关于python：为什么我需要’b’来用Base64编码字符串？

Why do I need 'b' to encode a string with Base64?

在此python示例之后，我将字符串编码为Base64：

1
2
3
4

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

但是，如果我省略前导b：

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

我收到以下错误：

1
2
3
4
5

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

为什么是这样？

相关讨论

base64编码采用8位二进制字节数据，并且仅使用字符A-Z，A-Z，0-9，+，/ *进行编码，因此可以通过不保留所有8位字符的通道进行传输一点数据，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，它将成为一个字符串。字符串是Unicode字符序列。 base64不知道如何处理Unicode数据，它不是8位的。实际上，实际上并没有什么。 :-)

在第二个示例中：

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

所有字符都完全适合ASCII字符集，因此base64编码实际上是没有意义的。您可以将其转换为ascii

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

或更简单：

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

在这种情况下，这将是同一件事。

*大多数base64口味的末尾也可能包含=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，请参见Wikipedia的"变体"摘要表。

简短答案

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

1
2
3

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

或带有变量：

1
2
3
4

>>> 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样式的字符数组(因此它们不是字节数组)，而是它们是没有任何固有编码的数据结构。您可以通过多种方式对该字符串进行编码(或解释)。最常见的(在Python 3中是默认值)是utf-8，特别是因为它与ASCII向后兼容(尽管，使用最广泛的编码也是如此)。这就是当您使用string并在其上调用.encode()方法时发生的情况：Python正在以utf-8(默认编码)解释字符串，并为您提供与其对应的字节数组。

Python 3中的Base-64编码

最初，问题标题是关于Base-64编码的。继续阅读有关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'='进行编码(某些编码使用不同的字符代替" +"和" /')。这是基于基数64或基数64的数字系统的数学构造的字符编码，但是它们有很大的不同。数学中的Base-64是一个数字系统，例如二进制或十进制，您可以对整个数字进行基数更改，或者(如果要转换的基数是2的乘方小于64，则从右到大)剩下。

在base64编码中，翻译是从左到右完成的；前64个字符是为什么将其称为base64编码的原因。第65个'='符号用于填充，因为编码会提取6位块，但通常要编码的数据是8位字节，因此有时最后一块中只有2或4位。

例：

1
2
3
4
5
6

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

如果您将二进制数据解释为单个整数，则可以通过以下方法将其转换为base-10和base-64(base-64表)：

1
2
3

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

但是，base64编码将重新组合此数据：

1
2
3

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，从数学上来说，" B0ZXN0"是我们二进制文件的base-64版本。但是，base64编码必须沿相反方向进行编码(因此原始数据将转换为" dGVzdA")，并且还具有一条规则来告诉其他应用程序最后还剩下多少空间。这是通过在末尾添加'='符号来完成的。因此，此数据的base64编码为'dGVzdA =='，带有两个'='符号以表示当解码该数据以使其与原始数据匹配时，需要从末端删除两对位。

让我们测试一下，看看我是否不诚实：

1
2
3

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

为什么使用base64编码？

假设我必须通过电子邮件将某些数据发送给某人，例如以下数据：

1
2
3
4
5
6

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

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

我植入了两个问题：

如果我尝试在Unix上发送该电子邮件，则该电子邮件将在读取\x04字符后立即发送，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。

另外，虽然Python足够聪明，可以在我直接打印数据时转义我所有的邪恶控制字符，但是当该字符串被解码为ASCII时，您可以看到'msg'不存在。那是因为我使用了三个BACKSPACE字符和三个SPACE字符来擦除'msg'。因此，即使我没有EOF字符，最终用户也无法将屏幕上的文本转换为真实的原始数据。

这只是一个演示，向您展示简单发送原始数据有多困难。将数据编码为base64格式可为您提供完全相同的数据，但格式应确保可以安全地通过电子媒体(例如电子邮件)发送。