Emacs与Clojure处理Base64编码PDF字符串结果差异原因咨询

我来帮你拆解下这个问题——这种Base64转PDF的不一致情况，几乎都是因为二进制数据处理的细节没踩对，尤其是Elisp和Clojure对「字符串」和「字节流」的处理逻辑不一样：

1. 核心问题：字符串与二进制字节的混淆 #

PDF是二进制格式，里面包含大量非UTF-8兼容的字节（比如控制字符、非ASCII的二进制值）。Elisp的base64-decode-string返回的是原始字节序列，你直接写入文件时，Elisp默认按二进制模式处理，不会篡改这些字节。

但Clojure很容易踩一个坑：如果把解码后的字节数组转成String再写入，就会强制用UTF-8编码解析这些字节，这会破坏PDF的原始二进制结构——比如某些字节会被替换成UTF-8的替换字符�，直接导致PDF失效。

正确的Clojure写法（直接操作字节）： #

(require '[clojure.data.codec.base64 :as b64])
(require '[clojure.java.io :as io])

(let [b64-pdf "JVBERi0xLjENCiXi48/TDQoxIDAgb2JqDQo8PCAN"
      decoded-bytes (b64/decode (.getBytes b64-pdf))]
  (with-open [out-stream (io/output-stream "valid.pdf")]
    (.write out-stream decoded-bytes)))

错误的Clojure写法（踩坑示例）： #

;; 错误：把二进制字节转成UTF-8字符串，破坏PDF结构
(spit "invalid.pdf" (String. (b64/decode (.getBytes b64-pdf))))

2. 次要可能：Base64格式的兼容性 #

有些PDF的Base64编码会包含换行、空格等非有效字符（比如分段显示的Base64）。Elisp的base64-decode-string会自动忽略这些无关字符，但Clojure的clojure.data.codec.base64/decode是严格校验的，遇到非Base64字符会解码失败或不完整。

如果你的完整Base64字符串有这类字符，先清理再解码：

(def cleaned-b64 (clojure.string/replace original-b64 #"[^A-Za-z0-9+/=]" ""))

3. 文件写入模式的差异 #

Elisp写入文件时默认是二进制模式，而Clojure的spit默认是文本模式，会根据系统默认编码转换字节。即使你不转字符串，用spit写字节数组也可能出问题——所以最好用output-stream直接写入二进制数据，避免编码转换。

内容的提问来源于stack exchange，提问作者joefromct