用于解析或验证 Base64 数据的正则表达式

Question

是否可以使用 RegEx 来验证或清理 Base64 数据？ 这是一个简单的问题，但推动这个问题的因素却使它变得困难。

我有一个 Base64 解码器，不能完全依赖输入数据来遵循 RFC 规范。 因此，我面临的问题可能是 Base64 数据可能无法分解为 78 个字符（我认为是 78 个，我必须仔细检查 RFC，所以如果确切的数字错误，请不要打扰我）字符行，或者行不能以 CRLF 结尾； 因为它可能只有 CR 或 LF，或者两者都没有。

因此，我在解析这样格式化的 Base64 数据时遇到了很大的困难。 因此，下面的示例变得不可能可靠地解码。 为了简洁起见，我将仅显示部分 MIME 标头。

Content-Transfer-Encoding: base64

VGhpcyBpcyBzaW1wbGUgQVNDSUkgQmFzZTY0IGZvciBTdGFja092ZXJmbG93IGV4YW1wbGUu

好的，所以解析没有问题，并且正是我们期望的结果。 在 99% 的情况下，使用任何代码至少验证缓冲区中的每个字符都是有效的 base64 字符都可以完美工作。 但下一个例子却给这个组合带来了麻烦。

Content-Transfer-Encoding: base64

http://www.stackoverflow.com
VGhpcyBpcyBzaW1wbGUgQVNDSUkgQmFzZTY0IGZvciBTdGFja092ZXJmbG93IGV4YW1wbGUu

这是我在一些病毒和其他东西中看到的 Base64 编码的版本，这些病毒和其他东西试图利用一些邮件读者不惜一切代价解析 MIME 的愿望，而不是严格按照书本或 RFC 进行解析； 如果你愿意的话。

我的 Base64 解码器将第二个示例解码为以下数据流。 这里请记住，原始流都是 ASCII 数据！

[0x]86DB69FFFC30C2CB5A724A2F7AB7E5A307289951A1A5CC81A5CC81CDA5B5C1B19481054D0D
2524810985CD94D8D08199BDC8814DD1858DAD3DD995C999B1BDDC8195E1B585C1B194B8

有没有人有一个好方法可以同时解决这两个问题？ 除了应用不同规则对数据进行两次转换并比较结果之外，我不确定这是否可能。 但是，如果您采用这种方法，您相信哪个输出？ ASCII 启发式似乎是最佳解决方案，但是这会给像病毒扫描程序这样复杂的东西（该代码实际涉及的东西）增加多少代码、执行时间和复杂性？ 您将如何训练启发式引擎来了解哪些是可接受的 Base64，哪些是不可接受的？

---

更新：

由于这个问题不断收到的浏览量，我决定发布一个简单的正则表达式，我已经在 C# 应用程序中使用了 3 年，有数十万个交易。 老实说，我最喜欢 Gumbo 给出的答案，这就是为什么我选择它作为选定的答案。 但对于任何使用 C# 并正在寻找一种非常快速的方法来至少检测字符串或 byte[] 是否包含有效 Base64 数据的人来说，以下正则表达式模式对我来说非常有效。

^[-A-Za-z0-9+/=]|=[^=]|={3,}$

或者按照 kael 建议的更简化的模式：

^[-A-Za-z0-9+/]*={0,3}$

是的，这只是针对 STRING 的 Base64 数据，而不是格式正确的 RFC1341信息。 因此，如果您正在处理此类数据，请在尝试使用上述正则表达式之前考虑到这一点。 如果您出于其他目的（URL、文件名、XML 编码等）而处理 Base16、Base32、Radix 甚至 Base64，那么强烈建议您阅读RFC4648 Gumbo 在他们的答案中提到，因为在尝试使用此问题/答案集中的建议之前，您需要充分了解实现使用的字符集和终止符。

Answer 1

“:”和“.”都不会出现在有效的 Base64 中，因此我认为您可以明确地丢弃 http://www.stackoverflow .com 线。 比如说，在 Perl 中，类似的东西

my $sanitized_str = join q{}, grep {!/[^A-Za-z0-9+\/=]/} split /\n/, $str;

say decode_base64($sanitized_str);

可能就是你想要的。 它生成

This is simple ASCII Base64 for StackOverflow exmaple.

