Java，Python和javascript应用程序之间的Base64 UTF-16编码

Question

作为示例，我有以下字符串，我假设使用utf-16编码：“hühühüh”。

在python中，编码时得到以下结果

>>> base64.b64encode("hühühüh".encode("utf-16"))
b'//5oAPwAaAD8AGgA/ABoAA=='

在Java中：

>>> String test = "hühühüh";
>>> byte[] encodedBytes = Base64.getEncoder().encode(test.getBytes(StandardCharsets.UTF_16));
>>> String testBase64Encoded = new String(encodedBytes, StandardCharsets.US_ASCII);
>>> System.out.println(testBase64Encoded);
/v8AaAD8AGgA/ABoAPwAaA==

在javascript中，我根据Mozilla dev guideline定义了一个二进制编码函数，然后对相同的字符串进行编码。

>> function toBinary(string) {                                                                                                                            
      const codeUnits = new Uint16Array(string.length);
      for (let i = 0; i < codeUnits.length; i++) {
          codeUnits[i] = string.charCodeAt(i);
      }
      return String.fromCharCode(...new Uint8Array(codeUnits.buffer));
  }
>> atob(toBinary("hühühüh"))

aAD8AGgA/ABoAPwAaAA=

如您所见，每个编码器都创建了一个不同的base64字符串。因此，让我们再次反转编码。

在Python中，所有生成的字符串再次可以正常解码：

>>> base64.b64decode("//5oAPwAaAD8AGgA/ABoAA==").decode("utf-16")
'hühühüh'
>>> base64.b64decode("/v8AaAD8AGgA/ABoAPwAaA==").decode("utf-16")
'hühühüh'
>>> base64.b64decode("aAD8AGgA/ABoAPwAaAA=").decode("utf-16")
'hühühüh'

根据Mozilla dev guideline，再次使用fromBinary函数在javascript中：

>>> function fromBinary(binary) {
  const bytes = new Uint8Array(binary.length);
  for (let i = 0; i < bytes.length; i++) {
    bytes[i] = binary.charCodeAt(i);
 }
  console.log(...bytes)
  return String.fromCharCode(...new Uint16Array(bytes.buffer));
}
>>> fromBinary(window.atob("//5oAPwAaAD8AGgA/ABoAA=="))
"\ufeffhühühüh"
>>> fromBinary(window.atob("/v8AaAD8AGgA/ABoAPwAaA=="))
"\ufffe栀ﰀ栀ﰀ栀ﰀ栀"
>>> fromBinary(window.atob("aAD8AGgA/ABoAPwAaAA="))
"hühühüh"

最后是Java语言：

>>> String base64Encoded = "//5oAPwAaAD8AGgA/ABoAA==";
>>> byte[] asBytes = Base64.getDecoder().decode(base64Encoded);
>>> String base64Decoded = new String(asBytes, StandardCharsets.UTF_16);
>>> System.out.println(base64Decoded);
hühühüh
>>> String base64Encoded = "/v8AaAD8AGgA/ABoAPwAaA==";
>>> byte[] asBytes = Base64.getDecoder().decode(base64Encoded);
>>> String base64Decoded = new String(asBytes, StandardCharsets.UTF_16);
>>> System.out.println(base64Decoded);
hühühüh
>>> String base64Encoded = "aAD8AGgA/ABoAPwAaAA=";
>>> byte[] asBytes = Base64.getDecoder().decode(base64Encoded);
>>> String base64Decoded = new String(asBytes, StandardCharsets.UTF_16);
>>> System.out.println("Decoded" + base64Decoded);
hühühüh

我们可以看到python的base64解码器能够对其他两个解析器的消息进行编码和解码。但是Java和Javascript解析器之间的定义似乎并不兼容。我不明白为什么会这样。这是Java和Javascript中的base64库是否存在问题，如果存在，是否还有其他工具或路由可以让我们在Java和Javascript应用程序之间传递base64编码的utf-16字符串？如何通过使用尽可能接近核心语言功能的工具来确保Java和Javscript应用程序之间安全的base64字符串传输？

Answer 1

问题是UTF-16有4个变体。

此字符编码每个代码单元使用两个字节。这两个字节中的哪个应该最先出现？这将创建两个变体：

• [UTF-16BE首先存储最高有效字节。
• UTF-16LE首先存储最低有效字节。

为了区分这两者之间的区别，在文本的开头有一个可选的“字节顺序标记”（BOM）字符U + FEFF。因此，带BOM的UTF-16BE以字节fe ff开头，而带BOM的UTF-16LE以字节ff fe开头。由于BOM是可选的，因此它的存在使可能的编码数量增加了一倍。

似乎您正在使用4种可能的编码中的3种：

• Python将UTF-16BE与BOM一起使用
• Java将UTF-16LE与BOM一起使用
• JavaScript使用不带BOM的UTF-16LE

人们喜欢UTF-8而不是UTF-16的原因之一是避免这种混淆。