2023-04 Base64 讲解（程序结构作业课）

内容梗概

本课是一次线下作业课，分为两部分。开头约 5 分钟老师介绍了本学期后续课程的整体安排：剩余 11 节课中，6 节课留给 Web 开发、爬虫、数据可视化三个实战模块（各两周），"函数与类"和"数据类型进阶"两章不再线下重复、要求自行看视频，其余每周对应第 6~9 章各一节。主体内容围绕 Base64 作业展开：从名字来源（base 进制概念）讲起，解释 Base64 编码的背景动机（基于文本的传输协议无法直接传二进制数据），手工演示了 "Man" 的完整编码过程（含补零和 = 填充），随后在 VS Code 中带着大家从零手写了一个 Base64 编码函数，最后布置了作业要求。课的末尾把剩余时间留给学生自己练习。

知识点详解

1. 课程进度安排说明（约 00:00 - 04:40）

• 本学期还剩 11 节课：今天讲程序结构的 Base64 作业；后续 4 节分别对应输入输出文件、目录、模块、包与第三方库；最后 3 个实战模块（Web 开发、爬虫、数据可视化）各占两周（共 6 节）。
• 第 5 章（数据类型进阶）和第 11 章附近的"函数与类"内容有视频且后续课程中会反复用到，不再线下重复，需自行安排看视频。
• 第 6、7、8、9 章每周线下对应一章，老师会做演示、实验和练习。
• 数据可视化部分会涉及 pandas；老师提到 Office 365 已内置 Python 并与 pandas 结合。
• 本课程定位是"引子"：只给初步概念、带做最基本操作，不必焦虑两周能否学完实战内容。

2. Base64 名字的含义（约 06:50 - 10:55）

• base64 = 英文单词 base + 数字 64，即以 64 为 base（基数）的算法。
• 类比进制概念：十进制 base 为 10，二进制 base 为 2。
• 引出 Python 内置函数 int()：int("16") 默认按 base=10 转换；int("1101010", base=2) 或等价写法把二进制字符串转为十进制数（课堂演示结果为 106）。int() 的第二个参数名就叫 base，返回值总是十进制。

3. Base64 的核心功能与符号表（约 10:55 - 12:43）

• Base64 本质上**不是数字、不表示数字，而是表示数据**：核心功能是把任意数据转换为**可打印文本**（printable text），编码结果中不会出现不可见字符。
• 64 个符号的构成：
• 大写字母 A-Z：26 个
• 小写字母 a-z：26 个（累计 52）
• 数字 0-9：10 个（累计 62）
• + 和 /（正斜杠，即 Linux 路径分隔符方向的那个）：2 个（累计 64）

4. 为什么需要 Base64：基于文本的传输协议（约 12:43 - 19:10）

• 互联网很多**协议是基于文本的**，最有名的是 HTTP（超文本传输协议）：浏览器发出的 request 和服务器返回的 response 都是人类可读的文本（课堂用浏览器 F12 打开百度页面，在 Network 面板查看请求头演示）。
• 但 HTTP 要传"超文本"内容：音乐、图像、视频等多媒体数据含大量不可打印字节。典型问题是 0x00：C 语言中 \0 表示字符串结束，HTTP 协议同样用 00 标志请求结束。
• 举例：RGB 表示像素时 R、G、B 各取 0~255，黑色像素 000000（十六进制）的三个分量全为 0，一张图里黑色像素比比皆是，直接按文本传输会立刻出错。
• 除 HTTP 外还有 SMTP（发邮件的协议），同样基于文本（都以 TP 结尾，文本传输协议）；邮件附件（图片、甚至钓鱼邮件里的可执行程序）必然包含 0x00 字节，因此急需一种方法把任意二进制数据统一翻译成可打印字符——Base64 应运而生。

