Récupérer le contenu d'un fichier binaire à l'aide de Javascript, le coder en base64 et le décoder en sens inverse à l'aide de Python.

Question

J'essaie de télécharger un fichier binaire en utilisant XMLHttpRequest (en utilisant un Webkit récent) et coder son contenu en utilisant cette simple fonction :

function getBinary(file){
    var xhr = new XMLHttpRequest();  
    xhr.open("GET", file, false);  
    xhr.overrideMimeType("text/plain; charset=x-user-defined");  
    xhr.send(null);
    return xhr.responseText;
}

function base64encode(binary) {
    return btoa(unescape(encodeURIComponent(binary)));
}

var binary = getBinary('http://some.tld/sample.pdf');
var base64encoded = base64encode(binary);

À titre d'information, tout ce qui précède est du matériel Javascript standard, notamment btoa() y encodeURIComponent() : https://developer.mozilla.org/en/DOM/window.btoa

Cela fonctionne assez bien, et je peux même décoder le contenu en base64 en utilisant Javascript :

function base64decode(base64) {
    return decodeURIComponent(escape(atob(base64)));
}

var decodedBinary = base64decode(base64encoded);
decodedBinary === binary // true

Maintenant, je veux décoder le contenu codé en base64 en utilisant Python qui consomme une chaîne JSON pour obtenir l'information suivante base64encoded valeur de chaîne. Naïvement, c'est ce que je fais :

import urllib
import base64
# ... retrieving of base64 encoded string through JSON
base64 = "77+9UE5HDQ……………oaCgA="
source_contents = urllib.unquote(base64.b64decode(base64))
destination_file = open(destination, 'wb')
destination_file.write(source_contents)
destination_file.close()

Mais le fichier résultant n'est pas valide, il semble que l'opération se soit embrouillée avec UTF-8, l'encodage ou quelque chose qui n'est toujours pas clair pour moi.

Si j'essaie de décoder les contenus UTF-8 avant de les placer dans le fichier de destination, une erreur est levée :

import urllib
import base64
# ... retrieving of base64 encoded string through JSON
base64 = "77+9UE5HDQ……………oaCgA="
source_contents = urllib.unquote(base64.b64decode(base64)).decode('utf-8')
destination_file = open(destination, 'wb')
destination_file.write(source_contents)
destination_file.close()

$ python test.py
// ...
UnicodeEncodeError: 'ascii' codec can't encode character u'\ufffd' in position 0: ordinal not in range(128)

Pour l'anecdote, voici une capture d'écran de deux représentations textuelles d'un même fichier ; à gauche : l'original ; à droite : celui créé à partir de la chaîne décodée en base64 : http://cl.ly/0U3G34110z3c132O2e2x

Existe-t-il une astuce connue pour contourner ces problèmes d'encodage lorsque l'on tente de recréer le fichier ? Comment y parviendriez-vous vous-même ?

Toute aide ou indication sera appréciée :)

Answer 1

Je me réponds donc à moi-même - et j'en suis désolé - mais je pense que cela pourrait être utile à quelqu'un d'aussi perdu que moi ;)

Vous devez donc utiliser Tampon de tableau et définir le responseType propriété de votre XMLHttpRequest à l'instance de l'objet arraybuffer pour récupérer un tableau natif d'octets, qui peut être converti en base64 à l'aide de la fonction pratique suivante (trouvée dans là l'auteur peut être béni ici) :

function base64ArrayBuffer(arrayBuffer) {
  var base64    = ''
  var encodings = 'ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/'

  var bytes         = new Uint8Array(arrayBuffer)
  var byteLength    = bytes.byteLength
  var byteRemainder = byteLength % 3
  var mainLength    = byteLength - byteRemainder

  var a, b, c, d
  var chunk

  // Main loop deals with bytes in chunks of 3
  for (var i = 0; i < mainLength; i = i + 3) {
    // Combine the three bytes into a single integer
    chunk = (bytes[i] << 16) | (bytes[i + 1] << 8) | bytes[i + 2]

    // Use bitmasks to extract 6-bit segments from the triplet
    a = (chunk & 16515072) >> 18 // 16515072 = (2^6 - 1) << 18
    b = (chunk & 258048)   >> 12 // 258048   = (2^6 - 1) << 12
    c = (chunk & 4032)     >>  6 // 4032     = (2^6 - 1) << 6
    d = chunk & 63               // 63       = 2^6 - 1

    // Convert the raw binary segments to the appropriate ASCII encoding
    base64 += encodings[a] + encodings[b] + encodings[c] + encodings[d]
  }

  // Deal with the remaining bytes and padding
  if (byteRemainder == 1) {
    chunk = bytes[mainLength]

    a = (chunk & 252) >> 2 // 252 = (2^6 - 1) << 2

    // Set the 4 least significant bits to zero
    b = (chunk & 3)   << 4 // 3   = 2^2 - 1

    base64 += encodings[a] + encodings[b] + '=='
  } else if (byteRemainder == 2) {
    chunk = (bytes[mainLength] << 8) | bytes[mainLength + 1]

    a = (chunk & 64512) >> 10 // 64512 = (2^6 - 1) << 10
    b = (chunk & 1008)  >>  4 // 1008  = (2^6 - 1) << 4

    // Set the 2 least significant bits to zero
    c = (chunk & 15)    <<  2 // 15    = 2^4 - 1

    base64 += encodings[a] + encodings[b] + encodings[c] + '='
  }

  return base64
}

Voici donc un code qui fonctionne :

var xhr = new XMLHttpRequest();
xhr.open('GET', 'http://some.tld/favicon.png', false);
xhr.responseType = 'arraybuffer';
xhr.onload = function(e) {
    console.log(base64ArrayBuffer(e.currentTarget.response));
};
xhr.send();

Cela permettra d'enregistrer un valide Chaîne codée en base64 représentant le contenu du fichier binaire.

Edit : Pour les navigateurs plus anciens n'ayant pas accès à ArrayBuffer et ayant btoa() à défaut de coder les caractères, voici une autre façon d'obtenir une version codée en base64 de n'importe quel binaire :

function getBinary(file){
    var xhr = new XMLHttpRequest();
    xhr.open("GET", file, false);
    xhr.overrideMimeType("text/plain; charset=x-user-defined");
    xhr.send(null);
    return xhr.responseText;
}

function base64Encode(str) {
    var CHARS = "ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/";
    var out = "", i = 0, len = str.length, c1, c2, c3;
    while (i < len) {
        c1 = str.charCodeAt(i++) & 0xff;
        if (i == len) {
            out += CHARS.charAt(c1 >> 2);
            out += CHARS.charAt((c1 & 0x3) << 4);
            out += "==";
            break;
        }
        c2 = str.charCodeAt(i++);
        if (i == len) {
            out += CHARS.charAt(c1 >> 2);
            out += CHARS.charAt(((c1 & 0x3)<< 4) | ((c2 & 0xF0) >> 4));
            out += CHARS.charAt((c2 & 0xF) << 2);
            out += "=";
            break;
        }
        c3 = str.charCodeAt(i++);
        out += CHARS.charAt(c1 >> 2);
        out += CHARS.charAt(((c1 & 0x3) << 4) | ((c2 & 0xF0) >> 4));
        out += CHARS.charAt(((c2 & 0xF) << 2) | ((c3 & 0xC0) >> 6));
        out += CHARS.charAt(c3 & 0x3F);
    }
    return out;
}

console.log(base64Encode(getBinary('http://www.google.fr/images/srpr/logo3w.png')));

J'espère que cela aidera d'autres personnes comme cela a été le cas pour moi.