Base64 から Word（DOCX）へ変換

Base64 を Word 文書にデコードする手順

1. Base64 を Base64 または data URI に貼り付けます。data:application/vnd.openxmlformats-officedocument.wordprocessingml.document;base64, の接頭辞はあってもなくてもかまいません。長い文字列は .txt ファイルを開く でテキストファイルから読み込めます。
2. ファイル情報の下の ドキュメントのテキスト に文書の内容が表示されます。1 段落が 1 行で、タブと手動の改行はそのまま保たれます。
3. テキストの下のエントリ一覧には、.docx を構成するパーツが並び、それぞれに 表示 と 保存 があります。
4. ファイルをダウンロード を押して .docx を保存します。

プレビューは、ブラウザの XML パーサーで word/document.xml を読み取ります。Web ページとして描画されるものも実行されるものもなく、ファイルはどこにも送信されません。ページの Content Security Policy が、Cloudflare のページビュー計測を除くすべてのネットワークリクエストをブロックしています。

テキストプレビューに含まれるもの

DOCX は XML ファイルを集めた ZIP アーカイブです。プレビューは本文のテキストだけを取り出し、それ以外の構造には手を付けません。何がどこに表示されるかを知っておくと便利です。

画像やスキャンしたページしか含まない文書では、「このドキュメントにはテキストがありません。」と表示されます。

画像やその他のパーツを取り出す

ファイルは ZIP アーカイブなので、どのパーツも個別に取り出せます。画像は word/media/ に image1.png、image2.jpeg といった名前で入っています。表示 で画像を確認でき、保存 でその名前のままダウンロードできます。生成された文書からロゴや署名の画像を、Word を開かずに手早く取り出す方法として使えます。docProps/core.xml の文書プロパティには、ファイルを保存したプログラムが記録した作成者、タイトル、日付が入っています。

エントリ一覧とその制限、アーカイブのチェックについては、Base64 から ZIP へ のページで詳しく説明しています。

DOCX か DOC か、それ以外か

Base64 の先頭を見れば、ファイルの種類がわかります。

OLE の場合は、手作業が 1 つ必要です。ツールは .doc と暗号化された .docx を区別できないため、拡張子 は docx のままになります。旧形式の Word ファイルなら、ファイルをダウンロード を押す前にそこへ doc と入力してください。パスワード付きの文書なら docx のまま保存し、Word でパスワードを入力して開きます。どちらもテキストプレビューは表示されません。

Base64 の Word 文書が使われる場面

文書生成やテンプレート処理のサービスは、.docx を作成して JSON レスポンスに入れて返します。メールシステムは Word の添付ファイルを Base64 の MIME パートとして運びます。EML デコーダー ならメッセージ全体を開いて添付ファイルを一覧できます。CRM やチケット管理システムのエクスポートでは、添付ファイルがレコードの横に Base64 テキストとして保存されていることがよくあります。ファイルからそうした文字列を作るには Word から Base64 へ を使ってください。

Python で DOCX をデコードして本文を読む

標準ライブラリだけで、ファイルを保存し、プレビューと同じように段落を出力できます。

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")))

プレビューと同じく、これが読むのは本文だけです。ヘッダーは同じ方法で word/header1.xml を読んでください。大きなファイルを分割してデコードする方法は Python での Base64 をご覧ください。

よくある質問