摘要 Digest 及 Base64

14th鐵人賽

kevinluo201

2022-09-14 06:01:36

1537 瀏覽

分享至

Hash Function 的結果會是一個數字，除了稱它們為 Hash 值外，我們也常稱它們為 Digest，不是消化喔，翻成摘要比較適當。因為你輸入一篇文章到 Hash Function 裡，會生成一個獨一無二的值，好像代表了那篇文章一樣。

總之Digest 就是 Hash 的結果。

為何 Digest 很長?

為了對應到的數字要盡量不碰撞，那 Digest 的數字的集合一定要夠大，是吧？如果 Hash Function 只對應到 0 - 9，那我們幾本上可以說當我輸入第 11 個輸入時，必有碰撞產生，這叫鴿籠原理嘛！(太抽象了嗎？或是我說如果你交了十二任女友，每一個星座都不同，那我斷定你第十三任女友的星座必會與前任同複！)

所以實務上 Hash Function 通常產生很是很大的數字，又因為電腦都是用 2 進位，數字都是 0 與 1 的 bit，因為用了很多個 bit，所以也可以說是很長的數字。例如

111111101010101010011110100101010101001010

但這樣的表示法第一很沒意義，第二很長不方便比較。
那我們可以改用 Base64 或 Hex(16進位) 的方式來表示。16進位表示法就是每4-bit轉成 0..9 及 A..F，請自行查一下 wiki。我們下面介紹 Base64 表示法。

Base64介紹

Base64 僅是一種表示資料的方式，因為最後的結果是一串亂碼，容易被誤會是資料加密，其實是完全沒有關係。

Base64 可以想成「用 64 種字元」去代表任何資料。

因為電腦的資料不論如何，一定是 0 跟 1 的組合，
以 6 個 2進位為一組，會有64種組合，給每種組合一個代表的「字元 Char」，可以用那64種字元去代表所有的字串了
就如同下表：

以 Wiki 上的例子Man轉成 Base64 來說， ascii 是用 8 bits 存的，所以共有 24 bits

M 是 010011 01, 前面6 bit 010011依上表是 T ，然後剩 2 bit 01
a 是 0110 0001，前面的4 bit 配上 M 後 2 bit, 010110 是 W
依續做可得 TWFu

如果bits數不能被 6 整除，會用 = 去代替

我們可以用這個方式拆解中文我試看看：
https://onlineutf8tools.com/convert-utf8-to-binary 線上工具轉 UTF-8 至 Binary

我剛好是3個 byte，24bits 所以用 base64 恰好是 4個字元顯示

puts Base64.encode64 '我'
# 5oiR

# 注意decode base64時，它不知道那是 utf-8 所以要自己轉回去
Base64.decode64('5oiR')
# "\xE6\x88\x91" 
Base64.decode64('5oiR').encoding
# #<Encoding:ASCII-8BIT> 
Base64.decode64('5oiR').force_encoding('UTF-8')
# "我"

有些不是「文字」的檔案，比如說圖片檔，依然可以以 0跟 1表示
所以一張圖可以寫成超長的011010101010....的字串，所以稱它們為 Binary data。
在傳送檔案時，就可以用 base64 去表示任何檔案。

希望有幫助到大家理解喔