“设计用于处理文本数据的媒体”是什么意思?

在ASCII码统治世界的时候，处理非ASCII码的值是一件令人头痛的事情。为了在不丢失信息的情况下将这些信息通过网络传输，人们经历了各种各样的考验。

为文本数据设计的媒体当然最终也是二进制的，但是文本媒体通常使用某些二进制值作为控制字符。此外，文本媒体可能会拒绝某些二进制值作为非文本。

Base64编码将二进制数据编码为只能在文本媒体中解释为文本的值，并且不包含任何特殊字符和/或控制字符，因此数据也可以在文本媒体中保存。

您的第一个错误是认为ASCII编码和Base64编码是可互换的。事实并非如此。它们有不同的用途。

当您用ASCII编码文本时，您从文本字符串开始，并将其转换为字节序列。 在Base64中编码数据时，从一个字节序列开始，并将其转换为文本字符串。

为了理解为什么Base64首先是必要的，我们需要一点计算的历史。

计算机以二进制(0和1)进行通信，但人们通常希望使用更丰富的表单数据(如文本或图像)进行通信。为了在计算机之间传输这些数据，首先必须将其编码为0和1，然后发送，然后再次解码。以文本为例，有许多不同的方法来执行这种编码。如果我们都能同意一种编码，那就简单多了，但遗憾的是，事实并非如此。

Originally a lot of different encodings were created (e.g. Baudot code) which used a different number of bits per character until eventually ASCII became a standard with 7 bits per character. However most computers store binary data in bytes consisting of 8 bits each so ASCII is unsuitable for tranferring this type of data. Some systems would even wipe the most significant bit. Furthermore the difference in line ending encodings across systems mean that the ASCII character 10 and 13 were also sometimes modified.

为了解决这些问题，引入了Base64编码。这允许您将任意字节编码为已知可以安全发送而不会被损坏的字节(ASCII字母数字字符和一对符号)。缺点是使用Base64编码消息会增加它的长度——每3个字节的数据被编码为4个ASCII字符。

为了可靠地发送文本，您可以首先使用您选择的文本编码(例如UTF-8)将其编码为字节，然后使用Base64将结果二进制数据编码为可以安全地以ASCII编码发送的文本字符串。接收方将不得不反转此过程以恢复原始消息。当然，这需要接收方知道使用了哪些编码，而这些信息通常需要单独发送。

历史上，它被用于编码电子邮件消息中的二进制数据，其中电子邮件服务器可能修改行结束符。一个更现代的例子是使用Base64编码直接在HTML源代码中嵌入图像数据。这里需要对数据进行编码，以避免'<'和'>'这样的字符被解释为标记。

下面是一个工作示例:

我想发一条短信，两行字:

Hello
world!

如果我把它作为ASCII(或UTF-8)发送，它会像这样:

72 101 108 108 111 10 119 111 114 108 100 33

字节10在某些系统中被损坏，因此我们可以将这些字节以Base64编码为Base64字符串:

SGVsbG8Kd29ybGQh

当使用ASCII编码时，看起来是这样的:

83 71 86 115 98 71 56 75 100 50 57 121 98 71 81 104

这里的所有字节都是已知的安全字节，因此任何系统破坏此消息的可能性很小。我可以发送这个而不是我的原始消息，并让接收者反向处理以恢复原始消息。

“媒体是”是什么意思 设计用于处理文本数据”?

这些协议被设计用来处理文本(通常只有英文文本)，而不是二进制数据(如.png和.jpg图像)。

他们可以处理二进制=>他们可以 处理任何事情。

但反过来就不对了。为表示文本而设计的协议可能不恰当地处理恰好包含以下内容的二进制数据:

字节0x0A和0x0D，用于行结束，因平台而异。 其他控制字符，如0x00 (NULL = C字符串结束符)，0x03(文本结束)，0x04(传输结束)，或0x1A (DOS文件结束)，可能过早地表示数据结束。 大于0x7F的字节(如果协议是为ASCII设计的)。 无效的UTF-8字节序列。

所以你不能仅仅通过基于文本的协议发送二进制数据。您只能使用表示非空格非控制ASCII字符的字节，其中有94个。选择64进制的原因是，它可以更快地计算2的幂，而64是最大的。

但有一个问题。这是怎么回事 系统仍然没有达成共识 像这样的编码技术很常见 utf - 8 ?

