代码之家 › 专栏 › 技术社区 › LarryF

用于解析或验证Base64数据的正则表达式

rfc standards-compliance base64 regex

LarryF · 技术社区 · 17 年前

我有一个Base64解码器,它不能完全依赖输入数据来遵循RFC规范。因此,我面临的问题可能是Base64数据可能无法分解为78(我认为是78,我必须再次检查RFC,所以如果确切数字错误,请不要告诉我)字符行,或者这些行可能不会以CRLF结尾;因为它可能只有CR或LF,或者两者都没有。

所以,我花了很长时间来解析Base64格式的数据。因此,下面的示例不可能可靠地解码。为了简洁起见,我将只显示部分MIME头。

Content-Transfer-Encoding: base64

VGhpcyBpcyBzaW1wbGUgQVNDSUkgQmFzZTY0IGZvciBTdGFja092ZXJmbG93IGV4YW1wbGUu

好的,解析这是没有问题的,这正是我们所期望的结果。在99%的情况下,使用任何代码至少验证缓冲区中的每个字符是否为有效的base64字符都可以完美地工作。但是,下一个例子对这一组合产生了影响。

Content-Transfer-Encoding: base64

http://www.stackoverflow.com
VGhpcyBpcyBzaW1wbGUgQVNDSUkgQmFzZTY0IGZvciBTdGFja092ZXJmbG93IGV4YW1wbGUu

我的Base64解码器将第二个示例解码为以下数据流。请记住,原始流都是ASCII数据!

[0x]86DB69FFFC30C2CB5A724A2F7AB7E5A307289951A1A5CC81A5CC81CDA5B5C1B19481054D0D
2524810985CD94D8D08199BDC8814DD1858DAD3DD995C999B1BDDC8195E1B585C1B194B8

有谁能同时解决这两个问题?除了使用不同的规则对数据进行两次转换并比较结果之外,我甚至不确定这是否可行。但是,如果您采用这种方法,您相信哪种输出?似乎ASCII启发式是关于解决方案,但这会增加多少代码、执行时间和复杂性,使病毒扫描程序变得如此复杂,而这段代码实际上涉及到病毒扫描程序?您将如何训练启发式引擎以了解哪些是可接受的,哪些是不可接受的?

更新:

关于这个问题继续得到的视图数量,我决定发布一个简单的正则表达式,我在C#应用程序中使用了3年,现在有几十万个事务。老实说,我喜欢你给出的答案 Gumbo 最好的,这就是为什么我选择它作为选择答案。但是对于任何使用C#的人来说,如果他们想寻找一种非常快速的方法来至少检测字符串或字节[]是否包含有效的Base64数据,我发现以下方法对我来说非常有效。

[^-A-Za-z0-9+/=]|=[^=]|={3,}$

Base64数据的格式不正确 RFC1341 非常建议你阅读 RFC4648 秋葵

4 回复 | 直到 4 年前

163

Gumbo 17 年前

从 RFC 4648 :

在许多情况下,数据的基本编码用于存储或传输环境中的数据,这些环境可能出于遗留原因,仅限于US-ASCII数据。

但是,如果您只是在寻找一个正则表达式来匹配Base64编码的单词,则可以使用以下方法:

^(?:[A-Za-z0-9+/]{4})*(?:[A-Za-z0-9+/]{2}==|[A-Za-z0-9+/]{3}=)?$

njzk2 15 年前

^(?:[A-Za-z0-9+/]{4})*(?:[A-Za-z0-9+/]{2}==|[A-Za-z0-9+/]{3}=)?$

此项与空字符串不匹配:

^(?:[A-Za-z0-9+/]{4})*(?:[A-Za-z0-9+/]{2}==|[A-Za-z0-9+/]{3}=|[A-Za-z0-9+/]{4})$

oylenshpeegul 17 年前

: . “将显示在有效的Base64中,因此我认为您可以毫不含糊地丢弃 http://www.stackoverflow.com 线在Perl中,比如说

my $sanitized_str = join q{}, grep {!/[^A-Za-z0-9+\/=]/} split /\n/, $str;

say decode_base64($sanitized_str);

这是StackOverflow exmaple的简单ASCII Base64。

Bogdan Nechyporenko 11 年前

到目前为止,我能找到的最好的正则表达式就在这里 https://www.npmjs.com/package/base64-regex

它在当前版本中看起来像:

module.exports = function (opts) {
  opts = opts || {};
  var regex = '(?:[A-Za-z0-9+\/]{4}\\n?)*(?:[A-Za-z0-9+\/]{2}==|[A-Za-z0-9+\/]{3}=)';

  return opts.exact ? new RegExp('(?:^' + regex + '$)') :
                    new RegExp('(?:^|\\s)' + regex, 'g');
};

Community Mohan Dere 4 年前

到目前为止给出的答案未能检查Base64字符串是否将所有pad位设置为0,因为它是Base64的规范表示形式(这在某些环境中很重要,请参阅) https://www.rfc-editor.org/rfc/rfc4648#section-3.5 别名对于同一个二进制字符串是不同的编码。在某些应用程序中,这可能是一个安全问题。

^(?:[A-Za-z0-9+/]{4})*(?:[A-Za-z0-9+/][AQgw]==|[A-Za-z0-9+/]{2}[AEIMQUYcgkosw048]=)?$

引用的RFC认为空字符串有效(请参阅 https://www.rfc-editor.org/rfc/rfc4648#section-10 )因此,上面的正则表达式也是如此。

base64url的等效正则表达式(同样,请参考上述RFC)为:

^(?:[A-Za-z0-9_-]{4})*(?:[A-Za-z0-9_-][AQgw]==|[A-Za-z0-9_-]{2}[AEIMQUYcgkosw048]=)?$

Jayani Sumudini 5 年前

base64图像 我们可以用这个正则表达式

/^数据:图像/(?:gif | png | jpeg | bmp | webp)(?:;charset=utf-8)?;base64,(?:[A-Za-z0-9]|[+/])+={0,2}

  private validBase64Image(base64Image: string): boolean {
    const regex = /^data:image\/(?:gif|png|jpeg|bmp|webp|svg\+xml)(?:;charset=utf-8)?;base64,(?:[A-Za-z0-9]|[+/])+={0,2}/;
    return base64Image && regex.test(base64Image);
  }

Paul 5 年前

下面是另一个正则表达式:

^(?=(.{4})*$)[A-Za-z0-9+/]*={0,2}$

它满足以下条件:

字符串长度必须是四的倍数- (?=^(.{4})*$)
[A-Za-z0-9+/]*
它的结尾最多可以有两个填充(=)字符- ={0,2}
它接受空字符串

Paul M 4 年前

^(?=(.{4})*$)[A-Za-z0-9+/]*([AQgw]==|[AEIMQUYcgkosw048]=)?$

事实上,这是混合的 this 和 that