RegExparsing或validationBase64数据

是否有可能使用RegEx来validation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是困难。

我有一个Base64分析器，不能完全依赖input数据来遵循RFC规范。 所以，我面对的问题是可能不会分解为78（我认为是78，我不得不仔细检查RFC，所以如果确切的数字是错误的，我不认为）字符行，或者线路不能在CRLF中结束，因为它可能只有CR或LF，或者没有。

所以，我已经有一段时间来parsingBase64格式的数据，所以像下面这样的例子变得不可能正确解码。 为了简洁，我只会显示部分MIME头文件…

Content-Transfer-Encoding: base64 VGhpcyBpcyBzaW1wbGUgQVNDSUkgQmFzZTY0IGZvciBTdGFja092ZXJmbG93IGV4YW1wbGUu 

好吧，parsing这个没有问题，这正是我们所期望的结果。 在99％的情况下，使用任何代码至lessvalidation在缓冲区中的每个字符是一个有效的base64字符，完美的作品。 但是，这引发了一场混战。

 Content-Transfer-Encoding: base64 http://www.stackoverflow.com VGhpcyBpcyBzaW1wbGUgQVNDSUkgQmFzZTY0IGZvciBTdGFja092ZXJmbG93IGV4YW1wbGUu 

这是我在某些病毒和其他东西中看到的利用某些邮件阅读器阅读的b64编码的一个版本，它希望不惜一切代价来parsingmime，而不是严格按照本书进行parsing，而不是RFC; 如果你愿意。

我的base64解码器解码第二个例子到下面的数据stream。 原始stream是全部ASCII数据！

 0x86DB69FFFC30C2CB5A724A2F7AB7E5A307289951A1A5CC81A5CC81CDA5B5C1B19481054D0D 2524810985CD94D8D08199BDC8814DD1858DAD3DD995C999B1BDDC8195E1B585C1B194B8 

任何人都有一个很好的方法来同时解决这两个问题？ 我不确定甚至有可能，除了对数据进行两次不同规则的转换，并对结果进行比较，甚至是这样，你信任哪一个呢？ 看起来，ASCII Heuristics就是最好的解决scheme，但是代码和执行时间又多了多less，就像病毒扫描程序一样复杂，这个代码涉及到了什么？ 你将如何训练启发式引擎来学习什么是可接受的b64，哪些不是？

---

更新：

做这个问题继续得到的意见的数量，我已经决定张贴我已经在C＃应用程序中使用了3年的简单RegEx现在，成千上万的交易。 老实说，我喜欢Gumbo最好的答案，这就是为什么我select它作为select的答案。 但是，对于任何使用C＃的人来说，至less要查找一个非常快捷的方法来检测string或byte []是否包含有效的b64数据，正如我所说的，这对我来说工作得非常好。

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

是的，这是针对base64数据的STRING ，而不是格式正确的RFC1341消息。 因此，如果您正在处理此类数据，请在尝试使用上述RegEx之前考虑这一点。 如果你正在处理Base16，Base32，Radix甚至Base64用于其他目的（URL，文件名，XML编码等），那么强烈build议你阅读Gumbo在他的回答中提到的RFC4648 ，因为你需要做好在尝试使用此问题/答案集中的build议之前，了解实现所使用的字符集和终止符。

Answer 1

从RFC 4648 ：

在许多情况下，数据的基本编码被用于在可能由于传统原因被限制为US-ASCII数据的环境中存储或传送数据。

因此，如果数据被认为是危险的，则取决于使用编码数据的目的。

但是，如果您只是寻找一个正则expression式来匹配Base64编码的单词，您可以使用以下内容：

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

Answer 2

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

这一个很好，但会匹配一个空的String

这一个不匹配空string：

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

Answer 3

“ ： ”和“ 。 ”都不会在有效的Base64中显示，所以我认为你可以毫不含糊地抛弃http://www.stackoverflow.com行。 在Perl中，比如说

 my $sanitized_str = join q{}, grep {!/[^A-Za-z0-9+\/=]/} split /\n/, $str; say decode_base64($sanitized_str); 

可能是你想要的。 它产生

这是StackOverflow示例的简单ASCII Base64。

Answer 4

我能find的最好的正则expression式在这里https://www.npmjs.com/package/base64-regex

这在当前版本中是这样的：

 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'); };