正则表达式无效的Base64字符

Question

如何创建match all invalid Base64个字符的正则表达式？ 我在堆栈[^a-zA-Z0-9+/=\n\r].*$上找到了，但是当我尝试时，我得到了带有-符号的结果字符串。 我根本不知道正则表达式，任何人都可以验证这是好还是坏的正则表达式？

Answer 1

对您的问题的简短回答是，如果邮件包含来自类[^A-Za-z0-9+/=\s]的字符的任何匹配，那么它包含无效的base-64字符，除了可以自由混合其他数据的MIME邮件（用于各种用途）与base-64流一起使用。 （在解码base-64对象之前删除这些其他字符。）

作为一个有幸帮助编写一个非常快速的基本64位编码程序内部的人，用每个机器指令处理多字节块，让我补充几点：

• base-64字母表为：ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/
• 输出必须根据需要填充零个或多个=符号，以便非空白字符的总长度为4的倍数。
• 那些等号只能出现在base-64消息的末尾，并且最多可以有两个消息。
• 无论使用何种类型，都应忽略空格。通常消息被包装到一定的边距（必须是四的倍数），但这不是必需的。 base 64编码的目的是将任意值（尤其是二进制数据）作为纯文本传输。理论上，你甚至可以使用base 64编码通过手机读取某人的JPEG图像。

因此，我建议验证base-64消息不仅仅是使用正则表达式。取而代之的是，

1. 消除所有空格并调用结果输出z的长度。
2. 计算基数为64的字母字符的数量x。
3. 计算邮件末尾的等号y。

4. 如果y最多为2且x + y = z，则返回有效，否则无效。

   • 注1：填充字符==或=不起任何保护数据完整性的目的，并且有许多base-64编码的衍生产品不使用它们。许多人认为填充几乎与CRLF行结束序列的CR部分一样无用且浪费处理时间。
   • 注意2：用于MIME编码的变体接受base-64字母表之外的字符包含在消息流中，但在解码base-64数据对象时只是丢弃它们。
   • 注3：我不喜欢现代术语“Base64”，因为它是一个非常丑陋的词。这个假词从未被原作为64位作家使用，但在未来9年的某个时候被采用。

您可以将大部分内容编码为正则表达式，如下所示（不对最后一个base-64数据块进行精确的长度检查）：

^\s*(?:(?:[A-Za-z0-9+/]{4})+\s*)*[A-Za-z0-9+/]*={0,2}\s*$

Answer 2

应该是^[a-zA-Z0-9+/\r\n]+={0,2}$ ¹ 。

目前它只匹配一个有效字符，然后允许后面的任何内容。所以，例如：

aGVsbG8sIHdvcmxkIQ==     match
aGV%sb-G8sIHdvcmxkIQ==   also a match (starts with "a")

最后删除.*，并在类中添加量词，它会强制整个字符串合法：

aGVsbG8sIHdvcmxkIQ==     match
aGV%sb-G8sIHdvcmxkIQ==   not a match

¹ 正如@pswg指出的那样，有效的base64不应该在值中包含= （因为=具有特殊含义，用作填料。