html 中 base 64 编码字符串的结构
Structure of base 64 encoded strings in html
我下载了带有 Selenium (Python) 的网站的页面源代码 (html)。我希望在 html 文件中找到所有 base 64 编码的字符串。
htmls 中的所有 base 64 编码字符串是否有已知结构？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 )。准确吗？
来自维基百科，十六进制字符串也必须由以下内容组成：ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/。有人也可以证实吗？
非常感谢！
* 编辑 1 *
非常感谢特里斯！您提供的 link 非常有帮助！但是，据此看来，base 64 字符串的结尾似乎没有特定格式。如果我想检测它的结束，除了)，你还有什么建议？
我主要想跟踪一堆网站的变化，base64编码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,...（在被浏览器渲染后）。
由于有很多不同的网站，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。那么请问在什么情况下他们会以 ) 结尾，否则呢？
再次感谢！
并非所有 base64 编码字符串的开头都会包含 ;base64 -- 这通常特定于 data URLs。如果您专门寻找 base64 编码的图像或其他内联元素，否则这些元素将通过 HTTP URL 引用，这可能没问题。右括号通常不相关，我没有看到数据 URLs 或其他 base64 编码的字符串需要这样做。
通常，base64 编码的字符串使用您提到的字母 -- ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/。如果编码长度不是 3 字节的倍数，则在末尾填充适当数量的 = 个字符。
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 / 通常替换为 - 和 _，因此它们可以安全地包含在 URL 中，因此得名。
除了 "they contain base64-encoded string data."
之外，如果您对要解析的网站的结构了解更多，则此信息可能无关紧要
我下载了带有 Selenium (Python) 的网站的页面源代码 (html)。我希望在 html 文件中找到所有 base 64 编码的字符串。
htmls 中的所有 base 64 编码字符串是否有已知结构？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 )。准确吗？
来自维基百科，十六进制字符串也必须由以下内容组成：ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/。有人也可以证实吗？
非常感谢！
* 编辑 1 *
非常感谢特里斯！您提供的 link 非常有帮助！但是，据此看来，base 64 字符串的结尾似乎没有特定格式。如果我想检测它的结束，除了)，你还有什么建议？
我主要想跟踪一堆网站的变化，base64编码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,...（在被浏览器渲染后）。
由于有很多不同的网站，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。那么请问在什么情况下他们会以 ) 结尾，否则呢？
再次感谢！
并非所有 base64 编码字符串的开头都会包含 ;base64 -- 这通常特定于 data URLs。如果您专门寻找 base64 编码的图像或其他内联元素，否则这些元素将通过 HTTP URL 引用，这可能没问题。右括号通常不相关，我没有看到数据 URLs 或其他 base64 编码的字符串需要这样做。
通常，base64 编码的字符串使用您提到的字母 -- ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/。如果编码长度不是 3 字节的倍数，则在末尾填充适当数量的 = 个字符。
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 / 通常替换为 - 和 _，因此它们可以安全地包含在 URL 中，因此得名。
除了 "they contain base64-encoded string data."
之外，如果您对要解析的网站的结构了解更多，则此信息可能无关紧要