如何判断字符串是否为base64答案

【问题标题】：how to tell if a string is base64 or not如何判断字符串是否为base64
【发布时间】：2010-09-21 06:17:39
【问题描述】：

我收到了许多来自不同来源的电子邮件。都有附件，很多都有中文的附件名，所以这些名称由其电子邮件客户端转换为 base64。

当我收到这些电子邮件时，我希望解码名称。但还有其他名称不是base64。如何使用 jython 编程语言区分字符串是否为 base64？

即。

第一个附件：

------=_NextPart_000_0091_01C940CC.EF5AC860
Content-Type: application/vnd.ms-excel;
 name="Copy of Book1.xls"
Content-Transfer-Encoding: base64
Content-Disposition: attachment;
 filename="Copy of Book1.xls"

第二个附件：

------=_NextPart_000_0091_01C940CC.EF5AC860
Content-Type: application/vnd.ms-excel;
 name="=?gb2312?B?uLGxvmhlbrixsb5nLnhscw==?="
Content-Transfer-Encoding: base64
Content-Disposition: attachment;
 filename="=?gb2312?B?uLGxvmhlbrixsb5nLnhscw==?="

请注意“Content-Transfer-Encoding”都有base64

【问题讨论】：

标签： python jython base64 mime

【解决方案1】：

标题值告诉你：

=?gb2312?B?uLGxvmhlbrixsb5nLnhscw==?= “=？”引入一个编码值 “gb2312”表示原始值的字符编码 “B”表示使用了 B 编码（等于 Base64）（替代是“Q”，它指的是接近引用可打印的东西） “？”用作分隔符 "uLG..." 是实际值，使用之前指定的编码进行编码 "?=" 结束编码值

所以拆分“？”实际上得到了这个（JSON 表示法）

["=", "gb2312", "B", "uLGxvmhlbrixsb5nLnhscw==", "="]

在结果数组中，如果“B”在位置 2，那么你在位置 3 上会遇到一个 base-64 编码的字符串。解码后，一定要注意位置 1 上的编码，可能是最好使用该信息将整个内容转换为 UTF-8。

【讨论】：

不错，从0开始计数
这个答案是否基于权威文档？
太好了，感谢您对 Tomalak 的明确回答！在你和 bobince 之间很难决定谁得到正确的答案，你对编码的本质有了清晰的理解。但我会尝试 email.header.decode_header 的东西，它只是为我做的！不过，我仍然支持你！

【解决方案2】：

请注意Content-Transfer-Encoding 都有base64

在这种情况下不相关，Content-Transfer-Encoding 仅适用于正文有效负载，不适用于标头。

=?gb2312?B?uLGxvmhlbrixsb5nLnhscw==?=

这是一个 RFC2047 编码的标头原子。解码它的标准库函数是email.header.decode_header。不过，它仍然需要一些后处理来解释该函数的结果：

import email.header
x= '=?gb2312?B?uLGxvmhlbrixsb5nLnhscw==?='
try:
    name= u''.join([
        unicode(b, e or 'ascii') for b, e in email.header.decode_header(x)
    ])
except email.Errors.HeaderParseError:
    pass # leave name as it was

不过……

Content-Type: application/vnd.ms-excel;
 name="=?gb2312?B?uLGxvmhlbrixsb5nLnhscw==?="

这是完全错误的。哪个邮件程序创建了它？ RFC2047 编码只能发生在原子中，并且带引号的字符串不是原子。 RFC2047 §5 明确否认这一点：

“编码词”不得出现在“引用字符串”中。

当存在长字符串或 Unicode 字符时，对参数标头进行编码的公认方法是 RFC2231，这是一个全新的伤害包。但是你应该使用一个标准的邮件解析库来为你解决这个问题。

因此，您可以根据需要检测文件名参数中的'=?'，并尝试通过 RFC2047 对其进行解码。但是，严格来说，正确的做法是信守邮件并真正调用文件=?gb2312?B?uLGxvmhlbrixsb5nLnhscw==?=！

【讨论】：

我尝试通过 '=?gb2312?B?uLGxvmhlbrixsb5nLnhscw==?=' 调用附件，但不幸的是它只是崩溃并痛苦地抱怨，我不知道为什么，也许正在调查那个抱怨会更快地解决问题，感谢 bobince 欣赏它
什么时候抱怨什么？如果您尝试实际保存具有该名称的文件，操作系统可能会感到不安，当然，但是任何时候您从用户输入中获取文件名时，您都需要一些非常严格的过滤来阻止危险字符 - 最好只允许 [a -zA-Z0-9_] （也捕获一个空字符串）。
& 如果 Outlook 创建了这个，我会感到惊讶，即使按照 Microsoft 标准，它也是非常畸形的！ :-)
+1 用于 python 实现和所有附加信息。干杯！
另外我实际上需要知道它是什么类型的文件，即 .xls 或 .doc 所以我确实需要解码文件名才能正确处理附件，但如上所述，似乎 gb2312 不是在 jython 中支持，知道任何环形交叉路口吗？

【解决方案3】：

@gnud, @edg - 除非我理解错了，否则他问的是文件名，而不是文件内容 @setori - Content-Trasfer-Encoding 告诉你文件的内容是如何编码的，而不是“文件名”。

我不是专家，但文件名中的这一部分告诉他后面的字符：

=?gb2312?B?

我正在寻找 RFC 中的文档...啊！这里是：https://www.rfc-editor.org/rfc/rfc2047

RFC 说：

通常，“编码字”是一系列可打印的 ASCII 字符，以“=?”开头，以“?=”结尾，中间有两个“?”。

要查看的其他内容是 SharpMimeTools 中的代码，这是我在 bug tracking 应用程序 BugTracker.NET 中使用的 MIME 解析器（C# 中）

【讨论】：

正确我在询问文件名而不是内容，我从来没有遇到过问题，即使它有中文字符。因为都是base64

【解决方案4】：

有比 bobince 的方法更好的方法来处理 decode_header 的输出。我在这里找到了它：http://mail.python.org/pipermail/email-sig/2007-March/000332.html

name = unicode(email.header.make_header(email.header.decode_header(x)))

【讨论】：

【解决方案5】：

好吧，您将电子邮件标题解析为字典。然后检查是否设置了 Content-Transfer-Encoding，以及它是否 = "base64" 或 "base-64"。

【讨论】：

【解决方案6】：

问题：“”“另外我实际上需要知道它是什么类型的文件，即 .xls 或 .doc，所以我确实需要解码文件名才能正确处理附件，但如上所述，似乎 gb2312 不是jython中支持，知道有什么环形交叉路口吗？"""

数据：

Content-Type: application/vnd.ms-excel;
 name="=?gb2312?B?uLGxvmhlbrixsb5nLnhscw==?="

观察：

(1) 第一行表示Microsoft Excel，所以.xls 看起来比.doc 好

(2)

>>> import base64
>>> base64.b64decode("uLGxvmhlbrixsb5nLnhscw==")
'\xb8\xb1\xb1\xbehen\xb8\xb1\xb1\xbeg.xls'
>>>

(a) 扩展名似乎是 .xls -- 不需要 gb2312 编解码器
(b) 如果您想要一个文件系统安全的文件名，您可以使用 base64 的“-_”变体，或者您可以对其进行百分比编码
(c) 值得一提的是，文件名是XYhenXYg.xls，其中 X 和 Y 是 2 个中文字符，合起来表示“复制”，其余的是文字 ASCII 字符。

【讨论】：