Question

我真的很想知道我是否真的是第一个提出这个问题的人，或者我是如此盲目地找到了一些关于这个...

我有一个较长的文本，我想删除它的base64编码字符串

我是一个文字，并且有一些内容包含一些内容

有多行，但有时我有

aSBhbSBhIG5vcm1hbCB0ZXh0IHRoYXQgd2FzIGNvZ

GVkIGluIGJhc2UgNjQgYW5kIG5vdyBpIHdhcyB0cmFu

c2xhdGVkIGJhY2sgdG8gYmxhbmsgdGV4dGZvcm1hd

C4gaSB0aGFuayB5b3UgZm9yIHBheWluZyBhdHRlbnRp

b24uIGJ5ZQ ==

这就是我想用php
去除/提取的东西

正如您所看到的，文本中有base64编码数据，我想提取/去除这些行。

我已经尝试过很多类似

的正则表达式样本

$regex = '@^(?:[A-Za-z0-9+/]{4})*(?:[A-Za-z0-9+/]{2}==|[A-Za-z0-9+/]{3}=)?$@m';
preg_match($regex, $content, $output_array );

但这没有解决任何问题......

我需要的是只选择基本字符串的正则表达式...

这甚至可能吗？我的意思是可以通过正则表达式选择base64吗？我想：）

编辑：字符串 - 来源是电子邮件的内容

EDIT2：猜测这种情况的最佳语法是你的轨道字符串，它有多个带字符的字符，并且可以有数字且没有空格。但正则表达式不是我的日常面包：D

Answer 1

首先：你无法可靠地做到这一点！

<强>为什么吗

简单来说，base64在某些情况下如此之大的原因在于，它使用“标准”字符对所有数据进行编码。那些用于普通文本，句子，是的，甚至是单词。

<强>背景

“Hello”是base64编码的字符串吗？嗯，是的，它的意思是“有效的base64编码”。它可能会返回很多乱码，但它是一个base64-ok字符串。

因此，您只能决定一个长度，在该长度之后您考虑连接的字符，而没有任何空格进行base64编码。当然，在德语这样的语言中，你可能会遇到一些麻烦，就像有一个复合名词，比如“Bäckerfachverkäuferinnenhosenherstellungsautomatenzuliefererdienst”等等（就这样做了）。

解决方法

所以在你必须决定自己的长度上，然后你可以用这个：

[a-zA-Z0-9\+\/\=]{20,}

另见此处示例：https://regex101.com/r/uK5gM1/1

我认为“20”是这里“base64编码的东西”的最小长度，但如上所述，这取决于你。另外，作为一个小旁注，=不是真正的编码内容，而是填充字节，但我仍然将其添加到正则表达式。

编辑： Gna ..你甚至可以在我的例子中看到我没有抓到最后一行:)当将数字改为12时，它在这里工作正常，但可能有更多的单词超过12个字符...所以 - 如上所述，这种方式不太可靠。

Answer 2

对于示例中的代码段/^\w{53}$/gm执行此任务。如果你可以依靠长度。

修改

考虑到环境和更新，我会选择/\n([\w=\n]{50,})\n/gs，但如果没有元数据，猜测解码内容的mime类型可能会很棘手，而且几乎不可能恢复文件名等。

从长文本中删除Base64字符串

2 个答案: