-2

我正在尝试一些不同的编码，当我尝试在 base64/base32 中重复编码一些文本（使用哪个取决于半随机布尔列表）时，我注意到它非常慢，我不明白，因为我认为他们特别快。我真的不明白为什么它这么慢，如果你能帮助我会很酷。

这是相关代码的一部分：

from base64 import b64encode, b32encode
from random import random as rn

big_number = int(input("The number of encoding layers : "))
bool_list = [True if rn() < 0.5 else False for _ in range(big_number)]
sample_text = bytes("lorem ipsum", "utf8")
for curr_bool in bool_list:
    temp = b64encode(sample_text) if curr_bool else b32encode(sample_text)
    sample_text = temp
4

1 回答 1

1

内存和时间昂贵的操作。答案基于关键评论（Wups）：

如果使用 对字节进行编码base64，则结果比输入长。如果你得到这个结果并在一个循环中再次对其进行编码，你就会有指数级的增长。

以下修改后的脚本显示了编码base64和base32编码的增长比率：

from base64 import b64encode, b32encode
from random import random as rn
ii = 0
big_number = int(input("The number of encoding layers : "))
30
bool_list = [True if rn() < 0.5 else False for _ in range(big_number)]
sample_text = bytes("lorem ipsum", "utf8")
sample_len = len( sample_text )
current_len = sample_len
for curr_bool in bool_list:
    sample_text = b64encode(sample_text) if curr_bool else b32encode(sample_text)
    print( ii, curr_bool, len(sample_text), (len( sample_text )/current_len))
    current_len = len( sample_text )
    ii += 1

** 样本输出**（截断）：python .\SO\71009943.py

The number of encoding layers : 30
…
24 True 172320 1.3333333333333333
25 False 275712 1.6
26 True 367616 1.3333333333333333
27 False 588192 1.600017409470752
28 True 784256 1.3333333333333333
29 False 1254816 1.6000081606006202

因此，结果长度大致介于base64和 base32 的复利之间：4/31.6

big_number = 30
round( sample_len * (4/3) ** big_number)
# 61596
round( sample_len * 1.6 ** big_number)
# 14621508

对于更大的数字：

big_number = 50
round( sample_len * (4/3) ** big_number)
# 19423591
round( sample_len * 1.6 ** big_number)
# 176763184868

和

big_number = 99
round( sample_len * (4/3) ** big_number)
# 25723354884215
round( sample_len * 1.6 ** big_number)
# 1775296791184759324672
于 2022-02-07T12:34:34.100 回答