Tu comprensión de la utilidad de base64 es correcta. Me extiendo un poco más.
Bytes, ASCII y restricciones
Como bien sabemos la información se almacena y transmite en bytes. Un byte es un grupo de 8 bits y por tanto admite 28 diferentes valores, que son 256.
Debido a la existencia del estándar ASCII, varios de esos 256 valores pueden interpretarse como un carácter imprimible (por ejemplo, el código binario 01000001
, que en base 10 sería el valor 65, representa a la letra 'A'
). Sin embargo, ya que ASCII usa sólo 7 bits, la mitad de los posibles valores de un byte no serían códigos ASCII válidos, y de la mitad que sí lo son, no todos son caracteres imprimibles (los 32 primeros códigos, desde 00000000
hasta 00011111
, son caracteres de control, que no representan ningún símbolo escrito).
Muchos protocolos de internet están basados en texto (ej: HTTP, SMTP) por lo que esperan que los contenidos a transmitir sean ASCII. En muchos casos además limitan a sólo ASCII imprimible, e incluso dentro de los imprimibles se puede restringir aún más qué carácteres se permiten, eliminando muchos signos de puntuación que puedan tener significado especial dentro del protocolo.
Para poder transmitir contenidos arbitrarios binarios, es necesario recodificarlos a otro formato que asegure que cada byte transmitido sólo puede tomar ciertos valores permitidos, y decodificarlo otra vez cuando se reciba. Base64 es una posible forma de hacerlo (no la única).
Cómo funciona Base64
Como su nombre indica, Base64 restringe los posibles caracteres a transmitir a un subconjunto de ASCII compuesto por sólo 64 caracteres. En concreto serían todas las letras mayúsculas del inglés (26 caracteres), las minúsculas (otros 26), los dígitos de 0 a 9 (10 más y ya van 62), y los signos /
y +
. Además también utiliza el signo =
opcionalmente como relleno al final de la secuencia.
Ya que 64 es 26 resulta que el "alfabeto" usado por base64 se puede codificar con 6 bits. Por tanto el algoritmo usado es:
- Se agrupan los bytes del mensaje a transmitir de 3 en 3.
- Cada grupo está formado por tanto por 24 (8*3) bits
- Se dividen esos 24 bits en grupos de 6 bits, salen 4 grupos (6*4=24)
- Cada grupo de 6 bits es un número entre 0 y 63
- Se convierte cada uno de esos números a una letra mayúscula, o minúscula, o un dígito, o uno de los símbolos
/
o +
. Por ejemplo, si el número es 0, el caracter será A
, etc. Hay una tabla de equivalencias.
- El caracter resultante se codifica como ASCII
Así pues, cada grupo de 3 bytes en el original da lugar a 4 caracteres ASCII en la codificación. Pero estos caracteres serán imprimibles, elegidos del subconjunto de 64 antes mencionado.
Observarás que base64 resuelve un problema (permite enviar bytes arbitrarios de forma compatible con protocolos de texto), pero introduce otro: el tamaño de la información a enviar ha crecido. Si originalmente eran 600 bytes, tras pasarlos a base64 serán 800. Cada grupo de 3 se convierte en 4.
Ejemplo:
>>> import base64
>>> base64.b64encode(b"Hola que tal")
b'SG9sYSBxdWUgdGFs'
>>> base64.b64encode(bytearray([1, 2, 0, 240, 232, 17, 8]))
b'AQIA8OgRCA=='
Fíjate que en el primer ejemplo sería bastante absurdo usar base64, pues la información (el mensaje "Hola que tal") ya está compuesto por ASCII puro. No obstante puede hacerse con objeto de "ofuscar" ligeramente el mensaje (no da ninguna seguridad criptográfica, pues la decodificación es trivial, pero evita que "sin querer" alguien vea el mensaje).
El segundo caso muestra una utilidad más real, ya que en este caso la secuencia de bytes contiene valores no imprimibles (1, 2, 0, 17, 8) y algunos no ascii (240, 232), pero como ves la codificación resultante está compuesta exclusivamente por códigos alfanuméricos (el ==
del final en este caso es porque a la secuencia de bytes original le faltarían 2 bytes más para ser múltiplo de 3).
En resumen, Base64 debe usarse en contextos en los que el protocolo te obligue a transmitir los datos en ascii imprimible (como el cuerpo de un email, o parte de una URL, una cabecera HTTP como por ejemplo las cookies, o las imágenes codificadas en un campo data
del tag <img>
en HTML). Si el protocolo en cambio te admite datos binarios (como el cuerpo de una respuesta GET, o de una petición POST), no necesitas usar base64 en ese caso.
Tu duda
Planteas una curiosa cuestión:
Lo mas raro es que copie el codigo y lo modifique, quitandole asi lo de base64, y para mi asombro este siguio funcionando con total normalidad.
Esto es bastante raro. Sin saber qué estabas haciendo, con qué librería y para qué protocolo, resulta difícil explicarlo. Si el destino estaba esperando algo codificado en base64 y lo enviaste sin codificar, cuando el destino intente decodificarlo lo más probable será que encuentre errores, y si no (porque casualmente tu mensaje tenía sólo letras y numeros), la decodificación daría otro mensaje.
La única explicación que se me ocurre es que estés usando una biblioteca para hacer la transmisión y que esta biblioteca admite como parámetro tanto una cadena str
como una secuencia de byte
s, y que la propia biblioteca se ocupe de codificarlos en base64 si no se lo das ya codificado. De todas formas, si muestras exactamente el código en cuestión, podremos intentar resolver el enigma.