Base64 a XML: decodifica contenido XML

Cómo decodificar Base64 a XML

1. Pega el Base64 en Entrada · Base64. La página se abre con un pequeño ejemplo.
2. El XML aparece en Salida · texto. Parece XML en la línea de estado confirma que el contenido empieza como un documento XML.
3. Si la salida muestra huecos entre las letras o un aviso de datos binarios, el XML está en UTF-16: pon Juego de caracteres en UTF-16LE, o en Detección automática si empieza con una marca de orden de bytes.
4. Copiar salida copia el texto. Descargar guarda los bytes originales como decoded.xml.

El ejemplo PD94bWwgdmVyc2lvbj0iMS4wIj8+Cjxub3RlPjx0bz55b3U8L3RvPjxib2R5PkhlbGxvPC9ib2R5Pjwvbm90ZT4= se decodifica así:

<?xml version="1.0"?>
<note><to>you</to><body>Hello</body></note>

La operación inversa es XML a Base64.

Cómo reconocer XML codificado

Como el XML empieza por <, su Base64 empieza por P, y los caracteres siguientes revelan más:

Un valor que debería ser SAML pero no empieza por P suele estar comprimido; más abajo se explica cómo descomprimirlo.

UTF-16 y otras codificaciones

La mayor parte del XML está en UTF-8, que es lo que el decodificador supone. Hay dos casos que necesitan otro Juego de caracteres:

• Los documentos UTF-16, habituales en herramientas de Windows y en .NET, tienen un byte cero junto a cada carácter ASCII. Decodificados como UTF-8 parecen datos binarios, y la herramienta lo indica. Con Detección automática o UTF-16LE aparece el texto completo, que empieza por <?xml version="1.0" encoding="UTF-16"?>. Descargar conserva los bytes pero llama al archivo decoded.bin, así que cámbiale la extensión a .xml.
• Los documentos en Latin-1 o Windows-1252 declaran encoding="ISO-8859-1" o algo parecido. En modo UTF-8, las letras acentuadas se ven como �; elige el juego de caracteres declarado para leerlas.

La declaración XML de la salida te dice qué juego de caracteres pretendía usar el autor. Un analizador XML que lea el archivo descargado usa esa declaración, así que el archivo está bien aunque la vista en pantalla haya necesitado elegir el juego de caracteres a mano.

De dónde sale el XML en Base64

SAML es la fuente más frecuente: los proveedores de identidad envían el SAMLResponse a tu aplicación como XML codificado en Base64, y copiarlo desde la pestaña de red del navegador es la forma habitual de depurar un inicio de sesión. Los servicios SOAP y las plataformas de facturación electrónica devuelven documentos y adjuntos como campos Base64. El correo electrónico puede llevar adjuntos XML como partes MIME en Base64, que el decodificador de correo extrae.

En los valores SAMLRequest de las URL de redirección, el XML se comprimió con DEFLATE sin procesar antes de codificarlo, así que decodificar el Base64 sin más da datos binarios. El decodificador de Base64 con gzip lo descomprime. Los escapes %2B, %2F y %3D se decodifican automáticamente; para un valor completamente codificado para URL, usa antes el decodificador de URL.

Base64 a XML en código

Pasa los bytes decodificados al analizador XML sin convertirlos antes en una cadena, para que lea la codificación de la propia declaración:

import base64
import xml.etree.ElementTree as ET

s = "PD94bWwgdmVyc2lvbj0iMS4wIj8+Cjxub3RlPjx0bz55b3U8L3RvPjxib2R5PkhlbGxvPC9ib2R5Pjwvbm90ZT4="
root = ET.fromstring(base64.b64decode(s))
root.find("body").text   # 'Hello'

// Browser
const s = "PD94bWwgdmVyc2lvbj0iMS4wIj8+Cjxub3RlPjx0bz55b3U8L3RvPjxib2R5PkhlbGxvPC9ib2R5Pjwvbm90ZT4=";
const bytes = Uint8Array.from(atob(s), c => c.charCodeAt(0));
const doc = new DOMParser().parseFromString(new TextDecoder().decode(bytes), "application/xml");

Para XML en UTF-16 o Latin-1 en el navegador, pasa la etiqueta correcta a TextDecoder. Más en Base64 en Python y Base64 en JavaScript.

Preguntas frecuentes