Base64 in UTF-8: Base64 in Unicode-Text dekodieren

So dekodieren Sie Base64 in UTF-8

1. Fügen Sie das Base64 in Eingabe · Base64 ein. Der Zeichensatz steht bereits auf UTF-8.
2. Lesen Sie das Ergebnis in Ausgabe · Text. Die Statuszeile zeigt die Byteanzahl und den erkannten Inhaltstyp.
3. Meldet die Statuszeile „Einige Bytes sind kein gültiges UTF-8“, liegt der Text in einem anderen Zeichensatz vor. Versuchen Sie Automatisch, Windows-1252 oder UTF-16LE.
4. Ausgabe kopieren kopiert den Text; Herunterladen speichert die dekodierten Bytes unverändert.

Für die andere Richtung nehmen Sie UTF-8 in Base64.

Beispiele

Die letzten drei Zeilen zeigen die Probleme, um die es weiter unten geht: ein falscher Zeichensatz, eine abgeschnittene Zeichenkette und Text, der schon vor dem Kodieren verstümmelt war.

Ungültiges UTF-8 und das Ersatzzeichen

UTF-8 hat strenge Regeln: Ein Byte über 7F muss Teil einer 2-, 3- oder 4-Byte-Folge mit festem Muster sein. Bytes, die das Muster brechen, lassen sich nicht als UTF-8 lesen. Der Decoder ersetzt jede fehlerhafte Folge durch U+FFFD (�) und fügt den Hinweis „Einige Bytes sind kein gültiges UTF-8. Versuchen Sie einen anderen Zeichensatz.“ hinzu. Nichts wird stillschweigend verworfen, jedes � markiert also genau die Stelle eines Problems.

Zwei Ursachen decken fast jeden Fall ab:

• Ein anderer Zeichensatz. Y2Fm6Q== enthält 63 61 66 E9, das ist café in ISO-8859-1 und Windows-1252. Stellen Sie den Zeichensatz um, und der Text erscheint. Die Seite Base64-Decoder listet die typischen Symptome je Zeichensatz auf.
• Eine abgeschnittene Zeichenkette. Wurde Base64 gekürzt, etwa durch eine Spaltenbegrenzung in einer Datenbank oder eine Logzeile, kann dem letzten Zeichen ein Teil seiner Bytes fehlen. 8J+YgA== ist ein vollständiges Emoji; 8J+Y ist dasselbe Emoji ohne sein letztes Byte und wird zu einem einzelnen � dekodiert. Suchen Sie den vollständigen Wert an der Quelle.

Doppelt kodierter Text (é und ’)

Zeigt die Ausgabe é statt é, ü statt ü oder ’ statt eines typografischen Apostrophs, liegt es nicht am Decoder. Irgendwo vorher wurden UTF-8-Bytes als Windows-1252 gelesen und wieder als UTF-8 gespeichert, wodurch jedes Sonderzeichen zu zwei oder drei falschen wurde. Das Base64 bewahrt diesen beschädigten Text getreu: Y2Fmw4PCqQ== ist gültiges UTF-8 für die sieben Byte lange Zeichenkette café.

Im Code lässt sich eine solche Zeichenkette oft reparieren, indem man den Fehler umkehrt: den Text als Windows-1252 kodieren und die Bytes als UTF-8 dekodieren. Die eigentliche Lösung liegt im System, das ihn geschrieben hat.

Byte-Order-Marks

Manche Editoren, vor allem unter Windows, beginnen UTF-8-Dateien mit den Bytes EF BB BF, einer Byte-Order-Mark. In Base64 beginnt die Datei dann mit 77u/. Der Decoder erkennt die Markierung und lässt sie im Text weg, während Herunterladen die Bytes genau so behält, wie sie waren. Im Code müssen Sie sie unter Umständen selbst entfernen:

import base64

raw = base64.b64decode("77u/SGk=")
raw.decode("utf-8")       # '\ufeffHi'
raw.decode("utf-8-sig")   # 'Hi'

base64.b64decode("Y2Fm6Q==").decode("utf-8", errors="replace")   # 'caf�'

Ohne errors="replace" wirft Python bei ungültigen Bytes UnicodeDecodeError. In JavaScript wirft new TextDecoder("utf-8", { fatal: true }) einen TypeError, statt � einzufügen, und der Standard-Decoder entfernt die BOM genau wie dieses Tool. Mehr dazu unter Base64 in Python und Base64 in JavaScript.

Häufige Fragen