html中base 64編碼字符串的結構

Question

我用 Selenium (Python) 下載了網站的頁面源代碼 (html)。 我希望在 html 文件中找到所有 base 64 編碼的字符串。

html中所有base 64編碼的字符串是否有已知的結構？ 根據我的觀察，它似乎以;base64開頭，然后是十六進制字符串，最后是右括號) 。 那准確嗎？

從 Wikipedia 中，十六進制字符串還必須由以下內容組成： ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/ 。 有人也可以確認嗎？

提前非常感謝！

* 編輯 1 *

非常感謝 Tris，您提供的鏈接非常有幫助，但是。 由此看來，base 64 字符串的結尾似乎沒有特定的格式。 如果我想檢測它的結束，除了)之外，你會給出什么建議？

我主要是想跟蹤一堆網站的變化，而base64編碼中包含很多與我使用無關的數據。 因此，為了節省存儲空間，我打算刪除它們。 一個例子是www.amd.com ，它有以下data:image/png;base64,... （被瀏覽器渲染后）。

由於有許多不同的網站，我不知道它們的所有格式。 以下是我發現但對我沒有用的 base64 字符串的其他一些示例：

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

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

對於我看到的幾個示例，它們都以右括號)結尾。 請問在什么情況下他們會以)結束，否則？

再次感謝！

Answer 1

並非所有 base64 編碼的字符串都會在開頭包含;base64 - 這通常特定於數據 URL 。 如果您專門尋找 base64 編碼的圖像或其他內聯元素，否則這些元素將被 HTTP URL 引用，這可能沒問題。 右括號通常不相關，我還沒有看到數據 URL 或其他 base64 編碼字符串所需的。

通常，base64 編碼的字符串使用您提到的字母表—— ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/ 。 如果編碼長度不是 3 個字節的倍數，則在末尾用適當數量的=字符填充。

web 上還有另一種常用的 base64 格式—— URL-safe base64 格式。 在這種編碼中， +和/通常被替換為-和_ ，因此它們可以安全地包含在 URL 中，因此得名。

如果您了解更多關於您嘗試解析的網站的結構，則此信息可能無關緊要，除了“它們包含 base64 編碼的字符串數據”。