5. Base64 编码算法的手工推演（约 19:10 - 28:10）

• 基本思路：1 个字节 = 8 个 bit，表示范围 0~255；把范围缩小到 0~63，对应的二进制宽度是 6 bit（6 bit 最大为 63）。因此把原始字节流展开成二进制后，**每 6 个 bit 一组**重新分组。
• 课堂用 Python 逐步演示（以 "Man" 为例）：
• ord('m') → 77，bin(77) → 0b1001101，去掉 0b 前缀并在前面补零凑足 8 bit：01001101。
• 同理把 a、n 各自转成 8 bit 串。
• 三个字节拼成 24 bit 序列，按 6 bit 一组切成 4 组。
• 每组用 int(串, base=2) 转成十进制数（课堂演示得到 19、22、5、46）。
• 把这组数字当作**下标**到 64 字符表（A-Z、a-z、0-9、+、/）中查字符：19→T、22→W、5→F、46→u，即 "Man" 的 Base64 编码为 TWFu（字幕中口述为 "TWFU"，按算法应为 TWFu）。
• 长度除不尽时的处理（截断与填充）（约 26:25 - 28:10）：
• 3 字节 = 24 bit 恰好被 6 整除；若字节数不是 3 的倍数，最后一组不足 6 bit 时**在后面补 0** 凑足 6 bit，再转字符。
• 之后还需做 padding 补齐：不写字母、直接用等号 = 补足长度。剩 4 bit（即少 1 个字节）时补 1 个 =；剩 2 bit（少 2 个字节）时补 4 个 0 并补 2 个 =。
• 实用提示：打 CTF 时看到一串莫名其妙的字符以 = 结尾，可以盲猜是 Base64，丢进解码器试试。

6. 手写 Base64 编码函数的代码要点（约 28:10 - 53:12）

• 文件命名陷阱：文件不能叫 base64.py，因为 Python 标准库已有同名模块 base64，会产生命名空间冲突（import 时不知道指谁），要刻意错开命名。
• 作业**不允许直接 import base64 调库**（老师演示用 Copilot 自动补全一行 import base64 后明确否定）；作业目的是练熟**列表、切片、循环**等控制语句。真实场景（如打 CTF）当然直接用现成工具。
• 编码函数的实现步骤（课堂上在 VS Code 中边写边测）：
• 定义函数，参数名取 data（可接收任何数据，甚至直接读入的二进制文件）。
• 遍历：for b in data:——若 data 是二进制序列，则每次迭代把一个字节放入 b（隐含知识点）。注意 byte 是关键词/易冲突名，循环变量改用 b。
• 转二进制串：ord() 可把字符或字节转成 int（其输入可以是 string、byte、byte array），再套 bin() 得到二进制字符串。
• 处理 bin() 结果的两个问题：
  • 有 0b 前缀 → 用切片 [2:] 去掉（从下标 2 开始取到末尾）；
  • 不一定够 8 位 → 前面补零：朴素写法 while len(temp) < 8: temp = "0" + temp（0 要补在前面）。
• 养成**写一段测一段**的习惯：每一步打印中间结果验证（老师演示中差点因比较符少写一个 =、变量名写成 b 而非 temp 翻车）。
• 拼接：定义空串 before_regroup，循环中 before_regroup += temp，把所有 8 bit 串连成一个整体。
• 重新分组：for i in range(0, len(before_regroup), 6):，用 group = before_regroup[i:i+6] 切片取 6 bit 一组（注意字符串切片用方括号、冒号，不是函数调用）。
• 转下标：index = int(group, 2)（把 6 bit 二进制串转成数字，作为字符表索引）。
• 构造 64 字符表（约 44:16 - 50:48）：
  • 方法一：列表推导式 + chr()/ord()。ord('A') 是 65，用 [chr(x) for x in range(65, 65+26)] 生成 A-Z；列表推导式形式为 [表达式 for 变量 in 旧列表]。
  • 简化写法：直接 range(ord('A'), ord('A')+26)。
  • 复习 ord() 与 chr()：ord() 字符→数字；chr() 数字→对应 ASCII 字符。
  • 拼完整表：A-Z 列表 += a-z 列表 += 0-9 列表 += ['+', '/']（课堂通过复制终端结果逐段 += 完成）。
• 查表并拼接结果：encoded = base64表[index]，encoded_string += encoded，循环结束后 return encoded_string。
• 老师故意留的坑：课堂代码**没有处理字节数非 3 倍数时的补零与 = padding**，也**没有写解码过程**——这两部分是作业要完成的内容。

