Differences

This shows you the differences between two versions of the page.

--- tanszek:oktatas:infrendalapjai_architekturak:informacio_feldolgozas:karakter_kodolas [2024/11/12 20:08] – created knehez
+++ tanszek:oktatas:infrendalapjai_architekturak:informacio_feldolgozas:karakter_kodolas [2024/11/12 20:17] (current) – [Base64 kódolás] knehez
@@ Line 37: / Line 37: @@
 //Megjegyzés//: Az UTF-16 kódolás előírja, hogy a byte-sorrendet jelezni kell egy úgynevezett byte-sorrend jelző (byte order mark, **BOM**) segítségével, amelynek meg kell előznie a tényleges szöveget. Notepad++-ban ez látszik is, egyes szöveges állományok elején. A BOM-ként használt karakter a „nulla szélességű nem törhető szóköz”, amely értelemszerűen sosem fordul elő eredeti jelentéstartalmával szöveg elején. Unicode száma hexadecimálisan **FEFF**; az **FE** **FF** byte-sorozat jelenti a „big-endian”, azaz „nagy végű”, és az **FF** **FE** sorozat jelenti a „little-endian”, azaz „kis végű” byte-sorrendet.
+==== Base64 kódolás ====
+Ez valójában nem karakter kódolás, de didaktikailag ide illik.
+Multipurpose Internet Mail Extensions (**MIME**) az internet hivatalos levélformátuma. A levelek az **SMTP** (Simple Mail Transfer Protocol) protokoll segítségével továbbítódnak a címzetthez. Az **SMTP** protokoll csak 7 bites **ASCII** karakterek továbbítását támogatja. A **MIME** szabvány többféle módszert támogat a bináris adatok továbbításához. Az egyik legismertebb a Base-64 kódolás.
+A következő példában egy melléklettel rendelkező email-t láthatunk, azaz a forrásadatot amit a levelező programok értelmeznek:
+<code>
+Content-type: multipart/mixed; boundary="frontier"
+MIME-version: 1.0
+--frontier
+Content-type: text/plain
+This is the body of the message.
+--frontier
+Content-type: application/octet-stream
+Content-transfer-encoding: base64
+gajwO4+n2Fy4FV3V7zD9awd7uG8/TITP/vIocxXnnf/5mjgQjcipBUL1b3uyLwAVtBLOP4nV
+AhSzlZnyLAF8na0n7g6OSeej7EjlF/aglS6ghfju FgRr+OX==
+--frontier--
+</code>
+Hátulról a második és harmadik sorban láthatóak base64 kódolt adatok. Nézzük hogyan jön ez létre.
+**Base64** kódolás (vagy általánosabban adat reprezentáció) egy 64 jelből álló készleten alapul. Olyan, mintha **64**-es számrendszerbe írnánk át az adatainkat. A kódolást 6 bites csoportokon végezzük.
+<code>
+..25     – 'A' .. 'Z'
+..51    – 'a' – 'z'
+..61    – '0' – '9'
+        – '+'
+        – '/'
+</code>
+Azaz 0 és 25 között használjuk az angol ABC első 26 nagybetűjét, majd 26 és 51 között a kisbetűket, valamint 52-61-ig a számokat majd a maradék 2 kódhelyre a + és / jelek kerülnek. Így összesen 64 féle szimbólumot adtunk meg.
+=== Példa ===
+Kódoljuk a következő bináris adatot Base-64 kódolás szerint:
+''001100110011''
+Bontsuk fel két 6 bites részre:
+''001100'' , ''110011''
+Ezek decimálisan 12 és 51. A táblázat alapján: 12 = M és 51 = z
+Az eredmény:
+**Mz**
+----
+A Base-64 kódolás 3 byte-onként történik és 3 byte kódolt eredménye 4 karakter lesz. Hogyan kódolunk, ha a kódolandó bájtok száma nem osztható 3-al? (ilyen kor 1 vagy 2 db egyenlőséggel jelöljük ezeket az eseteket az alábbi példák alapján)
+Kódoljuk a ''00000001''-t (ami 1 byte):
+. Egészítsük ki 3 byte-ra ''00000001'' ''00000000'' '00000000''
+. Bontsuk fel 6 bites csoportokra:  ''000000 010000 000000 000000'' , és nézzük ki a táblázatból a karaktereket.
+. Az eredmény ''AQ==''
+Most pedig kódoljuk a ''00000010'' ''00000001''-t (ami 2 byte adatot jelent):
+. Egészítsük ki 3 byte-ra ''00000010'' ''00000001'' ''00000000''
+. Bontsuk fel 6 bites csoportokra: ''000000 100000 000100 000000''
+. Az eredmény ''AgE=''
+**Base-64 dekódolás**: 4 karakterenként visszafelé majd 8 bitenként csoportosítva. Az egyenlőség jelek száma alapján el lehet dönteni, hogy az utolsó 6 vagy 12 bitet figyelembe kell-e venni.
+A kódolás fontos előnye, hogy sortörő karaktert is tartalmazhat. (minden olyan karaktert is, ami a kódtáblázatból hiányzik). De a dekódolásnál ezt figyelembe kell venni.