Base64 Kodlama ve Çözme

Türkçe metinlerde btoa neden patlar

Tarayıcıdaki btoa fonksiyonu bir metni değil, aslında bir ikili diziyi bekler: her karakterin kod noktası 0 ile 255 arasında olmak zorundadır. Bu, Latin-1 aralığıdır. Kod noktası 255'i aşan ilk karakterde fonksiyon veri döndürmez, doğrudan istisna fırlatır. Türkçe alfabede ş, ğ, İ ve ı harflerinin hepsi bu sınırın dışındadır, dolayısıyla sıradan bir cümle bile yeterlidir.

1btoa('Kürşad');2// Uncaught InvalidCharacterError:3// String contains an invalid character4 5// ü Latin-1 içinde olduğu için tek başına geçer, ama yanlış kodlar6btoa('ü');            // 'ãû' baytı değil, tek bayt 0xFC7// UTF-8'de 'ü' iki bayttır: 0xC3 0xBC

İkinci satırdaki durum ilkinden daha sinsidir. Karakter Latin-1 aralığına düştüğü için hata alınmaz, ancak üretilen Base64 UTF-8 baytlarını değil tek baytlık Latin-1 kodunu taşır. Çözen taraf UTF-8 beklediğinde ortaya bozuk karakter çıkar ve sorunun kaynağını bulmak zorlaşır, çünkü hiçbir aşamada hata fırlatılmamıştır.

Doğru yol: önce baytlar, sonra Base64

Base64 metinleri değil baytları kodlar. Bu yüzden akış her zaman iki adımlı olmalıdır: metni açık bir şekilde UTF-8 baytlara çevirin, sonra o baytları Base64'e dönüştürün. Çözerken de aynı yolu tersine yürütün. Bu araç tam olarak böyle çalışır, dolayısıyla Türkçe girdilerde ne hata alırsınız ne de bozuk çıktı.

1// Kodlama: metin -> UTF-8 baytlar -> Base642function encode(text) {3  const bytes = new TextEncoder().encode(text);4  let binary = '';5  for (const b of bytes) binary += String.fromCharCode(b);6  return btoa(binary);7}8 9// Çözme: Base64 -> baytlar -> UTF-8 metin10function decode(b64) {11  const bytes = Uint8Array.from(atob(b64), c => c.charCodeAt(0));12  return new TextDecoder('utf-8').decode(bytes);13}14 15encode('Kürşad');       // 'S8O8csWfYWQ='16decode('S8O8csWfYWQ='); // 'Kürşad'

Alfabeler, dolgu ve satır sonları

Base64'ün iki yaygın alfabesi vardır. Standart varyant (RFC 4648 bölüm 4) 62 ve 63 numaralı karakterler için + ve / kullanır. URL güvenli varyant (bölüm 5) bunların yerine - ve _ koyar ve genellikle sondaki dolgu karakterlerini de atar. Ayrım kozmetik değildir: + bir sorgu parametresinde boşluğa dönüşür, / ise yol ayracı sanılır.

Dolgu karakteri =, kodlanmış metnin uzunluğunu 4'ün katına tamamlar. Her 3 bayt 4 karaktere dönüştüğü için, kalan 1 bayt iki karakter artı iki dolgu, kalan 2 bayt üç karakter artı bir dolgu üretir. Bu yüzden uzunluğun 4'e bölümünden kalan asla 1 olamaz: hiçbir kodlayıcı tek başına duran bir karakter üretmez. Böyle bir girdi gördüğünüzde metin kopyalanırken kırpılmıştır ve araç bunu ayrı bir mesajla söyler.

Yapıştırılan girdide satır sonları olması da çok yaygındır. PEM biçimindeki sertifikalar ve anahtarlar Base64 gövdesini 64 karakterlik satırlara böler, e-posta ekleri de benzer şekilde sarılır. Bu boşluklar veri değildir, yalnızca biçimlendirmedir; çözmeden önce temizlenmeleri gerekir. Araç girdideki tüm boşluk ve satır sonlarını otomatik olarak atar, dolayısıyla PEM gövdesini olduğu gibi yapıştırabilirsiniz.

Base64 şifreleme değildir

Bu, konuyla ilgili en sık rastlanan yanlış inanıştır ve düzeltmeye değer. Base64 bir kodlamadır, bir şifreleme değildir. Anahtar yoktur, gizli hiçbir bileşen yoktur ve çözme işlemi herkesin elinde olan tamamen genel bir algoritmadır. Bir parolayı ya da API anahtarını Base64'leyip yapılandırma dosyasına koymak onu korumaz, yalnızca gözle okunamaz hale getirir. Aynı şey sıkıştırma için de geçerlidir.

Peki Base64 ne işe yarar? Yalnızca metin taşıyabilen kanallardan ikili veri geçirmeye. E-posta gövdeleri, JSON alanları, XML öğeleri, URL parçaları ve HTTP başlıkları bunun tipik örnekleridir. Amacı gizlemek değil, baytların yolda bozulmadan gitmesini sağlamaktır.

İkili veriyi çözerken

Her Base64 metni bir yazıya karşılık gelmez. Bir PNG dosyası, bir protokol tamponu ya da şifreli bir blob çözüldüğünde ortaya geçerli UTF-8 olmayan baytlar çıkar. Bu baytları zorla metin olarak göstermeye çalışmak ekranı U+FFFD değiştirme karakterleriyle doldurur ve hiçbir bilgi vermez. Daha kötüsü, o çıktıyı kopyalayıp geri kodlarsanız orijinal baytları kaybedersiniz, çünkü değiştirme karakteri geri dönüşü olmayan bir kayıptır.

Bu araç çözme sırasında katı UTF-8 modunu kullanır: baytlar geçerli metin değilse sessizce değiştirme yapmak yerine durumu bildirir ve ilk baytların onaltılık görünümünü verir. PNG dosyalarının 89 50 4E 47 ile, JPEG dosyalarının FF D8 FF ile, ZIP arşivlerinin 50 4B 03 04 ile başladığını bilmek, elinizdeki verinin ne olduğunu anlamak için çoğu zaman yeterlidir.