种二进制转文本编码:只用 64 个可打印 ASCII 字符表示任意字节。字母表:

A–Z(26)+a–z(26)+0–9(10)+「+」「/」(2)=64 个字符

末尾用 = 填充。每 3 个输入字节(24 位)变成 4 个输出字符(4×6 位=24 位),这就是输出总是比输入大约长 33% 的原因——原本 3 个字节的位置现在有 4 个字符。

编码完全可逆且确定:相同字节永远产生相同文本,任何有效的 Base64 文本都能精确还原为原始字节。这种可逆性正是它的本质——也正是 Base64 不是加密的原因。只要认得字母表,任何人都能手算解码。

Base64 为什么存在:文本通道问题

计算机系统对「一个字节意味着什么」的共识少得惊人。字节值 0x89 在 A 处是「PNG 文件头的第一个字节」,在 B 处是「终止字符串的控制字符」,在 C 处是「应该剥离的东西」。为文本设计的通道——JSON 字符串、XML 文档、邮件正文、URL 参数、数据库文本列——都不保证任意字节能完好通过:它们可能拒绝安全范围外的字节、用错误的字符编码重新解释、或在第一个空字节处截断。

Base64 的解法是把每个可能的字节值映射到 64 个「所有文本系统都同意原样放行」的字符上。代价是体积,收益是数据到达时与离开时完全一致。

逐位拆解编码过程

以 3 个字节 01101101 01100001 01101110(ASCII「man」)为例:

  1. 拼接成 24 位:011011010110000101101110
  2. 切分成 4 个 6 位组:011011、010110、000101、101110
  3. 把每个 6 位值(0–63)映射到字母表字符:27→b、22→W、5→F、46→u。结果:bWFu

输入不是 3 的倍数怎么办?编码器用零位补齐,并用 = 标记缺口:

  • 剩 1 字节 → 2 个输出字符 + ==
  • 剩 2 字节 → 3 个输出字符 + =

Base64 文本常以 = 或 == 结尾就是这个原因——填充告诉解码器最后一组实际有几个字节。Base64url 等现代实现干脆省略填充也能正确解码,因为字符串长度本身已携带信息。

Base64 与 Base64url:URL 安全变体

标准 Base64 在 URL 和文件名里有麻烦:+、/、= 在那里都是特殊字符。+ 在查询串里会变成空格,/ 会打断路径分段,= 在某些语境下被当作赋值符。

Base64url——由 RFC 4648 标准化——把 + 换成 -、/ 换成 _,并去掉填充。JWT 和现代 Data URL 用的都是这个变体。看到带连字符、下划线且结尾没有 = 的 Base64 文本,那就是 Base64url。

实用规则:存储和邮件式传输用标准 Base64;URL、查询参数和 token 用 Base64url。解码端通常两者都接受,但生成正确的变体能直接消灭一整类 bug。

Base64 不是加密

这是最顽固的误解,值得单独一节。三个区别:

  1. 没有密钥。 加密需要密钥,Base64 没有。任何人都能解码
  2. 定义上可逆。 加密被设计为无密钥不可逆。Base64 被设计为对所有人永远可逆
  3. 目的不同。 加密保护机密性。Base64 保护传输中的完整性——让字节不被弄坏,而不是不被读到

把 Base64 当安全措施是现实中的一类漏洞:「用 Base64 保护」的凭据出现在代码、日志和 Basic 认证头里,任何人都能解码。Authorization: Basic base64(user:pass) 里的 Base64 只是 HTTP 层的传输卫生,真正的保护必须来自底层的 TLS。

你在实践中会遇到它的场景

JSON Web Token。 每个 JWT 都是 header.payload.signature,前两部分是 Base64url 编码的 JSON。用 JWT 解码器解码看看——你会发现整个「从 JSON 文本造出二进制安全 token」的机制就是这种编码。

Data URL。 data:image/png;base64,iVBOR... 把二进制文件直接嵌进 HTML 和 CSS。小资源很方便,但文档会同样膨胀 33%,且浏览器渲染前必须解码。

API 请求体。 JSON 无法携带原始二进制,所以图片、证书、protobuf 消息以 Base64 字符串的形式在 JSON 对象里传输。这是 REST API 的标准模式,也是许多接受文件的 LLM 工具调用 schema 的做法。

