Base64変換ツール

テキスト用の通り道にバイトを通す

メールは英語のアルファベットだけを想定して設計されました。初期のウェブアドレスもそうで、今のJSONやXMLも同じです。写真、PDF、暗号鍵は任意のバイトでできていて、そうした通り道にとっては、その多くのバイトが特別な意味を持つか、何の意味も持ちません。そのまま流し込むと壊れて届きます。

Base64はその回避策です。どんなバイト列も、64個の無害な文字（A〜Z、a〜z、0〜9、+と/）で書き直します。メールの添付ファイルはすべてこの方法で運ばれます。スタイルシートに埋め込まれた画像や、ログイン状態を保つトークンも同じです。

3バイトが4文字になる

1バイトは8ビットで、64文字のうちの1文字は6ビットを表せます。そこでエンコーダーは一度に3バイト（24ビット）を取り、6ビットずつ4つに分けます。各グループがアルファベットから1文字を選びます。

text     M        a        n
bytes    01001101 01100001 01101110
6 bits   010011 010110 000101 101110
Base64   T      W      F      u

これには2つの副作用があります。出力は入力より3分の1、約33 %長くなり、改行を入れるとさらに少し増えます。そして入力が3で割り切れないときは、最後のグループを1つか2つの=記号で埋めます。これをパディングと呼びます。MaはTWE=に、MはTQ==になります。パディングはデータを含まないので、省略するシステムもあります。

標準、URLセーフ、MIME

デコードのとき、このツールはこれらをまとめて受け付けます。どちらのアルファベットでも、パディングがあってもなくても、どこにスペースや改行があってもかまいません。そのうえで、どの種類だったかを表示します。アルファベット以外の文字は位置とともに一覧にして飛ばします。1文字余る長さは指摘します。1文字は6ビットしか持たず1バイトにならないので、どこかが切れているということです。

テキストはまずバイトである

Base64がエンコードするのは文字ではなくバイトなので、何をするにもまずテキストをバイトに変える必要があります。このツールは、ウェブのほぼすべてで使われているUTF-8を使います。UTF-8では、アクセントのないラテン文字は1バイト、éは2バイト、ほとんどの漢字やかなは3バイト、絵文字は4バイトです。そのためé1文字はw6k=になります。

よくあるバグは、この手順を飛ばすことです。JavaScriptでbtoa("é")はLatin-1のバイトである6Q==を返し、btoa("👍")はエラーを投げます。戻すときには、atob()がéのあった場所にéを返します。対策は、エンコード前にTextEncoder、デコード後にTextDecoderを使うことです。

デコードしたバイトが有効なUTF-8でないとき、このツールは文字化けをそのまま表示しません。ほとんどのファイル形式を識別できる先頭のバイトを調べ（PNG、JPEG、GIF、WebP、PDF、ZIP、gzipを認識します）、画像ならプレビューし、結果をファイルとして提供し、先頭部分を16進数で表示します。

何も隠さない

Base64には鍵も秘密もありません。デコードは同じレシピを逆から読むだけで、どのプログラミング言語にも標準で入っています。Base64で「保護」したパスワードは、手間が増えただけの平文のパスワードです。HTTPヘッダーAuthorization: Basic dXNlcjpwYXNzを例にとると、誰でもuser:passに戻せます。