首页 > 其他分享 >常见的编码方式及特征

常见的编码方式及特征

时间:2024-12-22 21:56:04浏览次数:5  
标签:编码 Base64 字节 字符 特征 常见 URL 十六进制 编码方式

一、BASE编码

1、Base64

Base64是网络上最常见的用于传输8Bit字节码的编码方式之一,Base64就是一种基于64个可打印字符来表示二进制数据的方法。

Base64,就是包括小写字母a-z、大写字母A-Z、数字0-9、符号"+“、”/"一共64个字符的字符集。

(1)编码规则

①把3个字节变成4个字节。

②每76个字符加一个换行符。

③最后的结束符也要处理

(2)举例说明

转前: s 1 3

先转成ascii:对应 115 49 51

2进制: 01110011 00110001 00110011

6个一组(4组) 011100110011000100110011

然后才有后面的 011100 110011 000100 110011

然后计算机一个字节占8位,不够就自动补两个高位0了

所以有了高位补0

科学计算器输入 00011100 00110011 00000100 00110011

得到 28 51 4 51

查对下照表 c z E z

原文的字节数量应该是3的倍数,如果这个条件不能满足的话,具体的解决办法是这样的:原文剩余的字节根据编码规则继续单独转(1变2,2变3;不够的位数用0补全),再用=号补满4个字节。这就是为什么有些Base64编码会以一个或两个等号结束的原因,但等号最多只有两个。因为一个原字节至少会变成两个目标字节,所以余数任何情况下都只可能是0,1,2这三个数中的一个。如果余数是0的话,就表示原文字节数正好是3的倍数(最理想的情况)。如果是1的话,转成2个Base64编码字符,为了让Base64编码是4的倍数,就要补2个等号;同理,如果是2的话,就要补1个等号。

转前: s 1

先转成ascii:对应 115 49

2进制: 01110011 00110001

6个一组 011100 110011 000100

高位补0

科学计算器输入 00011100 00110011 00000100

得到 28 51 4

查对下照表 c z E

等号补满4个字节c z E =

(3)编码特征

末尾有一个或两个=,由大小写字母,+,/符号组成,示例如下

6I+c5qC5572R5ZKv5a6J5YWo5p2C6LCIQ2FpZ2Vuc2Vj
5pyr5bC+5pyJ5LiA5Liq5oiW5Lik5LiqPe+8jOeUseWkp+Wwj+WGmeWtl+avje+8jCvvvIwv56ym5Y+357uE5oiQ77yM56S65L6L5aaC5LiLLg==

2、Base32

Base32使用了ASCII编码中可打印的32个字符(大写字母AZ和数字27)对任意字节数据进行编码

(1)编码规则

输入:任意长度的二进制数据。

转换:将二进制数据每5位分为一组,每组转换为对应的base32字符。如果最后不足5位,则用0填充。

输出:由base32字符组成的字符串,通常包含等号(=)作为填充标记。

(2)编码特征

只包含大写字母和数字2-7,末尾有=

3、Base16

base16编码,使用16个字符(0-9和A-F)来表示二进制数据。

(1)编码规则

输入:任意长度的二进制数据。

转换:将二进制数据每4位分为一组,每组转换为对应的十六进制字符。

输出:由十六进制字符组成的字符串。

(2)编码特征

只包含数字和A-F字母。

二、URL编码

‌URL编码‌是一种将URL中的特殊字符转换为可被浏览器和服务器接受的ASCII字符的编码方式。

1、编码规则

  1. ‌将字符转换为其ASCII码值‌:例如,字符A的ASCII码值是65。
  2. ‌将ASCII码值转换为十六进制数‌:例如,65转换为十六进制数是41。
  3. ‌在十六进制数前面加上%符号‌,得到URL编码。例如,字符A的URL编码是%41

2、编码特征

(1)常见的编码

空格 %20

%:23

&:%26

+:%2B

%:%25

?:%3F

/:%2F

=:%3D

,:%2C

$:%24

":%22

':%27

(2)编码特征

%后跟两个字符,数字或字母,示例:

user%3D1%27%20or%201%3D1

三、Uicode编码

Unicode 是国际标准字符集,它将世界各种语言的每个字符定义一个唯一的编码,以满足跨语言、跨平台的文本信息转换.

