Base64 是一種二進位制轉文字的編碼方法，用於以 ASCII 字串格式表示二進位制資料。它常用於對以文字為主的介質（例如電子郵件、基於 JSON 的 API 等）進行資料編碼，以確保影像和檔案等二進位制資料不會損壞。Base64 一詞源於它使用 64 個字元（A-Z、a-z、0-9、+ 和 /）來表示資料。近年來，Base64 已廣泛應用於多模態 AI 應用、嵌入式系統、雲服務和 Web 開發。在本文中，我們將深入瞭解 Base64 及其使用方法。
為什麼選擇Base64？
Base64 主要用於需要將二進位制資料（例如影像、影片、模型權重等）在基於文字的基礎架構中傳輸且不被篡改或損壞的情況。但為什麼它在眾多其他型別的編碼中如此受歡迎呢？讓我們來一探究竟。
Base64 具有以下特點：
- 文字安全：可以將二進位制資料嵌入 HTML、XML、JSON 等文字格式。
- 易於傳輸：不存在字元編碼或資料損壞問題。
- 常用於影像：在 Web 開發中，常用於將影像直接嵌入 HTML/CSS 或 JSON 負載中。
以下是其他著名編碼與 Base64 的比較。
| 編碼 | 目的 | 使用案例 | 大小影響 |
|---|---|---|---|
| Base64 | 二進位制轉文字 | 在 HTML、JSON 等中嵌入影像/檔案 | 大約增加 33% |
| Hex | 二進位制轉十六進位制 | 除錯、網路追蹤 | 大約增加 100% |
| Gzip | 壓縮 | 文字/二進位制的實際大小減少 | 視壓縮比而定 |
Base64是如何工作的？
現在讓我們嘗試理解 Base64 的工作原理。以下是將字串“Hello”轉換為 Base64 格式的分步演示。
步驟 1：將文字轉換為 ASCII 位元組
| 字元 | ASCII 十進位制值 | 二進位制值（8 位） |
| H | 72 | 01001000 |
| e | 101 | 01100101 |
| l | 108 | 01101100 |
| l | 108 | 01101100 |
| o | 111 | 01101111 |
所以現在，我們的字串“Hello”看起來應該是 01001000 01100101 01101100 01101100 01101111。
也就是 5 個字元 × 8 位 = 40 位。
步驟 2：將二進位制數拆分成6位組
Base64 以 6 位為單位進行操作，因此我們將這 40 位資料分組為 6 位資料塊，而之前是 8 位資料塊：
01001000 01100101 01101100 01101100 01101111
當這些 8 位資料塊被拆分成 6 位資料塊時，結果如下：
010010 000110 010101 101100 011011 000110 1111
由於 40 不能被 6 整除，因此我們需要在末尾填充一些 0。現在我們有 6 個完整的 6 位資料塊和 1 個剩餘的 4 位資料塊。我們在最後一個塊中填充 2 個零位，使其成為一個完整的 6 位資料塊：
010010 000110 010101 101100 011011 000110 111100
步驟 3：將6位組轉換為十進位制
我們知道 2^6 等於 64。因此，我們的範圍在 0 到 63 之間。
| 6位二進位制 | 十進位制 |
| 010010 | 18 |
| 000110 | 6 |
| 010101 | 21 |
| 101100 | 44 |
| 011011 | 27 |
| 000110 | 6 |
| 111100 | 60 |
步驟 4：對映到Base64字元
按照標準 Base64 字元表，我們將十進位制值對映到相應的字元。
Source – Link
| 十進位制 | Base64 字元 |
| 18 | S |
| 6 | G |
| 21 | V |
| 44 | s |
| 27 | b |
| 6 | G |
| 60 | 8 |
我們得到的字串“Hello”的 Base64 編碼結果為“SGVsbG8”。
步驟 5：新增填充
由於原始字串有 5 個位元組（不是 3 的倍數），Base64 需要使用“=”進行填充，使輸出長度成為 4 個字元的倍數。
5 個位元組 = 40 位 -> 6 個完整的 Base64 字元 + 2 個字元（來自填充位）-> 總共 8 個字元
最終的 Base64 編碼字串：“Hello” -> SGVsbG8=
