Base65536

Base65536 est un codage de caractères conçu pour représenter des données binaires sous forme de texte, en utilisant 65536 points de code Unicode (soit 16 bits par caractère).

Similairement à Base64, qui utilise 64 caractères ASCII, Base65536 exploite les caractères Unicode (sauf espace, caractères de contrôle et autres non assignés), ce qui permet de stocker deux fois plus de données par caractère (en comptant les caractères Unicode, et non les octets après encodage UTF-8)

L'encodage Base65536 repose sur la lecture de paire d'octets (16 bits) qui sont mappée à un point de code Unicode à partir de U+3400 jusque U+285FF.

Le décodage de Base65536 inverse le processus :

— Lire chaque codepoint Unicode de la chaîne (Ignorer les caractères ASCII et autre non-Base65536)

— Convertir chaque codepoint en sa valeur 16 bits

— Reconstruire les 2 octets originaux

Un texte encodé en Base65536 se distingue par :

— Des caractères Unicode exotiques surtout chinois, dont les points de code sont compris entre U+03400 et U+04CFF, U+04E00 et U+09EFF, U+0A100 et U+0A3FF, U+0A500 et U+0A5FF, U+10600 et U+106FF, U+12000 et U+122FF, U+13000 et U+133FF, U+14400 et U+145FF, U+16800 et U+169FF, U+20000 et U+285FF et enfin U+1500 et U+15FF (utilisé surtout en fin de chaine comme padding)

— Une absence de caractères ASCII (sauf si ajoutés manuellement)

— Un nombre de caractères réduit par 2 pour le même contenu

Base65536 a inspiré d'autres encodages comme Base2048 ou Base32768.

La première implémentation serait de qntm en 2015 ici