Answer 2

迄今为止我能找到的最好的正则表达式就在这里
https://www.npmjs.com/package/base64-regex

位于当前版本如下：

module.exports = function (opts) {
  opts = opts || {};
  var regex = '(?:[A-Za-z0-9+\/]{4}\\n?)*(?:[A-Za-z0-9+\/]{2}==|[A-Za-z0-9+\/]{3}=)';

  return opts.exact ? new RegExp('(?:^' + regex + '$)') :
                    new RegExp('(?:^|\\s)' + regex, 'g');
};

Answer 3

检查 RFC-4648 合规性的最短正则表达式强制执行规范编码（即所有填充位设置为 0）：

^(?=(.{4})*$)[A-Za-z0-9+/]*([AQgw]==|[AEIMQUYcgkosw048]=)?$

实际上这是 this< /a> 和那个答案。

Answer 4

我的 Base64 正则表达式的简化版本：

^[A-Za-z0-9+/]*={0,2}$

简化是它不检查其长度是否是 4 的倍数如果您需要 - 使用其他答案。 我的重点是简单性。

要测试它： https://regex101.com/r/zdtGSH/1

Answer 5

我找到一个非常有效的解决方案

^(?:([a-z0-9A-Z+\/]){4})*(?1)(?:(?1)==|(?1){2}=|(?1){3})$

它将匹配跟随字符串

VGhpcyBpcyBzaW1wbGUgQVNDSUkgQmFzZTY0IGZvciBTdGFja092ZXJmbG93IGV4YW1wbGUu
YW55IGNhcm5hbCBwbGVhcw==
YW55IGNhcm5hbCBwbGVhc3U=
YW55IGNhcm5hbCBwbGVhc3Vy

，但它不会匹配任何无效的字符串

YW5@IGNhcm5hbCBwbGVhcw==
YW55IGNhc=5hbCBwbGVhcw==
YW55%%%%IGNhcm5hbCBwbGVhc3V
YW55IGNhcm5hbCBwbGVhc3
YW55IGNhcm5hbCBwbGVhc
YW***55IGNhcm5hbCBwbGVh=
YW55IGNhcm5hbCBwbGVhc==
YW55IGNhcm5hbCBwbGVhc===

Answer 6

来自 RFC 4648：

数据的基本编码在许多情况下用于在环境中存储或传输数据，而这些环境（可能由于遗留原因）仅限于 US-ASCII 数据。

因此，是否应将数据视为危险数据取决于编码数据的使用目的。

但如果您只是寻找匹配 Base64 编码单词的正则表达式，则可以使用以下内容：

^(?:[A-Za-z0-9+/]{4})*(?:[A-Za-z0-9+/]{2}==|[A-Za-z0-9+/]{3}=)?$

Answer 7

^(?:[A-Za-z0-9+/]{4})*(?:[A-Za-z0-9+/]{2}==|[A-Za-z0-9+/]{3}=)?$

这个很好，但是会匹配一个空字符串

这个不匹配空字符串：

^(?:[A-Za-z0-9+/]{4})*(?:[A-Za-z0-9+/]{2}==|[A-Za-z0-9+/]{3}=|[A-Za-z0-9+/]{4})$

Answer 8

到目前为止给出的答案未能检查 Base64 字符串是否将所有填充位设置为 0，因为它是 Base64 的规范表示（这在某些环境中很重要，请参阅 https://www.rfc-editor.org/rfc/rfc4648#section-3.5），因此，他们允许别名是同一二进制字符串的不同编码。 在某些应用程序中这可能是一个安全问题。

以下正则表达式验证给定字符串不仅是有效的 base64，而且还是二进制数据的规范 base64 字符串：

^(?:[A-Za-z0-9+/]{4})*(?:[A-Za-z0-9+/][AQgw]==|[A-Za-z0-9+/]{2}[AEIMQUYcgkosw048]=)?$

引用的 RFC 认为空字符串有效（请参阅 https://www.rfc-editor.org/rfc/rfc4648#section-10）因此上述正则表达式也是如此。

base64url 的等效正则表达式（再次参考上面的 RFC）是：

^(?:[A-Za-z0-9_-]{4})*(?:[A-Za-z0-9_-][AQgw]==|[A-Za-z0-9_-]{2}[AEIMQUYcgkosw048]=)?$

Answer 9

这是一个替代正则表达式：

^(?=(.{4})*$)[A-Za-z0-9+/]*={0,2}$

它满足以下条件：

• 字符串长度必须是四的倍数 - (?=^(.{4})*$)
• 内容必须是字母数字字符或 +或 / - [A-Za-z0-9+/]*
• 末尾最多可以有两个填充 (=) 字符 - ={0,2}
• 它接受空字符串

Answer 10

要验证 base64 图像，我们可以使用此正则表达式

/^data:image/(?:gif|png|jpeg|bmp|webp)(?:;charset=utf-8)?;base64,(?:[A-Za-z0-9]|[ +/])+={0,2}

  private validBase64Image(base64Image: string): boolean {
    const regex = /^data:image\/(?:gif|png|jpeg|bmp|webp|svg\+xml)(?:;charset=utf-8)?;base64,(?:[A-Za-z0-9]|[+/])+={0,2}/;
    return base64Image && regex.test(base64Image);
  }