Python：解码HTML文件中base64编码的字符串，并将这些字符串替换为它们的解码计数器

Question

请帮忙，因为这个翻转程序是我正在进行的噩梦！在

我有几个文件包含一些base64编码的字符串。 示例文件的一部分内容如下：

charset=utf-8;base64,I2JhY2tydW5uZXJfUV81c3R7aGVpZ2h0OjkzcHg7fWJhY2tydW5uZXJfUV81c3R7ZGlzcGxheTpibG9jayFpbXBvcnRhbnQ7fQ==" 

它们的格式总是“ANYTHINGbase64，STRING” 它是html，但我将其视为一个大字符串，并在别处使用BeautifulGroup。我使用一个正则表达式'base'来提取base64字符串，然后使用base64模块按照我定义的函数“debase”对其进行解码。在

这似乎在某种程度上是可行的：b64encode的输出出于某种原因添加了不必要的东西：

后盾{高度：93px；}后援{显示：阻止！重要的是，用绳子把东西放在中间。在

我猜这意味着以字节为单位；所以我试着让我的函数将其编码为utf8，但基本上我做不到。在

我想要的最终结果是我的html中的所有“base64，STRING”都被解码并替换为DECODEDSTRING。在

请帮忙！在

^{pr2}$

Answer 1

您的输入格式有点奇怪（例如，后面有一个不匹配的单引号），因此请确保您没有做不必要的工作或以奇怪的方式解析内容。在

不管怎样，假设你的输入是给定的形式，你必须像刚才那样用base64解码，然后用给定的编码解码得到一个字符串而不是bytestring：

import base64

inp = 'charset=utf-8;base64,I2JhY2tydW5uZXJfUV81c3R7aGVpZ2h0OjkzcHg7fWJhY2tydW5uZXJfUV81c3R7ZGlzcGxheTpibG9jayFpbXBvcnRhbnQ7fQ=="'
head,tail = inp.split(';')
_,enc = head.split('=') # TODO: check if the beginning is "charset"
_,msg = tail.split(',') # TODO: check that the beginning is "base64"

plaintext_bytes = base64.b64decode(msg)
plaintext_str = plaintext_bytes.decode(enc)

现在两个结果是

^{pr2}$

如您所见，字节的内容已经是可读的，这是因为内容是ASCII。还要注意，我没有从字符串中删除尾随的引号：base64足够聪明，可以忽略内容中两个等式符号后面的内容。在

---

简而言之，字符串是python3中文本的一种抽象表示，如果您想用一个由1和0组成的流来表示文本（当您将数据从一个地方传输到另一个地方时，您需要一个特定的编码）。当你得到一个以字节为单位的字符串时，你必须知道它是如何编码的，以便对它进行解码并获得一个合适的字符串。如果字符串与ASCII兼容，那么编码就相当简单，但是一旦出现更多的通用字符，如果使用了错误的编码，代码就会中断。在