将二进制数据转换为网络安全文本并返回 - Python

Question

我想将二进制文件（例如 jpg、mp3 等）转换为网络安全文本，然后再转换回二进制数据。我研究了几个模块，我认为我真的很接近，但我不断收到数据损坏。

查看binascii 的文档后，我想到了这个：

from binascii import *
raw_bytes = open('test.jpg','rb').read()
text = b2a_qp(raw_bytes,quotetabs=True,header=False)
bytesback = a2b_qp(text,header=False)
f = open('converted.jpg','wb')
f.write(bytesback)
f.close()

当我尝试打开 converted.jpg 时，我得到数据损坏：-/

我还尝试将b2a_base64 与 57 长的二进制数据块一起使用。我将每个块转换为字符串，将它们连接在一起，然后再转换回a2b_base64 并再次损坏。

有人可以帮忙吗？我对字节和文件格式的所有复杂性并不是非常了解。如果这与 \r\n 的东西有区别，我会在 Windows 上使用 Python

Answer 1

您的代码看起来相当复杂。试试这个：

#!/usr/bin/env python

from binascii import *
raw_bytes = open('28.jpg','rb').read()
i = 0
str_one = b2a_base64(raw_bytes) # 1
str_list = b2a_base64(raw_bytes).split("\n") #2

bytesBackAll = a2b_base64(''.join(str_list)) #2
print bytesBackAll == raw_bytes #True #2

bytesBackAll = a2b_base64(str_one) #1
print bytesBackAll == raw_bytes #True #1

标有#1 和#2 的行代表彼此的替代品。 #1 对我来说似乎最直接 - 只需将其设为一个字符串，对其进行处理并将其转换回来。

Answer 2

您应该使用 base64 编码而不是引用的 printable。使用b2a_base64() 和a2b_base64()。

对于像图片这样的二进制数据，引用的可打印文件要大得多。在此编码中，每个二进制（非字母数字字符）代码都更改为=HEX。它可用于主要由字母数字组成的文本，如电子邮件主题。

Base64 对于主要是二进制数据要好得多。它占用第一个字节的 6 位，然后是第一个字节的最后 2 位和从第二个字节开始的 4 位。等。可以通过编码文本末尾的=填充来识别（有时使用其他字符）。

作为示例，我采用了 271 700 字节的 .jpeg。在 qp 中为 627 857 b，而在 base64 中为 362 269 字节。 qp 的大小取决于数据类型：只有字母的文本不会改变。 base64 的大小为orig_size * 8 / 6。

Answer 3

您的文档参考适用于 Python 3.0.1。没有充分的理由使用 Python 3.0。您应该使用 3.2 或 2.7。你到底在用什么？

建议：(1) 将 bytes 更改为 raw_bytes 以避免与内置的 bytes 混淆 (2) 在测试脚本中检查 raw_bytes == bytes_back (3) 在测试时应该与quoted-printable一起使用，对于二进制数据来说效率非常低；改用 base64。

更新：Base64 编码为每 3 个输入字节生成 4 个输出字节。您的 base64 代码不适用于 56 字节块，因为 56 不是 3 的整数倍；每个块被填充为 3 的倍数。然后你加入块并尝试解码，这保证不会工作。

你的分块循环最好写成：

output_string = ''.join(
    b2a_base64(raw_bytes[i:i+57]) for i in xrange(0, xrange(len(raw_bytes), 57)
    )

无论如何，分块是相当缓慢且毫无意义的；就做b2a_base64(raw_bytes)

Answer 4

@PMC 从问题中复制的答案：

以下是有效的：

from binascii import *
raw_bytes = open('28.jpg','rb').read()
str_list = []
i = 0
while i < len(raw_bytes):
    byteSegment = raw_bytes[i:i+57]
    str_list.append(b2a_base64(byteSegment))
    i += 57
bytesBackAll = a2b_base64(''.join(str_list))
print bytesBackAll == raw_bytes #True

感谢各位的帮助。我不知道为什么这会以 [0:56] 而不是 [0:57] 失败，但我会把它留给读者作为练习：P