カスタムアルファベットによるエンコード・デコード

バイト列を文字に対応付ける 2 つの方法

多倍長整数方式は Base58 と同じ仕組みです。入力全体を 1 つの大きな整数として読み取り、アルファベットの文字数で繰り返し割り算して、その余りで文字を選びます。10、36、58、62 文字など、2 文字以上のどんなアルファベットでも使えます。先頭のゼロバイトはアルファベットの最初の文字として書かれるため、エンコードしてからデコードしても失われません。パディングはなく、長いデータでは計算が遅くなるため、入力は約 20 KB までに制限されます。

ビットグループ方式は RFC 4648 と同じ仕組みです。入力を一定のビット数ごとに区切ります。2 文字のアルファベットなら 1 ビット、16 文字なら 4 ビット、32 文字なら 5 ビット、64 文字なら 6 ビットです。区切った各チャンクが、アルファベット内の位置を表します。これは16進数、Base32、Base64 の仕組みそのもので、出力の長さは入力の長さだけで決まります。

2 つの方式で結果が異なる理由

一方の方式はデータの数値としての値を、もう一方はビットを先頭から順にエンコードします。そのため結果は通常異なり、文字列は生成したときと同じ方式でデコードする必要があります。

ビットグループ方式でパディングに = を指定すると、標準のアルファベットで通常の Base64 や Base32 と同じ結果になります。多倍長整数方式は決まったビット数ではなく値を書き出すため、A の先頭のゼロビットが落ちます。10 個の数字をアルファベットにすると、Hi のバイト列をそのまま10進数で表した値になります。

パディング文字はビットグループ方式でのみ使われます。64 文字のアルファベットでは出力が 4 文字の倍数に、32 文字と 8 文字のアルファベットでは 8 文字の倍数になるようパディングされます。2 文字、4 文字、16 文字の場合は各バイトがちょうど文字に収まるため、パディングは不要です。

有効なアルファベットの条件

• 2 文字以上であること。
• 重複がないこと。デコーダーは各文字をただ 1 つの値に対応付けます。a が 0 と 10 の両方を表すとしたら、それを含む文字列はデコードできません。
• 大文字と小文字は区別されます。a と A は別の文字です。
• パディング文字はアルファベットに含めないこと。含めると、データと区別できなくなります。

処理はすべてブラウザ内で行われるため、アルファベットもデータもお使いのデバイスから外に出ません。

カスタムアルファベットが役立つ場面

• ID の難読化。アルファベットを並べ替えると、識別子を規則性の見えないトークンに変えられます。ただし、これは隠すだけで保護にはなりません。アルファベットを知っていれば誰でもデコードできます。
• 独自形式やレガシー形式。システムのドキュメントからそのシステム独自のアルファベットをコピーすれば、データを直接デコードできます。
• 学習。アルファベットの長さや 2 つの方式を比べて、基数変換の仕組みを理解できます。固定のアルファベットについては、Base58 と Base62 をご覧ください。