Codificador e decodificador Base85

O que é Base85?

Base85 é uma família de codificações que transformam cada grupo de 4 bytes em 5 caracteres. Cinco dígitos na base 85 podem representar 85 × 85 × 85 × 85 × 85 = 4.437.053.125 valores, o suficiente para qualquer número de 32 bits, então a saída é apenas 25% maior que a entrada, contra 33% do Base64.

Existem vários alfabetos Base85, e eles não são intercambiáveis: Ascii85 (Adobe, PDF), Z85 (ZeroMQ) e o desta página. Ele usa 0-9, A-Z, a-z e 23 símbolos: !#$%&()*+-;<=>?@^_`{|}~. As aspas, a vírgula, o ponto, a barra, os dois-pontos, a barra invertida e os colchetes ficam de fora.

RFC 1924, Git e Python

O conjunto de caracteres vem da RFC 1924, "A Compact Representation of IPv6 Addresses", publicada em 1º de abril de 1996 como piada de Dia da Mentira. Ela propunha escrever um endereço IPv6 de 128 bits como um único número na base 85 com exatamente 20 caracteres. Ninguém escreve endereços IPv6 dessa forma, mas o alfabeto foi reaproveitado mais tarde para dados binários em geral:

• Git: armazena arquivos binários em patches (git diff --binary, git format-patch) como dados compactados com zlib e codificados com este alfabeto, com um caractere de comprimento no início de cada linha.
• Python: a partir da versão 3.4, oferece base64.b85encode() e b85decode(), cuja saída coincide com a desta ferramenta.
• Mercurial: usa a mesma codificação para arquivos binários em diffs no estilo do Git.

Observe que a RFC 1924 converte o endereço de 128 bits inteiro de uma só vez, enquanto o Git, o Python e esta ferramenta trabalham em grupos de 4 bytes, então um valor de 16 bytes dá um resultado diferente do método da RFC.

Grupos finais curtos

Quando o comprimento da entrada não é múltiplo de 4, o último grupo é completado com bytes zero e codificado, e apenas os primeiros n + 1 caracteres são mantidos: 1 byte vira 2 caracteres, 2 bytes viram 3 e 3 bytes viram 4. O decodificador faz o caminho inverso, então nenhum caractere de preenchimento é necessário. Esta variante não tem atalho para bytes zero, ao contrário do z do Ascii85.

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