Unicode包含UTF-8、UTF-16、UTF-32,不过我们这里不需要深入了解,只需要碰到Unicode编码的时候能认出来就行。

1、编码特征

\u开头,后跟数字,比如

Caigensec的Unicode编码为\u0043\u0061\u0069\u0067\u0065\u006e\u0073\u0065\u0063

标签:编码,Base64,字节,字符,特征,常见,URL,十六进制,编码方式
From: https://blog.csdn.net/zakefine/article/details/144498120

相关文章

  • 从地铁客流讲开来:十二城日常地铁客运量特征
    随着城市化进程的加速和人口的不断增长,公共交通系统在现代都市生活中扮演着日益重要的角色。地铁作为高效、环保的城市交通方式,已经成为居民日常出行不可或缺的一部分。本文聚焦于2024年10月28日至12月1日期间,对包括北上广深这四个超一线城市共计12座城市的日常地铁客运量的周......
  • 【量化交易】常见量化策略
    欢迎来到我的博客,很高兴能够在这里和您见面!欢迎订阅相关专栏:⭐️全网最全IT互联网公司面试宝典:收集整理全网各大IT互联网公司技术、项目、HR面试真题.⭐️AIGC时代的创新与未来:详细讲解AIGC的概念、核心技术、应用领域等内容。⭐️大数据平台建设指南:全面讲解从数据采集到......
  • Redis篇--常见问题篇6--缓存一致性1(Mysql和Redis缓存一致,更新数据库删除缓存策略)
    1、概述在使用Redis作为MySQL的缓存层时,缓存一致性问题是指Redis中的缓存数据与MySQL数据库中的实际数据不一致的情况。这可能会导致读取到过期或错误的数据,从而影响系统的正确性和用户体验。为了减轻数据库的压力,通常读操作都是先读缓存,缓存没有则读数据库数据在写入缓存......
  • (即插即用模块-特征处理部分) 十二、(2023) SDM 语义差异引导模块
    文章目录1、SemanticDifferenceGuidanceModule2、代码实现paper:PnPNet:Pull-and-PushNetworksforVolumetricSegmentationwithBoundaryConfusionCode:https://github.com/AlexYouXin/PnPNet1、SemanticDifferenceGuidanceModule为了解决以下几个问......
  • TCN-LSTM 基于时间卷积网络结合长短期记忆神经网络的数据多特征分类预测
    Matlab2023bTCN-LSTM基于时间卷积网络结合长短期记忆神经网络的数据多特征分类预测%************************************************************************************************************************************************************************......
  • 【PS不常见教程】PS通道讲解9:冷门又热门的计算
    观前小提示:本文内容为我原创成果,若您需要转载或引用其中图片或文字内容,请记得标注来源是“璞子的家”哦,感谢您的尊重,理解与支持,谢谢啦!此文章主要讲两个命令内容,计算和应用图像。如果没有看过之前基础性文章的朋友,可能比较难懂,建议猛的往下滑,到文章结尾,先去看一下之前......
  • 【资料分享】常见运维监控软件资料汇总
    一、运维监控软件1、Nightingale:https://flashcat.cloud/product/nightingale/2、DeepFlow:https://www.deepflow.io/zh/3:SkyWalking:https://skywalking.apache.org/downloads/4:Zabbix:https://www.zabbix.com/download5、zbxtable:https://www.zbxtable.com/6、prometheus:http......
  • LEC: 基于Transformer中间层隐藏状态的高效特征提取与内容安全分类方法
    随着语言模型(LMs)应用范围的扩大,对用户输入和模型输出中不当内容的检测变得日益重要。每当主要模型供应商发布新模型时,研究人员首先会尝试寻找绕过模型安全限制的方法,使其产生不符合预期的响应。通过Google的搜索可以发现,已有多种方法可以绕过模型的对齐调整,导致模型对不当请求作出......
  • 泛化能力、过拟合、鲁棒性、敏感度、特征依赖
    1.定义:泛化能力是指模型在新数据(即测试集或真实世界数据)上预测准确性的能力,这些数据与模型在训练过程中使用的数据不同。过拟合(Overfitting)是指模型在训练数据上表现得很好,但在新数据上表现差,这表明模型缺乏泛化能力。一个具有良好泛化能力的模型能够很好地适应新情况,而不仅仅......
  • Flutter 开发中的代码常见错误汇总 All In One
    Flutter开发中的代码常见错误汇总AllInOne小米汽车FlutterDeadCodedemos(......