至少在网络上，他们大多是这样做的。大多数站点使用UTF-8。

在西方的问题是，有很多旧的软件，1字节= 1个字符，不能与UTF-8工作。

东方的问题在于他们对GB2312和Shift_JIS等编码的依赖。

事实上，微软似乎仍然没有从选择错误的UTF编码中恢复过来。如果您想使用Windows API或Microsoft C运行时库，则只能使用UTF-16或区域设置的“ANSI”编码。这使得使用UTF-8非常痛苦，因为您必须一直进行转换。

更重要的是，媒体验证字符串编码，因此我们希望确保处理应用程序可以接受数据(例如，不包含表示EOL的二进制序列)。

假设您希望在编码为UTF-8的电子邮件中发送二进制数据——如果1和0的流创建的序列不是有效的UTF-8编码的Unicode，则电子邮件可能无法正确显示。

当我们想在URL中编码对URL本身无效的字符时，同样的事情也会发生在URL中:

http://www.foo.com/hello我的朋友-> http://www.foo.com/hello%20my%20friend

这是因为我们想在一个系统上发送一个空间，这个系统会认为这个空间很臭。

我们所做的只是确保在已知的良好、可接受且无害的比特序列与另一个比特文字序列之间存在1对1的映射，并且处理应用程序不会区分编码。

在你的例子中，man可能是第一种形式的有效ASCII;但通常你可能想要传输随机二进制值(例如在电子邮件中发送图像):

MIME-Version: 1.0 内容描述:"Base64编码的。gif" 内容类型:/ gif图像;name = " a.gif " Content-Transfer-Encoding: Base64 附加:附件;文件名= " a.gif "

在这里，我们看到GIF图像以base64编码为电子邮件的一个块。电子邮件客户端读取标题并解码。由于编码，我们可以确保GIF不包含任何可能被解释为协议的内容，并且我们避免插入SMTP或POP可能认为重要的数据。

而不是转义特殊字符

我将给您一个非常不同但真实的例子:我编写javascript代码以在浏览器中运行。HTML标记有ID值，但是在ID中哪些字符有效是有限制的。

但是我希望我的ID无损地引用文件系统中的文件。现实中的文件中可以有各种各样奇怪而奇妙的字符，从感叹号、重音字符、波浪号，甚至是表情符号!我不能这样做:

<div id="/path/to/my_strangely_named_file!@().jpg">
    <img src="http://myserver.com/path/to/my_strangely_named_file!@().jpg">
    Here's a pic I took in Moscow.
</div>

假设我想运行这样的代码:

# ERROR
document.getElementById("/path/to/my_strangely_named_file!@().jpg");

我认为这段代码在执行时会失败。

使用Base64，我可以引用一些复杂的东西，而不用担心哪种语言允许哪些特殊字符以及哪些需要转义:

document.getElementById("18GerPD8fY4iTbNpC9hHNXNHyrDMampPLA");

与使用MD5或其他哈希函数不同，您可以反向编码以找出真正有用的数据。

我希望我64年前就知道Base64。如果使用' encodeURIComponent '和str.replace(' \n '， ' \\n ')，我就不会把我的头发扯掉了。

SSH传输文本:

如果你试图通过ssh传递复杂的数据(例如，一个dotfile，这样你就可以得到你的shell个性化)，在没有base64的情况下，祝你好运。这是你用64进制来做的(我知道你可以使用SCP，但这需要多个命令-这使得ssh到服务器的键绑定复杂化):

https://superuser.com/a/1376076/114723