前言

在写 loadmd_to_wordpress 项目的时候，想着用 RC4 加密来进行前端加密

于是找 kimi 要了一个脚本

def rc4(data: str, key: str) -> str:
    box = list(range(256))
    key = [ord(key[i % len(key)]) for i in range(256)]
    cipher, j = "", 0
    for i in range(256):
        j = (j + box[i] + key[i]) % 256
        box[i], box[j] = box[j], box[i]
    a = j = 0
    for i in range(len(data)):
        a = (a + 1) % 256
        j = (j + box[a]) % 256
        box[a], box[j] = box[j], box[a]
        cipher += chr(ord(data[i]) ^ box[(box[a] + box[j]) % 256])
    return cipher

由于 rc4 加密之后的密文可读性非常差，所以我打算对其进行 base64 编码之后再输出

import base64

def rc4(data: str, key: str) -> str: ...

def base64_encode(string: str) -> str:
    return base64.b64encode(string.encode()).decode()

print(base64_encode(rc4('my_password', 'my_key')))

然后问题就出现了，输出的结果完全是错误的：UDhuV8OJw7rCncKFw7DCo2c=

正确的结果应该是：UDhuV8n6nYXwo2c=

正文

我一开始还以为是 kimi 给的 rc4 加密函数有问题，反复检查，一点问题都没有

怪了，难道是 base64 的问题？不完全是，由于 b64encode 接受一个 bytes，所以我们需要调用字符串的 encode 方法将其转换为 bytes

这个方法默认是用 utf-8 作编码，由于 python3 默认使用 unicode 编码，所以会发生 unicode -> utf-8 的操作

而这一操作会带来一些坑，以 chr(158) 为例

# python3 使用 unicode 作默认编码
chr(158).encode('utf-8')
# 输出 b'\xc2\x9e'
# 158 的二进制为 10011110, 那应该是 b'\x9e' 才对

UTF-8 的编码结构长度是根据某单个字符的大小来决定长度有多少，当字符 bit 数为 8 – 11 位时，会转为 110X XXXX 10XX XXXX 的形式

也就是说对于 chr(n), n>127 转换后的字符变长了，下面是 unicode 转换为 utf-8 的规则表

为了让 byte 转换不发生不希望的长度转换，可以选择 latin-1 作为编码规则

import base64

def rc4(data: str, key: str) -> str: ...

def base64_encode(string: str) -> str:
    return base64.b64encode(string.encode('latin-1')).decode()

print(base64_encode(rc4('my_password', 'my_key')))

参考文章：python3中base64的编码问题