3个坑讲透制作二维码原理，一文搞懂核心源码

面试被问“二维码生成原理”，你只答得出“用库调用一下”？这就像问前端工程师“为什么点按钮没反应”，只说“可能是网络问题”，直接出局。别慌，今天咱们不背八股文，直接拆解底层逻辑，一文搞懂制作二维码的硬核真相。

入口定位：别只盯着 API，要看数据流向

很多初学者写二维码生成代码，就像在盲人摸象。 qrCode.toDataURL() 或 qrcode.make() 这一行代码背后，到底发生了什么？很多人误以为库直接画出了黑白块，其实不然。 二维码生成的本质，是一个“数据编码 + 纠错计算 + 矩阵映射”的流水线。

以 Python 生态中广泛使用的 qrcode 库（GitHub 开源仓库：qrcode-python/qrcode）为例。它的入口很简单：

import qrcode# 创建二维码实例，指定错误纠正级别
qr = qrcode.QRCode(version=1,error_correction=qrcode.constants.ERROR_CORRECT_H,box_size=10,border=4,
)# 添加数据
qr.add_data('Hello World')
# 制作图像并保存
qr.make(fit=True)
img = qr.make_image(fill_color="black", back_color="white")
img.save('hello.png')

如果你只看到这里，面试时依然会被追问：“make 方法里到底干了什么？” 这就引出了核心源码解析。

核心片段：从字符串到黑白矩阵

让我们潜入 qrcode 库的 QRCode 类。这里有一段核心逻辑，决定了二维码“长什么样”以及“能存多少字”。

片段一：数据封装与模式选择

# 源码位置：qrcode/QRCode.py (简化版逻辑)def add_data(self, data, optimize=20):"""添加数据到二维码中。:param data: 字符串数据:param optimize: 优化长度，默认20"""# 1. 将字符串转换为字节序列，这是编码的基础self.data_cache = data# 2. 关键步骤：根据数据长度和内容，选择最优的版本(尺寸)和纠错级别# 这里会遍历可能的版本，计算在指定纠错级别下能容纳的数据量self._setup_type()

逐行注释与解析：

data_cache = data：看似简单，实则是在缓存原始数据。后续步骤会多次使用它，避免重复转换开销。
_setup_type()：这是整个生成过程的大脑。它内部会调用 _choose_bits() 和 _estimate_size()。
- 为什么需要优化？ 二维码有 40 个版本（Version 1-40），从 21x21 像素到 177x177 像素不等。
- 如果你存 10 个字符，用 Version 1 (21x21) 就够；存 100 个字符，可能需要 Version 5 (37x37)。
- 库会自动寻找最小且足够的版本，以节省扫描面积。这就是 optimize 参数的作用。

片段二：矩阵填充与纠错编码

真正的魔法发生在 make 方法调用的 _make() 中。这里涉及 RS 纠错码（Reed-Solomon）的计算。

# 源码位置：qrcode/util.py (核心算法简化)def get_polynomial(self):"""获取生成多项式，用于计算RS纠错码。"""# RS纠错码基于有限域GF(256)运算# 这里构建生成多项式 G(x)# G(x) = (x - a^0)(x - a^1)...(x - a^(n-1))# 其中 a 是 GF(256) 的生成元g = [1]for i in range(self.n):# 多项式乘法g = self._multiply_poly(g, [1, pow(self.alpha, i, 255)])return gdef get_reed_solomon(self, data):"""计算RS纠错码。:param data: 原始数据的多项式系数:return: 纠错码系数列表"""# 1. 数据多项式 D(x) 乘以 x^n (左移n位，为纠错码留出位置)data_poly = data + [0] * self.n# 2. 用生成多项式 G(x) 对 data_poly 进行多项式除法# 余数 R(x) 就是我们要找的纠错码remainder = self._div_poly(data_poly, self.get_polynomial())# 3. 返回余数作为纠错码return remainder

