Base64解码，直到没有Base64为止

Question

所以我的问题很简单，我想。我需要解码Base64直到没有Base64，我检查RegEx是否有一些Base64，但我不知道如何解码，直到没有Base64。

在这段简短的代码中，我可以解码Base64，直到没有Base64为止，因为我的文本是定义的。(直到Base64解码内容不是"Hello World“解码)

# Import Libraries
from base64 import *
import re

# Text & Base64 String
strText = "Hello World"
strEncode = "VmxSQ2ExWXlUWGxUYTJoUVVqSlNXRlJYY0hOT1ZteHlXa1pLVVZWWE9EbERaejA5Q2c9PQo=".encode("utf-8")

# Decode
objRgx = re.search('^(?:[A-Za-z0-9+/]{4})*(?:[A-Za-z0-9+/]{2}==|[A-Za-z0-9+/]{3}=)?$', strEncode.decode("utf-8"))

strDecode = b64decode(objRgx.group(0).encode("utf-8"))

print(strDecode.decode("utf-8"))

while strDecode != strText.encode("utf-8"):
    strDecode = b64decode(strDecode)

    print(strDecode.decode("utf-8"))

有谁知道如何解码Base64直到有真正的文本(不再有base64)

另外，我为我糟糕的英语感到抱歉。

Answer 1

你不能，不是在任意的意义上。问题很简单，日常的单词也可以是BASE64的。因此，没有真正的方法来区分这两者之间的区别。

除了长度，BASE64没有终止符。它可以用=或==终止，但不一定要终止。=只是填充而已。不需要填充，那么就不需要=。因此，BASE64可能会结束，一些文本将开始，而您无法检测到它。

编辑为“所以真的没有办法做我想做的事？”：

不，不是确定性的，不是可靠的。即使使用启发式，也可能会出现失败的情况，最终会消耗太多字符，导致二进制块末尾出现垃圾，并丢失后续文本流中的字符。

现在，这是针对任意BASE64块的。如果你知道二进制数据是什么，那么也许还有希望。

例如，如果您知道二进制数据是什么，那么大多数二进制格式“知道”它们何时“完成”。我不知道有效的二进制格式是“读到EOF”。它们通常使用内部描述符“这就是下一个块有多少数据”，或者使用终止符来表示“我完成了”。

在这些情况下，您可以将BASE64视为流。BASE64基本上是非常简单的。它获取3个字节，并将它们转换为4个字符。

因此，B64流读取器只需读取4个字符并返回它们所代表的3个字节。

比如说，如果你有一个PNG阅读器，它就可以开始读取转换后的流。当它“完成”时，它会“关闭”流，您的原始文本就是“在BASE64的末尾”。

如果你知道原始附件的大小，它也可以工作。如果有人发送了"10,000字节“，那么您可以使用BASE64流解码器并简单地从其中读取"10,000”字节。

通常，您将使用带有=或==终止符的BASE64。在你不知道的情况下，这是一个问题。解码后的流可以以任意一种方式工作。

如果您不知道附件的原始大小或编码后的二进制文件的格式，那么您就很不幸了。

Answer 2

作为启发式，您可以计算结果中的平均词长。自然语言会有一些简短的单词，比如“作为启发式，你可以看看单词的长度。”仍然是Base64编码的字符串将只有很少的空格和空格之间的长字符串。

作为另一种启发式方法，您可以计算元音(a，e，i，o，u)与辅音的比例或单词中间的大写字母数。

Answer 3

所以您要处理的数据块可能是重复使用base64编码的？那么，为什么不直接通过b64decode()循环字符串直到它出错呢？

此外，我认为您可能不需要到处散布如此多的.encode("utf-8")。