Base64 a Word (DOCX)

Cómo decodificar Base64 a un documento de Word

1. Pega el Base64 en Base64 o data URI, con o sin el prefijo data:application/vnd.openxmlformats-officedocument.wordprocessingml.document;base64,. Las cadenas largas se pueden cargar desde un archivo de texto con Abrir archivo .txt.
2. Bajo la información del archivo, Texto del documento muestra lo que dice el documento: una línea por párrafo, conservando tabulaciones y saltos de línea manuales.
3. Debajo del texto, la lista de entradas muestra las partes de las que se compone el .docx, con Ver y Guardar para cada una.
4. Pulsa Descargar archivo para guardar el .docx.

La vista previa lee word/document.xml con el analizador XML de tu navegador. Nada se renderiza como página web, nada se ejecuta y el archivo no se envía a ninguna parte: la Content Security Policy de la página bloquea todas las peticiones de red salvo las del contador de visitas de Cloudflare.

Qué incluye la vista previa del texto

Un DOCX es un archivo ZIP lleno de archivos XML. La vista previa toma el texto del cuerpo principal y deja en paz el resto de la estructura, así que conviene saber qué acaba dónde:

Un documento que solo contiene imágenes o páginas escaneadas da “No se encontró texto en este documento.”

Extraer imágenes y otras partes

Como el archivo es un ZIP, cada parte está disponible por separado. Las imágenes están en word/media/ como image1.png, image2.jpeg y así sucesivamente: Ver muestra la imagen y Guardar la descarga con su propio nombre. Es una forma rápida de sacar un logotipo o la imagen de una firma de un documento generado sin abrir Word. Las propiedades del documento en docProps/core.xml muestran el autor, el título y las fechas que guardó el programa que creó el archivo.

La página Base64 a ZIP explica con más detalle la lista de entradas, sus límites y las comprobaciones del archivo comprimido.

DOCX, DOC u otra cosa

El principio del Base64 te dice qué tipo de archivo tienes:

El caso OLE necesita un paso manual. La herramienta no puede distinguir un .doc de un .docx cifrado, así que Extensión se queda en docx. Para un archivo antiguo de Word, escribe doc ahí antes de pulsar Descargar archivo; para un documento protegido con contraseña, deja docx y ábrelo en Word con la contraseña. Ninguno de los dos tiene vista previa del texto.

De dónde salen los documentos de Word en Base64

Los servicios de generación de documentos y plantillas rellenan un .docx y lo devuelven dentro de una respuesta JSON. Los sistemas de correo transportan los adjuntos de Word como partes MIME en Base64; el decodificador EML abre un mensaje completo y lista sus adjuntos. Las exportaciones de CRM y de sistemas de tickets suelen guardar los adjuntos como texto Base64 junto al registro. Para generar una cadena así a partir de un archivo, usa Word a Base64.

Decodificar un DOCX y leer su texto en Python

La biblioteca estándar basta para guardar el archivo e imprimir sus párrafos, de forma muy parecida a la vista previa:

import base64, io, zipfile
import xml.etree.ElementTree as ET

W = "{http://schemas.openxmlformats.org/wordprocessingml/2006/main}"

with open("memo.b64") as f:
    docx = base64.b64decode(f.read())

with open("memo.docx", "wb") as f:
    f.write(docx)

with zipfile.ZipFile(io.BytesIO(docx)) as z:
    body = ET.fromstring(z.read("word/document.xml"))

for p in body.iter(W + "p"):
    print("".join(t.text or "" for t in p.iter(W + "t")))

Igual que la vista previa, esto solo lee el cuerpo principal. Para los encabezados, lee word/header1.xml del mismo modo. Consulta Base64 en Python para decodificar archivos grandes por partes.

Preguntas frecuentes