ตัวเข้ารหัสและถอดรหัส Base85

Base85 คืออะไร

Base85 คือกลุ่มของการเข้ารหัสที่แปลงข้อมูลทุก 4 ไบต์เป็น 5 อักขระ เลขฐาน 85 ห้าหลักเก็บค่าได้ 85 × 85 × 85 × 85 × 85 = 4,437,053,125 ค่า ซึ่งเพียงพอสำหรับตัวเลข 32 บิตทุกค่าพอดี เอาต์พุตจึงใหญ่กว่าอินพุตเพียง 25% เทียบกับ 33% ของ Base64

Base85 มีชุดตัวอักษรหลายแบบและใช้แทนกันไม่ได้ ได้แก่ Ascii85 (Adobe, PDF) Z85 (ZeroMQ) และแบบที่ใช้ในหน้านี้ ซึ่งประกอบด้วย 0-9, A-Z, a-z และสัญลักษณ์อีก 23 ตัว ได้แก่ !#$%&()*+-;<=>?@^_`{|}~ โดยไม่มีเครื่องหมายอัญประกาศ จุลภาค มหัพภาค ทับ ทวิภาค แบ็กสแลช และวงเล็บเหลี่ยม

RFC 1924, Git และ Python

ชุดอักขระนี้มาจาก RFC 1924 “A Compact Representation of IPv6 Addresses” ซึ่งเผยแพร่เมื่อวันที่ 1 เมษายน 1996 เป็นเรื่องตลกวันเมษาหน้าโง่ โดยเสนอให้เขียนที่อยู่ IPv6 ขนาด 128 บิตเป็นเลขฐาน 85 ตัวเดียวที่ยาว 20 อักขระพอดี ไม่มีใครเขียนที่อยู่ IPv6 แบบนั้นจริง แต่ภายหลังชุดตัวอักษรนี้ถูกนำมาใช้กับข้อมูลไบนารีทั่วไป:

• Git จัดเก็บไฟล์ไบนารีในแพตช์ (git diff --binary, git format-patch) เป็นข้อมูลที่บีบอัดด้วย zlib แล้วเข้ารหัสด้วยชุดตัวอักษรนี้ โดยมีอักขระบอกความยาวอยู่ที่ต้นแต่ละบรรทัด
• Python ตั้งแต่เวอร์ชัน 3.4 มี base64.b85encode() และ b85decode() ซึ่งให้เอาต์พุตตรงกับเครื่องมือนี้
• Mercurial ใช้การเข้ารหัสแบบเดียวกันสำหรับไฟล์ไบนารีใน diff แบบ Git

โปรดทราบว่า RFC 1924 แปลงที่อยู่ 128 บิตทั้งหมดในครั้งเดียว ขณะที่ Git, Python และเครื่องมือนี้ทำงานเป็นกลุ่มละ 4 ไบต์ ค่าขนาด 16 ไบต์จึงให้ผลลัพธ์ต่างจากวิธีของ RFC

กลุ่มสุดท้ายที่ไม่ครบ

เมื่อความยาวของอินพุตไม่ใช่พหุคูณของ 4 กลุ่มสุดท้ายจะถูกเติมด้วยไบต์ศูนย์ก่อนเข้ารหัส แล้วเก็บไว้เพียง n + 1 อักขระแรก คือ 1 ไบต์กลายเป็น 2 อักขระ 2 ไบต์กลายเป็น 3 อักขระ และ 3 ไบต์กลายเป็น 4 อักขระ ตัวถอดรหัสจะทำย้อนกลับ จึงไม่ต้องใช้อักขระแพดดิง รูปแบบนี้ไม่มีอักขระย่อสำหรับไบต์ศูนย์ ต่างจาก z ของ Ascii85

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