Recent

Archief

2023

2022

2021

2020

2019

2018

2017

2016

2015

2014

2013

2012

2011

2010

2009

2008

2007

2006

2005

2004

Navigatie

Base-N encoding en decoding (in PHP)

nerd, prog

Omdat (o.a.) Marktplaats de onhebbelijkheid heeft om URL's standaard naar lower case ("kleine letters") te drukken kun je daar niet met base-64 encoding werken (die gebruikt zowel hoofd- als kleine letters - wat daardoor dus onbruikbaar wordt). Maar om nou meteen terug te schakelen naar hexadecimaal is ook zo wat. PHP biedt zelf geen ondersteuning voor andere encodings, dus dan moet je het zelf maar doen (online is van alles te vinden, maar niet zo geheugen/processor-efficiënt als deze!):


<?php



  /**

   * Base encode parameters.

   * @param string $base  Base characters.

   * @param int $length  Number of characters in base.

   * @param int $bits  Number of bits possible in character range (rounded up).

   * @param int $max  Maximum value in base without data loss.

   * @param bool $oversize  True when the bit size is too large for the base.

   */

  protected static function baseParams(&$base,&$length,&$bits,&$max,&$oversize){

    if(($length = strlen($base)) < 2) throw new \ValueError('Not enough characters in base');

    if(count(array_unique($base = str_split($base))) < $length) throw new \ValueError('Duplicate characters in base');

    $bits = 0;

    while(($max = (1 << ++$bits)) < $length);

    if($oversize = $max > $length) $max >>= 1;

  }

  /**

   * Encode a string with a base set of characters.

   * @param string $base  Base characters.

   * @param string $str  String to encode.

   * @return string  String encoded with characters from base.

   */

  public static function baseEncode($base,$str){

    $result = null;

    if($count = strlen($str)){

      self::baseParams($base,$length,$bits,$max,$oversize);

      $buffer = $size = $fill = $position = 0; //bit buffer, buffer size, fillers in buffer, position in string

      while(($position < $count) || ($size > $fill)){ //still bytes or bits to process

        if($size < $bits){ //add next byte (or filler) to buffer

          $buffer <<= 8;

          $size += 8;

          if($position < $count) $buffer += ord($str[$position++]);

          else $fill += 8;

        }

        $index = $buffer >> ($size - ($gone = $bits)); //get bits from buffer

        if($oversize && (($index < $max) || ($index >= $length))){ //not in extra chars - take 1 bit less.

          $index >>= 1;

          $gone--;

        }

        $result .= $base[$index];

        $buffer &= (1 << ($size -= $gone)) - 1;

      }

    }

    return $result;

  }

  /**

   * Decode a string encoded with a base set of characters.

   * @param string $base  Base characters.

   * @param string $str  String to decode.

   * @return string  Decoded (original) string.

   */

  public static function baseDecode($base,$str){

    $result = null;

    if($count = strlen($str)){

      self::baseParams($base,$length,$bits,$max,$oversize);

      $map = array_flip($base);

      $buffer = $size = 0; //bit buffer, buffer size

      for($position = 0; $position < $count; $position++){

        if (!array_key_exists($char = $str[$position],$map)) throw new \ValueError("Char '$char' is not in base");

        $index = $map[$char];

        $add = $bits;

        if($oversize){ //bit size larger then char range

          if($index < $max) $add--; //lower range = 1 bit less

          elseif($index >= $length){ //out of range = 1 bit less

            $index >>= 1;

            $add--;

          } //else: in extra range = maximum bits used

        }

        $buffer = ($buffer << $add) | $index;

        $size += $add;

        while($size >= 8){ //write bytes from buffer

          $result .= chr($buffer >> ($size -= 8));

          $buffer &= (1 << $size) - 1;

        }

      }

    }

    return $result;

  }

De "base" kan dus van alles zijn. Als het maar meer dan 2 (en minder dan 256) unieke karakters zijn - het precieze aantal maakt niet uit (hoeft geen macht van 2 te zijn).

Rob, zaterdag 30 september 2023, 13:22

reageer