如何使用Base126编码存储任意二进制数据？

核心结论 #

你的思路完全正确——这就是Base126编码的典型场景。相比你之前的6位/字节方案（等效Base64），Base126每字节能承载约6.97位数据（log2(126)≈6.97），传输相同二进制数据时体积更小，完全适配《Dual Universe》的传输限制：无空字符、UTF-8单字节（最高位为0）。

实现核心步骤 #

1. 二进制数据转大整数 #

把输入的二进制字节数组当作一个无符号大整数处理。比如字节数组[0x12, 0x34]对应整数0x1234 = 4660。大部分语言都支持大整数操作（Python的int、Java的BigInteger），如果语言不支持（比如Lua），可以用数组模拟大整数的存储与运算。

2. 大整数转126进制序列 #

通过反复对126取余得到每一位的0-125值，再加1映射到1-126的编码字节。如果127也允许使用，可以把126映射为127，刚好覆盖1-127的全范围。

伪代码示例：

function encode(data):
    encoded = []
    # 将字节数组转为大整数（以大端为例）
    num = bytes_to_bigint(data)
    while num > 0:
        remainder = num % 126
        encoded_byte = remainder + 1  # 0→1, 125→126
        encoded.append(encoded_byte)
        num = num // 126
    # 取余得到的是低位到高位，反转后得到正确顺序
    encoded.reverse()
    # 处理空输入：用1表示空数据
    if not encoded:
        encoded = [1]
    return encoded

3. 解码反向操作 #

把编码后的1-127字节减1得到0-126的126进制序列，再将其转回大整数，最后拆分为二进制字节数组即可。

4. 边界处理 #

• 空数据：用固定值（如1）标记，避免输出空数组。
• 填充：若需要固定长度输出，可用127作为填充位，解码时忽略。
• 字节序：编码和解码时保持字节数组的顺序（大端/小端）一致。

借鉴Base85的优化技巧 #

Base85通过批量处理4字节二进制数据转5字节编码提升效率，你可以复用这个思路：

• 每次取n字节二进制数据（比如3字节=24位），计算对应数值后转成m字节126进制编码（m = ceil(24 / 6.97) ≈ 4）。
• 批量处理比逐字节操作大整数的运算效率更高，尤其适合大体积数据。

语言实现建议 #

• Python：直接用原生int处理大整数，无需额外库，代码极简。
• Lua：由于Lua的number是双精度浮点数，超过2^53会丢精度，需用数组模拟大整数的取余、除法运算，或引入第三方大整数库。
• Java/C#：用内置BigInteger类快速实现进制转换。

关键注意点 #

• 确认游戏对127的支持：如果127也被限制，就只使用1-126，严格按126进制映射。
• 编码后必须确保所有字节值在1-127之间，避免触发UTF-8多字节识别逻辑。

内容的提问来源于stack exchange，提问作者Statement