7. 其他零散知识点

• Windows 终端退出 Python 交互模式（>>>）：Ctrl+C 退不出去，用 Ctrl+Z 回车（约 28:42）。
• 老师提到可安装 Anaconda 以使用 Jupyter Notebook 演示，但自己电脑没装，本课直接在 VS Code 里写。
• 老师课前误删了作业 PPT（更新仓库时覆盖掉了），本课靠白板+视频+维基百科的 Base64 示意图现场讲。

示例与演示

• int() 与 base 演示：终端中 int("16") → 16；int("1101010", base=2) → 106，说明 base 参数语义与"返回值总是十进制"。
• HTTP 协议基于文本的演示：浏览器访问百度，F12 → Network 面板，查看最上方请求的文本形式请求头。
• 手工编码 "Man" → TWFu：完整走了一遍 ord → bin → 补零凑 8 bit → 拼接 24 bit → 6 bit 分组 → int(x, 2) 转下标 → 查表得字符的流程。
• 截断/填充推演：以 "Ma"（2 字节）为例演示剩余 4 bit 补零转字符后补 1 个 =；以单字节为例演示剩余 2 bit 补 4 个 0 后补 2 个 =。
• VS Code 现场编码：从零写出 Base64 编码函数（步骤见知识点详解第 6 节），每完成一步立即运行打印验证（以 "Man" 为测试输入）。
• 作业要求：
• 基于课堂代码继续完成：补齐"长度非 3 的倍数时补零 + = padding"的逻辑，并自行实现 Base64 **解码**过程。
• 不允许 import base64 直接调库（作业目的是练列表、切片、循环）。
• 提交方式：不需要新建仓库；把之前的作业仓库克隆下来（若本地还有就更方便），新建分支 0x02，在该分支上写代码并 push。还没绑定邮箱/收不到验证码的同学可先在本地写好，等信息化处发验证码后再提交。

重点与难点

• Base64 是"数据→可打印文本"的编码，不是数字进制、更不是加密：名字虽来自进制概念，但它表示的是数据。
• 8 bit → 6 bit 的重新分组是算法核心：6 bit 恰好表示 0~63，对应 64 个可打印符号；老师口误把"六个比特"说成"三个比特"后当场纠正，需注意（3 bit 只有 8 种取值）。
• bin() 结果的两个坑：自带 0b 前缀需切片 [2:] 去掉；不足 8 位要在**前面**补零（"0" + temp，不是 temp + "0"）。
• 补零与 = padding 是本作业的留白：课堂代码只处理了整除情况，作业必须自己实现非整除时的补零、padding 及解码。
• 文件命名避开标准库同名模块：自己的脚本不要叫 base64.py，否则 import 冲突。
• 禁止直接调库：作业目的是练列表、切片、循环控制语句；import base64 一行解决不算完成作业。
• 细节易错点：切片用 [i:i+6]（冒号，非函数调用的逗号）；比较运算符是 == 不是 =；range(0, len(s), 6) 的步长为 6。

关联内容

• 前置知识：进制概念（十进制/二进制/base）；C 语言中 \0 字符串结束符；Python 内置函数 int(x, base)、ord()、chr()、bin()；字符串切片、range() 步长、列表推导式、循环与累加拼接——都是此前章节（数据类型、程序结构）的内容，本课作业正是为了练熟它们。
• 与后续章节的关联：HTTP、SMTP 等基于文本的协议在本课只作背景介绍，HTTP request/response 的结构会在后续 Web 开发 与 爬虫 实战模块中深入使用；二进制文件的处理与后续 输入输出文件 章节相关。
• 与工程实践的关联：作业通过 Git 分支（0x02）提交，延续此前课程建立的仓库+分支工作流；Base64 在 CTF 竞赛中常见（看到 = 结尾的字符串可盲猜 Base64）。
• 课程安排关联：本课说明第 5 章（数据类型进阶）与函数/类章节只在线上看视频，第 6~9 章每周线下对应一章，最后三周为 Web 开发、爬虫、数据可视化实战。