php源码分析之base64_encode函数

base64_encode编码规律分析

字符串长度除以3向上取整乘以4等于编码后的字符串长度

ceil(strlen($string)/3)*4 = strlen(base64_encode($string));

例如base64_encode("abcd") == "YWJjZA==" (2*4=8)

如果字符串长度除以3的余数是0,则编码后没有“=”符号,且如果每相邻3个字符块相同,则编码后相邻4个字符串相同,例如base64_encode("abcabc")=="YWJjYWJj"
如果字符串长度除以3的余数是1,则编码后有两个“=”符号,例如base64_encode("abcd") == "YWJjZA=="
如果字符串长度除以3的余数是2,则编码后有一个“=”符号,例如base64_encode("abcde") == "YWJjZGU="

这些规律是笔者在php源代码中总结出来的，如果感兴趣的话，请耐心听我分析

首先，我们打开实现base64_encode函数的源码文件（php源码/ext/standard/base64.c文件）

我把主要部分代码贴出来

..........................
static const char base64_table[] = {
    'A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J', 'K', 'L', 'M',
    'N', 'O', 'P', 'Q', 'R', 'S', 'T', 'U', 'V', 'W', 'X', 'Y', 'Z',
    'a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l', 'm',
    'n', 'o', 'p', 'q', 'r', 's', 't', 'u', 'v', 'w', 'x', 'y', 'z',
    '', '', '', '', '', '', '', '', '', '', '+', '/', '\0'
};
 
static const char base64_pad = '=';
.............................................
 
PHPAPI unsigned char *php_base64_encode(const unsigned char *str, int length, int *ret_length) /* {{{ */
{
    const unsigned char *current = str;
    unsigned char *p;
    unsigned char *result;
 
    if (length < ) {
        if (ret_length != NULL) {
            *ret_length = ;
        }
        return NULL;
    }
 
    result = (unsigned char *) safe_emalloc((length + ) / ,  * sizeof(char), );
    p = result;
 
    while (length > ) { /* keep going until we have less than 24 bits */
        *p++ = base64_table[current[] >> ];
        *p++ = base64_table[((current[] & 0x03) << ) + (current[] >> )];
        *p++ = base64_table[((current[] & 0x0f) << ) + (current[] >> )];
        *p++ = base64_table[current[] & 0x3f];
 
        current += ;
        length -= ; /* we just handle 3 octets of data */
    }
 
    /* now deal with the tail end of things */
    if (length != ) {
        *p++ = base64_table[current[] >> ];
        if (length > ) {
            *p++ = base64_table[((current[] & 0x03) << ) + (current[] >> )];
            *p++ = base64_table[(current[] & 0x0f) << ];
            *p++ = base64_pad;
        } else {
            *p++ = base64_table[(current[] & 0x03) << ];
            *p++ = base64_pad;
            *p++ = base64_pad;
        }
    }
    if (ret_length != NULL) {
        *ret_length = (int)(p - result);
    }
    *p = '\0';
    return result;
}
 
................................................
 
PHP_FUNCTION(base64_encode)
{
    char *str;
    unsigned char *result;
    int str_len, ret_length;
 
    if (zend_parse_parameters(ZEND_NUM_ARGS() TSRMLS_CC, "s", &str, &str_len) == FAILURE) {
        return;
    }
    result = php_base64_encode((unsigned char*)str, str_len, &ret_length);
    if (result != NULL) {
        RETVAL_STRINGL((char*)result, ret_length, );
    } else {
        RETURN_FALSE;
    }
}

PHP_FUNCTION(base64_encode)函数表示：注册base64_encode函数

函数中先定义一个字符串指针变量str(用来保存base64_encode传递过来的字符串参数),无符号指针变量result(用来保存编码后的字符串),整形str_len(字符串参数长度),ret_length(编码后的字符串长度)

zend_parse_parameters(ZEND_NUM_ARGS() TSRMLS_CC, "s", &str, &str_len)将参数字符串保存到str中，字符串长度赋值给str_len

调用php_base64_encode函数获取编码后的字符串到result中

如果result不为空的话通过RETVAL_STRINGL返回,否则返回false

php_base64_encode(const unsigned char *str, int length, int *ret_length)函数对字符串进行编码

这里主要看这段代码

//我命名为第一代码块
while (length > ) { /* keep going until we have less than 24 bits */
　　*p++ = base64_table[current[] >> ];
　　*p++ = base64_table[((current[] & 0x03) << ) + (current[] >> )];
　　*p++ = base64_table[((current[] & 0x0f) << ) + (current[] >> )];
　　*p++ = base64_table[current[] & 0x3f];
 
　　current += ;
　　length -= ; /* we just handle 3 octets of data */
}

我们假设需要编码的字符串为“abc”3个字符,则

第一个编码字符

current[0]为a (a字符的二进制为01100001)

current[0]>>2为24(00011000)

所以第一个编码字符是Y(base64_table[24]等于Y，对应前面定义的base64_table数组)

第二个编码字符

current[0] & 0x03<<4为16

current[1] >> 4为6(01100010>>4等于00000110等于6)

所以第二个编码字符是W(base64_table[22]等于W)

第三个编码字符

current[1] & 0x0f为2(01100010&00001111等于00000010等于2)

(current[1] & 0x0f) << 2为8(00000010<<2等于00001000等于8)

所以第三个编码字符是J(base64_table[9]等于J)

第四个编码字符

current[2] & 0x3f为35(01100011&00111111等于00100011等于35)

所以第四个编码字符为j(base64_table[35]等于j)

最后current指针加3到'\0'字符，length-3等于0，终止了while循环

此时的编码字符是YWJj(如果字符串是‘abcabcabc’这样的,那么编码字符串是YWJjYWJjWYJj,因为current移动3个字符执行的都是同样的算法)

我们继续往下看

由于length-3后变成了0

所以

//我命名为第二代码块
if (length != ) {
　　*p++ = base64_table[current[] >> ];
　　if (length > ) {
　　　　*p++ = base64_table[((current[] & 0x03) << ) + (current[] >> )];
　　　　*p++ = base64_table[(current[] & 0x0f) << ];
　　　　*p++ = base64_pad;
　　} else {
　　　　*p++ = base64_table[(current[] & 0x03) << ];
　　　　*p++ = base64_pad;
　　　　*p++ = base64_pad;
　　}
}

是不执行的，最终abc的编码为YWJj,请大家验证

假如字符串不是abc而是abcd,那么编码为YWJj.........了，我们继续来看上面的我命名的第二代码块

if(length!=0)//其实length要么等于0，要么等于1，要么等于2

abcd字符串经过while循环以后length=4-3=1了,current的指针转到d字符

在我命名的第二代码块中

*p++ = base64_table[current[0]>>2]的结果为Z

if(length>1)//false因为length==1

所以执行else里面的代码

*p++ = base64_table[(current[0]&0x03)<<]的结果为A

*p++ = base64_pad的结果为'='

*p++ = base64_pad的结果为'='

所以所以abcd字符的编码为"YWJjZA=="

字符串经过while循环后，3个字符作为一个块编码成4个字符，剩下的字符由if判断，如果剩下一个字符，则为两个编码字符和两个“=”，如果剩下两个字符，则为3个编码字符和一个“=”

这一点充分证明了我开始所讲的

感谢大家的耐心阅读，语言组织不到位的地方，欢迎大家通过评论提醒，在下随时更正