Base85 인코더 및 디코더

Base85란?

Base85는 4바이트를 5문자로 바꾸는 인코딩 계열입니다. 85진수 다섯 자리는 85 × 85 × 85 × 85 × 85 = 4,437,053,125가지 값을 담을 수 있어 모든 32비트 수를 표현하기에 딱 충분합니다. 그래서 출력은 입력보다 25%만 커지며, 33% 커지는 Base64보다 작습니다.

Base85 알파벳은 여러 가지가 있으며 서로 호환되지 않습니다. Ascii85(Adobe, PDF), Z85(ZeroMQ), 그리고 이 페이지에서 사용하는 알파벳이 있습니다. 이 페이지의 알파벳은 0-9, A-Z, a-z와 기호 23개 !#$%&()*+-;<=>?@^_`{|}~를 사용합니다. 따옴표, 쉼표, 마침표, 슬래시, 콜론, 백슬래시, 대괄호는 제외됩니다.

RFC 1924, Git, Python

이 문자 집합은 1996년 4월 1일 만우절 농담으로 발표된 RFC 1924 "A Compact Representation of IPv6 Addresses"(IPv6 주소의 간결한 표현)에서 유래했습니다. 이 문서는 128비트 IPv6 주소를 정확히 20자로 된 85진수 하나로 표기하자고 제안했습니다. 실제로 IPv6 주소를 그렇게 쓰는 사람은 없지만, 이 알파벳은 나중에 일반 바이너리 데이터에 다시 쓰이게 되었습니다.

• Git은 패치(git diff --binary, git format-patch)에 바이너리 파일을 담을 때 zlib으로 압축한 데이터를 이 알파벳으로 인코딩하며, 각 줄 앞에 길이 문자를 붙입니다.
• Python 3.4 이상은 base64.b85encode()와 b85decode()를 제공하며, 그 출력은 이 도구의 결과와 일치합니다.
• Mercurial도 Git 스타일 diff에서 바이너리 파일에 같은 인코딩을 사용합니다.

다만 RFC 1924는 128비트 주소 전체를 한 번에 변환하는 반면 Git, Python, 이 도구는 4바이트 단위로 처리하므로, 16바이트 값을 인코딩하면 RFC 방식과 다른 결과가 나옵니다.

짧은 마지막 그룹

입력 길이가 4의 배수가 아니면 마지막 그룹을 0 바이트로 채워 인코딩한 뒤 앞의 n + 1문자만 남깁니다. 1바이트는 2문자, 2바이트는 3문자, 3바이트는 4문자가 됩니다. 디코더는 이 과정을 거꾸로 수행하므로 패딩 문자가 필요 없습니다. 이 변형에는 Ascii85의 z처럼 0 바이트를 줄여 쓰는 약어가 없습니다.

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