html中base 64编码字符串的结构

Question

我用 Selenium (Python) 下载了网站的页面源代码 (html)。 我希望在 html 文件中找到所有 base 64 编码的字符串。

html中所有base 64编码的字符串是否有已知的结构？ 根据我的观察，它似乎以;base64开头，然后是十六进制字符串，最后是右括号) 。 那准确吗？

从 Wikipedia 中，十六进制字符串还必须由以下内容组成： ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/ 。 有人也可以确认吗？

提前非常感谢！

* 编辑 1 *

非常感谢 Tris，您提供的链接非常有帮助，但是。 由此看来，base 64 字符串的结尾似乎没有特定的格式。 如果我想检测它的结束，除了)之外，你会给出什么建议？

我主要是想跟踪一堆网站的变化，而base64编码中包含很多与我使用无关的数据。 因此，为了节省存储空间，我打算删除它们。 一个例子是www.amd.com ，它有以下data:image/png;base64,... （被浏览器渲染后）。

由于有许多不同的网站，我不知道它们的所有格式。 以下是我发现但对我没有用的 base64 字符串的其他一些示例：

data:font/truetype;base64,AAEAAA...

data:image/png;base64,iVBORw0KG...

对于我看到的几个示例，它们都以右括号)结尾。 请问在什么情况下他们会以)结束，否则？

再次感谢！

Answer 1

并非所有 base64 编码的字符串都会在开头包含;base64 - 这通常特定于数据 URL 。 如果您专门寻找 base64 编码的图像或其他内联元素，否则这些元素将被 HTTP URL 引用，这可能没问题。 右括号通常不相关，我还没有看到数据 URL 或其他 base64 编码字符串所需的。

通常，base64 编码的字符串使用您提到的字母表—— ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/ 。 如果编码长度不是 3 个字节的倍数，则在末尾用适当数量的=字符填充。

web 上还有另一种常用的 base64 格式—— URL-safe base64 格式。 在这种编码中， +和/通常被替换为-和_ ，因此它们可以安全地包含在 URL 中，因此得名。

如果您了解更多关于您尝试解析的网站的结构，则此信息可能无关紧要，除了“它们包含 base64 编码的字符串数据”。