Base85 エンコーダー・デコーダー

Base85 とは

Base85 は、4 バイトごとに 5 文字に変換するエンコード方式の総称です。85 進数の 5 桁で 85 × 85 × 85 × 85 × 85 = 4,437,053,125 通りの値を表せ、これは任意の 32 ビット数をちょうど収められる大きさです。そのため、Base64 では出力が 33% 大きくなるのに対し、Base85 では 25% の増加で済みます。

Base85 のアルファベットは複数あり、互換性はありません。Ascii85（Adobe、PDF）、Z85（ZeroMQ）、そしてこのページのものです。このページのアルファベットは、0-9、A-Z、a-z と 23 個の記号 !#$%&()*+-;<=>?@^_`{|}~ を使います。引用符、カンマ、ピリオド、スラッシュ、コロン、バックスラッシュ、角かっこは含まれません。

RFC 1924、Git、Python

この文字セットは、1996 年 4 月 1 日にエイプリルフールのジョークとして公開された RFC 1924「A Compact Representation of IPv6 Addresses」（IPv6 アドレスのコンパクトな表現）に由来します。この RFC は、128 ビットの IPv6 アドレスを、ちょうど 20 文字の 85 進数 1 つで表記することを提案しました。IPv6 アドレスを実際にそう書く人はいませんが、このアルファベットは後に一般的なバイナリデータ向けに再利用されました。

• Git は、パッチ内のバイナリファイル（git diff --binary、git format-patch）を zlib で圧縮したうえでこのアルファベットでエンコードし、各行の先頭に長さを示す文字を付けて格納します。
• Python 3.4 以降には base64.b85encode() と b85decode() があり、その出力はこのツールと一致します。
• Mercurial も、Git 形式の差分に含まれるバイナリファイルに同じエンコードを使います。

なお、RFC 1924 は 128 ビットのアドレス全体を一度に変換しますが、Git、Python、このツールは 4 バイト単位で処理します。そのため、16 バイトの値では RFC の方式とは異なる結果になります。

端数のある最後のグループ

入力の長さが 4 の倍数でない場合は、最後のグループをゼロバイトで埋めてエンコードし、先頭の n + 1 文字だけを残します。1 バイトは 2 文字、2 バイトは 3 文字、3 バイトは 4 文字になります。デコーダーはこの処理を逆にたどるため、パディング文字は必要ありません。Ascii85 の z とは異なり、この方式にはゼロバイトを省略する表記はありません。

# Python 3.4 以降
import base64
base64.b85encode(b'hello')      # b'Xk~0{Zv'
base64.b85decode(b'Xk~0{Zv')    # b'hello'