逐行注释与解析：

GF(256) 运算：这是二维码能容错的关键。普通数学里的加减乘除在这里行不通，必须用有限域运算。
get_polynomial：构建生成多项式。不同的纠错级别（L, M, Q, H）对应不同次数的多项式，决定了能恢复多少损坏的数据。
- L (Low): 7% 容错
- M (Medium): 15% 容错
- Q (Quartile): 25% 容错
- H (High): 30% 容错
_div_poly：多项式除法。这是 RS 算法的核心。通过模运算，确保接收方即使丢失部分数据，也能通过方程组解出原始数据。
- 面试考点：为什么用 RS 纠错？因为它能在已知错误位置或未知错误位置（有限数量）进行恢复，比简单的奇偶校验强大得多。

设计思想：为什么是黑白块？

理解了算法，再看设计思想，你就明白为什么二维码是“回形针”形状的三个定位点了。

1. 模块化（Modular） 二维码将信息划分为一个个“模块”（Module），每个模块对应一个比特位。

数据模块：存储实际内容。
功能模块：包括定位图案（Finder Pattern）、定时图案（Timing Pattern）、对齐图案（Alignment Pattern）和格式信息（Format Info）。
设计巧思：三个角落的“回形针”让相机瞬间识别方向和尺度。中间的定时图案像尺子，帮助校正透视变形。

2. 纠错优先（Error Correction First） 库的设计哲学是“宁可多占空间，也要保证可扫”。 qrcode 库在 _setup_type 中会计算： \(\text{Total Capacity} = \text{Data Codewords} + \text{Error Correction Codewords}\) 它会自动平衡数据量与纠错码的比例。高容错级别（H）意味着更多的纠错码，能抵抗更强的遮挡和污损，但同样内容下二维码尺寸会变大。

3. 掩码（Masking） 最后一步是应用掩码。

# 源码位置：qrcode/QRCode.py
def _apply_mask(self, pattern):"""应用掩码图案，使黑白模块分布更均匀，避免大面积空白或黑色。"""# 有8种掩码规则，库会尝试所有8种，选择罚分最低的# 罚分规则：# 1. 相邻同色模块越多，罚分越高# 2. 出现类似定位图案的图案，罚分极高# 3. 黑白比例失衡，罚分高for mask in range(8):self._apply_mask_specific(mask)score = self._calc_mask_score()if score < min_score:min_score = scorebest_mask = maskself._apply_mask_specific(best_mask)

面试加分项：提到“掩码优化”和“罚分算法”，证明你不仅会用库，还懂 ISO/IEC 18004 标准中的细节。

手写简化版：50 行代码实现核心逻辑

别被 RS 纠错吓倒，这里提供一个极度简化的版本，只演示“数据 -> 矩阵”的过程，忽略纠错和掩码，用于理解核心结构。

import numpy as npclass SimpleQR:def __init__(self, data):self.data = data# 假设 Version 1, 21x21 矩阵self.size = 21self.matrix = np.zeros((self.size, self.size), dtype=int)self._draw_function_patterns()self._encode_data()def _draw_function_patterns(self):# 1. 画三个定位点 (Finder Patterns)# 左上角for i in range(7):for j in range(7):if i in [0, 6] or j in [0, 6] or (i in [2,4] and j in [2,4]):self.matrix[i][j] = 1# 右上角 (简化，实际需对称)# 左下角 (简化，实际需对称)passdef _encode_data(self):# 2. 数据编码 (简化：直接将字符转为二进制填充)# 实际需转换为字节，再转为比特bits = []for char in self.data:bits.extend(format(ord(char), '08b'))# 3. 填充矩阵 (Zigzag 路径)# 实际 QR 码从右下角开始，Zigzag 向上填充# 这里简化为从左到右，从上到下填充非功能区域bit_index = 0for i in range(self.size - 1, -1, -1):for j in range(self.size):# 跳过功能图案区域 (简化判断)if i < 7 and j < 7: continue # 左上角if i < 7 and j >= self.size - 7: continue # 右上角if i >= self.size - 7 and j < 7: continue # 左下角if bit_index < len(bits):self.matrix[i][j] = int(bits[bit_index])bit_index += 1else:self.matrix[i][j] = 0 # 填充0def display(self):for row in self.matrix:print(''.join(['#' if x else '.' for x in row]))# 测试
qr = SimpleQR("Hi")
qr.display()

注意：这段代码不能生成可扫描的二维码，因为它缺少 RS 纠错、格式信息和掩码。但它清晰地展示了矩阵填充的逻辑。面试时，你可以画出这个流程，说明你理解“数据如何映射到像素”。