Conversor Base64

Enviar bytes por canais feitos para texto

O e-mail foi projetado para letras simples do inglês. Os primeiros endereços web também, e o JSON e o XML de hoje também. Uma foto, um PDF ou uma chave criptográfica são feitos de bytes arbitrários, e para um canal desses, muitos desses bytes significam algo especial ou nada. Mande-os do jeito que estão e eles chegam danificados.

O Base64 é a solução. Ele reescreve qualquer sequência de bytes com 64 caracteres inofensivos: A a Z, a a z, 0 a 9, + e /. Todo anexo de e-mail viaja assim. Também as imagens embutidas numa folha de estilo e os tokens que mantêm você conectado.

Três bytes viram quatro caracteres

Um byte tem 8 bits, e um entre 64 caracteres pode representar 6 bits. Então o codificador pega 3 bytes (24 bits) por vez e os corta em quatro grupos de 6 bits. Cada grupo escolhe um caractere do alfabeto.

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

Isso tem dois efeitos colaterais. A saída é um terço maior que a entrada, cerca de 33 %, um pouco mais com quebras de linha. E quando a entrada não é divisível por 3, o último grupo é completado com um ou dois sinais =, o chamado preenchimento (padding). Ma dá TWE= e M dá TQ==. O preenchimento não carrega dados, por isso alguns sistemas o omitem.

Padrão, URL-safe, MIME

Na decodificação, esta ferramenta aceita todas de uma vez: qualquer um dos alfabetos, com ou sem preenchimento, espaços e quebras de linha em qualquer lugar. Depois ela diz qual variante encontrou. Caracteres fora do alfabeto são listados com a posição e ignorados. Um comprimento que deixa um caractere sobrando é sinalizado. Um único caractere guarda 6 bits e não forma um byte, então algo foi cortado.

Texto é antes de tudo bytes

O Base64 codifica bytes, não letras, então o texto precisa virar bytes antes de qualquer coisa. Esta ferramenta usa UTF-8, a codificação de quase toda a web. Em UTF-8, uma letra latina sem acento ocupa 1 byte, é ocupa 2, a maioria dos caracteres chineses ou japoneses ocupa 3 e um emoji ocupa 4. Por isso é sozinho vira w6k=.

O bug clássico é pular essa etapa. Em JavaScript, btoa("é") devolve 6Q==, o byte Latin-1, e btoa("👍") gera um erro. Na volta, atob() entrega é onde antes havia é. A correção é TextEncoder antes de codificar e TextDecoder depois de decodificar.

Quando os bytes decodificados não são UTF-8 válido, a ferramenta não joga lixo na sua tela. Ela olha os primeiros bytes, que identificam a maioria dos formatos de arquivo (PNG, JPEG, GIF, WebP, PDF, ZIP e gzip são reconhecidos), mostra uma prévia da imagem, oferece o resultado como arquivo e exibe o começo em hexadecimal.

Ele não esconde nada

O Base64 não tem chave nem segredo. Decodificar é a mesma receita lida de trás para frente, e toda linguagem de programação já vem com ela. Uma senha “protegida” com Base64 é uma senha em texto claro com passos extras. Veja o cabeçalho HTTP Authorization: Basic dXNlcjpwYXNz, que qualquer pessoa transforma de volta em user:pass.