邮件(MIME)。 SMTP 当年是纯文本协议,附件因此被 Base64 编码。现代邮件在底层依然如此——凡是遗留文本通道存在的地方,这个模式就存在。

常见陷阱与规避

空白与换行。 有些编码器按 MIME 惯例每 76 字符折行。不先剥掉空白的解码器会在折行输入上失败。解码前先清理。

UTF-8 处理。 浏览器经典错误:btoa("日本語") 直接抛异常,因为 btoa 只接受 Latin-1。正确路径是先把字符串编码为 UTF-8 字节,再套用 Base64——这正是本站 Base64 工具的做法。同样的 bug 出现在老 Python 2 代码里,解释了大量「请求体中间的中文乱码」事故。

编码文本 vs 编码字节。 Base64 编码字符串时,你实际编码的是其字符编码的字节。解码方若假设了不同的编码(UTF-8 对 Shift-JIS 对 Latin-1),输出就会乱码。永远清楚自己编码的是什么。

变体混淆。 标准 Base64(+ / =)对 Base64url(- _ 无填充)——用错的那一边解码,会得到「无效输入」或在填充边界静默损坏的字节。

实战调试 Base64

Base64 数据出问题时,最快的循环:解码 → 看结果 → 重新编码预期内容 → diff。JWT 签名验证失败通常不是签名坏了,而是 header 或 payload 用错了变体或字符编码解码,字节变了,签名校验自然失败。先把 token 送进 JWT 解码器;如果 JSON 干净,问题在别处。

数据载荷方面,覆盖全流程的两个工具就够:Base64 编码与解码器负责转换,结果是 JSON 时用 JSON 格式化器检查。两者都不上传任何内容,全部本地运行。

各语言的 Base64 实现:每个平台都自带编码器

你几乎永远不需要自己写算法——每个平台都内置实现,而 bug 就藏在这些实现的差异里:

语言编码解码UTF-8 提示
JavaScript(浏览器)btoa(binaryString)atob(s)btoa 只支持 Latin-1——先编码为 UTF-8 字节
Node.jsBuffer.from(s).toString('base64')Buffer.from(s,'base64').toString()正确处理 UTF-8
Pythonbase64.b64encode(b)base64.b64decode(s)操作 bytes 而非 str
Gobase64.StdEncoding.EncodeToStringbase64.StdEncoding.DecodeStringURL 版用 URLEncoding
Javajava.util.Base64.getEncoder()java.util.Base64.getDecoder()URL 版用 getUrlEncoder()
Shellbase64 / openssl base64 -ebase64 -d / openssl base64 -d注意 76 列折行

所有实现共通的失败模式:

  1. 编码字符串而不是它的字节。 Python 2 里 base64.b64encode("日本語") 编码的是完全错误的东西;正确写法是 b64encode("日本語".encode("utf-8"))。Python 2/3 迁移期生产了一整代双重编码或乱码的请求体,至今仍在遗留集成里出现
  2. 解码时的折行。 base64 -d 容忍空白,严格解码器不。MIME 折行的输入必须先展开再解码
  3. 变体不匹配。 JWT 库期待 Base64url;把带 +/= 的标准 Base64 放进 URL 语境,+ 会变成空格。始终让变体匹配通道
  4. 非法输入下的静默损坏。 部分解码器跳过非法字符而不是报错——"abc$def" 会被解出点什么而不是报错。安全敏感的解码(token、签名)要用拒绝字母表外字符的严格解码器

性能与替代格式

Base64 不是二进制转文本的唯一选项。在 33% 开销吃痛的场景,存在替代品:

  • 十六进制(Base16) — 每字节 2 字符、开销 100%,但调试极简单。用于需要人眼目视比较的短摘要和密钥,避免用于大量数据(SHA-256 摘要惯例用十六进制正是为此——见哈希指南)
  • Base85(Ascii85) — 每 4 字节 5 字符,开销仅 25%。PDF 和 PostScript 内部使用,但字母表含反斜杠和引号,在文本语境中脆弱
  • Base32 — 每 5 字节 8 字符,开销 60%,大小写不敏感,剔除易混字符(0/1)。人类手输代码的选择:软件许可证、TOTP 密钥、恢复码

决策规则很简单:过文本系统用 Base64,URL 用 Base64url,短且需人眼比较的值用十六进制,人输代码用 Base32。每个变体都为不同的失败模式优化——挑失败模式与你的通道匹配的那个。

常见问题


编码细节依据 RFC 4648。Base64url 的采用依据 RFC 4648 与 JWT(RFC 7519)。MIME 惯例依据 RFC 2045。