将字节数据编码为数字

Question

是否有一种通用的方法来编码和解码任意数据，因此编码的最终结果仅包含数字 - 例如 base64_encode 但没有字母？

虚构的例子：

$encoded = numbers_encode("Mary had a little lamb");

echo $encoded; // outputs e.g. 12238433742239423742322 (fictitious result)

$decoded = numbers_decode("12238433742239423742322");

echo $decoded; // outputs "Mary had a little lamb"

Answer 1

您可以将（单字节字符）字符串视为 base-256 编码的数字，其中 "\x00" 表示 0，' '（空格，即 "\x20"）表示 32，依此类推，直到 "\xFF "，代表255。

只有数字 0-9 的表示可以简单地通过将表示更改为基数 10 来完成。

请注意，“base64 编码”实际上不是 base conversion。 base64 将输入分成 3 个字节（24 位）的组，并分别对这些组进行基本转换。这很好用，因为一个 24 位的数字可以用 64 进制的四位数字表示（2^24 = 64^4）。

这或多或少是el.pescado 所做的——他将输入数据分成 8 位片段，然后将数字转换为以 10 为底的数字。但是，这种技术相对于 base 64 编码有一个缺点——它不对齐正确地使用字节边界。为了表示一个 8 位的数字（无符号时为 0-255），我们需要以 10 为基数的三个数字。但是，最左边的数字比其他数字的信息少。它可以是 0、1 或 2（对于无符号数）。

以 10 为底的数字存储 log(10)/log(2) 位。无论您选择的块大小如何，您都永远无法将表示与 8 位字节对齐（在我之前段落中描述的“对齐”的意义上）。因此，最紧凑的表示是基本转换（您可以将其视为只有一大块的“基本编码”）。

这是bcmath 的示例。

bcscale(0);
function base256ToBase10(string $string) {
    //argument is little-endian
    $result = "0";
    for ($i = strlen($string)-1; $i >= 0; $i--) {
        $result = bcadd($result,
            bcmul(ord($string[$i]), bcpow(256, $i)));
    }
    return $result;
}
function base10ToBase256(string $number) {
    $result = "";
    $n = $number;
    do {
        $remainder = bcmod($n, 256);
        $n = bcdiv($n, 256);
        $result .= chr($remainder);
    } while ($n > 0);

    return $result;
}

对于

$string = "Mary had a little lamb";
$base10 = base256ToBase10($string);
echo $base10,"\n";
$base256 = base10ToBase256($base10);
echo $base256;

我们得到

36826012939234118013885831603834892771924668323094861 玛丽有只小羊羔

由于每个数字仅编码 log(10)/log(2)=~3.32193 位，因此该数字倾向于为 140% longer（而不是 200% 长，就像 el.pescado 的答案那样）。

Answer 2

嗯，那将是“base 8”编码而不是 Base 64。这更好地称为八进制。

Base64 所做的只是将位流转换为 6 位块 (0-63)，并从 64 个字符字符集中分配一个字符。八进制使用 3 位，0-7。所以它可以使用 ABCDEFGH，但使用 0-7。您不能（轻松）使用 0-9，因为 0-9 最多 4 位，但不完全是 4 位。这就是使它成为二进制数据的糟糕编码的原因。

Answer 3

无论您如何编码，您总是会以较小的基数结束。可以通过一些 dechex() 转换将结果整数缩小一点，但最终您只会保存几个字符。话虽如此，当您开始用 0-9 表示多字节字符时，这个数字确实会膨胀。

我想知道整数作为 ID、表示单词或完整的字符串是否不会提供更小的占用空间。不是真正的直接编码，而是一种可行的选择。

@el.pescado 在上半场获得了赞誉，但他确实挑战了读者。所以，我做出了回应（主要是因为我想了解发生了什么）。

function pekka_encode($s) {
    $out = '';
    for ($i=0;$i<strlen($s); $i++) {
        $out .= sprintf("%03d", ord($s[$i]));     
    }
    return $out;
}

function pekka_decode($s) {
    $out = '';
    for ($i=0;$i<strlen($s);$i+=3) {
        $out .= chr($s[$i].$s[$i+1].$s[$i+2]);
    }
    return $out;
}

Answer 4

非常简单的例子 - 它将每个输入字节表示为 3 位十进制数：

function data2numbers ($data) {
    $out = "";
    for ($i = 0; $i < strlen ($data); $i++) {
        $out .= sprintf ("%03d", ord ($data[$i]));
    }
    return $out;
}

缺点是它将任何输入数据的大小增加三倍（每个输入字节表示为三个输出字节）。

解码功能留给读者作为练习；）