为什么我需要＆＃39; b＆＃39;使用Base64编码字符串？

Question

在python example之后，我将字符串编码为Base64，其中包含：

>>> import base64
>>> encoded = base64.b64encode(b'data to be encoded')
>>> encoded
b'ZGF0YSB0byBiZSBlbmNvZGVk'

但是，如果我遗漏了领先的b：

>>> encoded = base64.b64encode('data to be encoded')

我收到以下错误：

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "C:\Python32\lib\base64.py", line 56, in b64encode
   raise TypeError("expected bytes, not %s" % s.__class__.__name__)
   TypeError: expected bytes, not str

为什么会这样？

Answer 1

base64编码采用8位二进制字节数据并对其进行编码仅使用字符A-Z，a-z，0-9，+，/ *所以它可以通过不保留所有8位数据的通道传输，例如电子邮件。

因此，它需要一个8位字节的字符串。您可以使用b''语法在Python 3中创建它们。

如果删除b，它将变为字符串。字符串是一系列Unicode字符。 base64不知道如何处理Unicode数据，它不是8位。事实上，这并不是真的。 ： - ）

在你的第二个例子中：

>>> encoded = base64.b64encode('data to be encoded')

所有字符都整齐地适合ASCII字符集，因此base64编码实际上有点无意义。您可以使用

将其转换为ascii

>>> encoded = 'data to be encoded'.encode('ascii')

或更简单：

>>> encoded = b'data to be encoded'

在这种情况下，这将是同一件事。

---

*大多数base64风格最后还可能包含=作为填充。此外，某些base64变体可能使用+和/以外的字符。有关概述，请参阅维基百科的Variants summary table。

Answer 2

简答

您需要将bytes-like对象（bytes，bytearray等）推送到base64.b64encode()方法。这有两种方式：

>>> data = base64.b64encode(b'data to be encoded')
>>> print(data)
b'ZGF0YSB0byBiZSBlbmNvZGVk'

或使用变量：

>>> string = 'data to be encoded'
>>> data = base64.b64encode(string.encode())
>>> print(data)
b'ZGF0YSB0byBiZSBlbmNvZGVk'

为什么？

在Python 3中，str对象不是C风格的字符数组（因此它们是不是字节数组），而是它们是没有任何固有编码的数据结构。您可以通过各种方式对该字符串进行编码（或解释它）。最常见的（在Python 3中是默认的）是utf-8，特别是因为它向后兼容ASCII（尽管是最广泛使用的编码）。这就是当您使用string并在其上调用.encode()方法时发生的事情：Python正在解释utf-8中的字符串（默认编码）并为您提供它对应的字节数组到。

Python 3中的Base-64编码

最初问题标题是关于Base-64编码的。继续阅读Base-64的内容。

base64编码采用6位二进制块并使用字符AZ，az，0-9，'+'，'/'和'='对它们进行编码（某些编码使用不同的字符代替'+'和'/'）。这是一个基于radix-64或base-64数字系统的数学结构的字符编码，但它们是非常不同的。数学中的Base-64是一个数字系统，如二进制或十进制，你可以在整个数字上进行基数更改，或者（如果你转换的​​基数是2的幂小于64）从右到右的块左

在base64编码中，翻译是从左到右完成的;前64个字符是base64 编码的原因。第65个'='符号用于填充，因为编码会拉出6位块，但通常要编码的数据是8位字节，所以有时在最后一个块中只有两个或4个位。

示例：

>>> data = b'test'
>>> for byte in data:
...     print(format(byte, '08b'), end=" ")
...
01110100 01100101 01110011 01110100
>>>

如果您将该二进制数据解释为单个整数，那么您可以将其转换为base-10和base-64（table for base-64）：

base-2:  01 110100 011001 010111 001101 110100 (base-64 grouping shown)
base-10:                            1952805748
base-64:  B      0      Z      X      N      0

然而，

base64 编码会重新对这些数据进行分组：

base-2:  011101  000110  010101 110011 011101 00(0000) <- pad w/zeros to make a clean 6-bit chunk
base-10:     29       6      21     51     29      0
base-64:      d       G       V      z      d      A

因此，'B0ZXN0'是我们二进制的base-64版本，从数学上讲。但是，base64 编码必须以相反的方向进行编码（因此原始数据会转换为'dGVzdA'）并且还有一条规则告诉其他应用程序剩余多少空间在最后。这是通过用'='符号填充末尾来完成的。因此，此数据的base64编码为'dGVzdA =='，其中两个'='符号表示当此数据被解码以使其与原始数据匹配时，需要从末尾删除两对位数据

让我们测试一下，看看我是不是在做不诚实：

>>> encoded = base64.b64encode(data)
>>> print(encoded)
b'dGVzdA=='

为什么要使用base64编码？

假设我必须通过电子邮件向某人发送一些数据，例如：

>>> data = b'\x04\x6d\x73\x67\x08\x08\x08\x20\x20\x20'
>>> print(data.decode())

>>> print(data)
b'\x04msg\x08\x08\x08   '
>>>

我种植了两个问题：

1. 如果我尝试在Unix中发送该电子邮件，则会在读取\x04字符后立即发送电子邮件，因为这是END-OF-TRANSMISSION的ASCII（Ctrl-D），因此其余数据将被排除在传输之外。
2. 此外，虽然Python在我直接打印数据时足够智能以逃脱所有恶意控制字符，但当该字符串被解码为ASCII时，您可以看到'msg'不在那里。那是因为我使用了三个BACKSPACE字符和三个SPACE字符来删除'msg'。因此，即使我没有EOF字符，最终用户也无法从屏幕上的文本转换为真实的原始数据。

这只是一个演示，向您展示简单地发送原始数据是多么困难。将数据编码为base64格式可以为您提供完全相同的数据，但格式可确保通过电子邮件等电子媒体进行发送是安全的。

Answer 3

如果要编码的数据包含“异国情调”字符，我认为你必须编码为“UTF-8”

encoded = base64.b64encode (bytes('data to be encoded', "utf-8"))

Answer 4

您需要的一切：

expected bytes, not str

前导b会使您的字符串成为二进制文件。

您使用的是哪个版本的Python？ 2.x或3.x？

修改：有关Python 3.x中字符串的详细信息，请参阅http://docs.python.org/release/3.0.1/whatsnew/3.0.html#text-vs-data-instead-of-unicode-vs-8-bit

Answer 5

如果字符串是unicode，最简单的方法是：

import base64                                                        

a = base64.b64encode(bytes(u'complex string: ñáéíóúÑ', "utf-8"))
b = base64.b64decode(a).decode("utf-8", "ignore")                    

print(b)    

Answer 6

b只是意味着您将输入作为字节或字节数组而不是字符串。