无效 Base64 字符的正则表达式

Question

如何创建 匹配所有无效 Base64 字符的正则表达式？我在堆栈上找到了 [^a-zA-Z0-9+/=\n\r].*$ 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，如果消息包含来自类 [^A-Za-z0-9+/=\s] 的字符的任何匹配项，那么它包含一个无效的base-64 字符，MIME 消息除外，MIME 消息可以自由地将其他数据(用于各种目的)与 base-64 流混合在一起。 (这些其他字符在解码 base-64 对象之前被删除。)

作为一个有幸帮助编写了一个非常快速的 base 64 编码程序的内部结构的人，该程序使用每条机器指令处理多字节 block ，让我添加一些评论:

• base-64 字母表是:ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/
• 输出必须根据需要用零个或多个 = 符号填充，以便非空白字符的总长度是四的倍数。
• 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。
• 不管是什么类型的空格都应该被忽略。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，您甚至可以使用 base 64 编码通过电话向某人阅读 JPEG 图片。

因此，对于验证 base-64 消息，我的建议是不仅仅是使用正则表达式。相反，

1. 消除所有空格并将结果输出的长度称为z。
2. 计算 base-64 字母字符的 x 个数。
3. 计算消息末尾的等号 y 个数。

4. 如果 y 最多为 2 且 x + y = z 则返回有效，否则返回无效。

   • 注1:填充字符==或=对保护数据的完整性没有任何作用，base-64编码有很多衍生形式不使用它们。许多人认为填充几乎与 CRLF 行结束序列的 CR 部分一样无用和浪费处理时间。
   • 注意 2:用于 MIME 编码的变体接受将 base-64 字母表之外的字符包含在消息流中，但在解码 base-64 数据对象时简单地丢弃它们。
   • 注意 3:我不喜欢现代术语“Base64”，因为它是一个极其丑陋的词。这个假词从未被最初的 base-64 作者使用，但在接下来的九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(无需对最后一个 base-64 数据 block 进行精确长度检查):

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