Base64的Python實現
現在您已經瞭解了 Base64 的工作原理，接下來我將向您展示如何在 Python 中實現它。我們將首先嚐試對一些文字進行編碼和解碼，然後對影像進行同樣的操作。
文字編碼和解碼
讓我們使用 Base64 對這段簡單的文字進行編碼，然後將編碼後的字串解碼回其原始形式。
import base64
# Text encoding
message = "Hello World"
encoded = base64.b64encode(message.encode())
print("Encoded:", encoded)
# Decoding it back
decoded = base64.b64decode(encoded).decode()
print("Decoded:", decoded)
輸出：
影像編碼和解碼
在視覺相關的應用中，尤其是在使用視覺語言模型 (VLM) 時，影像通常在以下情況下使用 Base64 編碼：
- 透過 JSON 負載與 API 之間傳輸影像；
- 嵌入影像以訓練和提供多模態模型；
- 使用 CLIP、BLIP、LLaVA 或其他視覺語言轉換器，將影像作為序列化的 Base64 字串進行處理。
以下是一段簡單的 Python 影像編碼和解碼程式碼。
from PIL import Image
import base64
import io
# Load and encode image
img = Image.open("example.jpeg")
buffered = io.BytesIO()
img.save(buffered, format="JPEG")
img_bytes = buffered.getvalue()
img_base64 = base64.b64encode(img_bytes).decode('utf-8')
print("Base64 String:", img_base64[:100], "...") # Truncated
輸出
我們還可以使用以下程式碼將 base64 編碼的資料解碼回影像。
from PIL import Image import base64 import io from IPython.display import display, Image as IPythonImage # Assume `img_base64` is the base64 string img_data = base64.b64decode(img_base64) img = Image.open(io.BytesIO(img_data)) display(IPythonImage(data=img_data))
輸出
要了解有關 Base64 的更多資訊並查詢更多編碼器和解碼器，您可以參考此網站。
使用Base64時需要注意的事項
儘管 Base64 在跨領域的各種用例中都非常有用，但在使用它時仍需注意以下幾點。
- 大小開銷（約 33%）：每 3 個位元組的二進位制資料，需要輸出 4 個位元組的文字。對於大批次資料（例如，數千個高解析度幀），這會快速消耗網路和儲存頻寬。請考慮在 Base64 之前壓縮影像 (JPEG/PNG)，並儘可能使用流式傳輸。
- 記憶體和 CPU 負載：一次性轉換和緩衝整張圖片會導致編碼期間記憶體使用量激增。同樣，解碼為原始位元組，然後透過圖片庫進行解析也會增加 CPU 開銷。
- Base64 並非壓縮演算法：Base64 不會減小資料大小，而是會使資料膨脹。在編碼為 Base64 之前，請務必對二進位制資料進行真正的壓縮（例如，JPEG、WebP）。
- 安全注意事項：如果我們盲目地將 Base64 字串連線到 HTML 或 JSON 中而不進行清理，則可能會開啟 XSS 或 JSON 注入向量。此外，極大的 Base64 資料可能會耗盡解析器，並在閘道器處強制執行最大有效載荷大小。
小結
在這個模型既能“看”又能“讀”的時代，Base64 已悄然成為多模態系統的基石。它在資料編碼中扮演著至關重要的角色，彌合了二進位制資料和純文字系統之間的鴻溝。在視覺語言工作流程中，Base64 標準化了影像從移動客戶端到雲端 GPU 的傳輸方式，同時保持了可重複性並簡化了整合。
使影像與基於文字的基礎設施相容一直是一個複雜的難題。Base64 編碼為此提供了一個實用的解決方案，它支援透過 API 傳輸影像，並打包資料集用於訓練。
評論留言