Cómo identificar qué archivo contiene una cadena Base64

Tres capas que conviene revisar

Una cadena puede llegar como Base64 limpio, como valor dentro de JSON o como una Data URL parecida a data:application/pdf;base64,JVBERi0.... Para identificar el archivo revisa tres elementos: el tipo declarado, la validez de la codificación y la firma del contenido decodificado. Si no coinciden, confía más en los bytes que en la etiqueta.

El tipo MIME sirve para indicar la intención del emisor. Sin embargo, puede escribirse manualmente, conservarse después de reemplazar el archivo o ser tan genérico como application/octet-stream. Cambiar image/png por application/pdf no transforma la imagen en un documento.

Qué es una firma de archivo

Muchos formatos comienzan con una secuencia característica, conocida como número mágico o firma. Un PDF suele iniciar con los bytes que forman %PDF-. PNG utiliza una secuencia binaria que comienza con 89 50 4E 47; JPEG normalmente empieza con FF D8 FF; GIF utiliza GIF87a o GIF89a. Estas firmas permiten reconocer el contenedor sin depender del nombre.

Procedimiento seguro paso a paso

1. Conserva una copia del valor original para no perder caracteres al limpiarlo.
2. Si existe un prefijo Data URL, separa únicamente lo anterior a la primera coma.
3. Extrae el valor si llegó rodeado por comillas o dentro de una propiedad JSON conocida.
4. Normaliza espacios y saltos de línea. Si es Base64 URL-safe, convierte - y _ según corresponda.
5. Decodifica con un límite de tamaño razonable; no reserves memoria ilimitada para una entrada desconocida.
6. Compara la firma real con el tipo MIME declarado.
7. Abre una vista previa con un lector adecuado y verifica páginas, dimensiones o contenido.

Formatos que comparten contenedor

DOCX, XLSX y PPTX son paquetes ZIP con una estructura interna específica. Por eso pueden compartir la firma inicial PK. Para distinguirlos no basta mirar cuatro bytes: hay que inspeccionar nombres internos como word/document.xml, xl/workbook.xml o ppt/presentation.xml. Un archivo ZIP cualquiera no debería renombrarse directamente como Word o Excel.

Qué hacer cuando MIME y firma no coinciden

No abras automáticamente el archivo con la extensión declarada ni lo envíes a otro sistema como si estuviera validado. Informa del conflicto, utiliza una extensión acorde con el formato detectado y permite que la persona revise el origen. La discrepancia puede ser un error inocente, una exportación defectuosa o contenido manipulado.

En Nexo Útil, las herramientas de Base64 a PDF e imagen validan el encabezado interno y rechazan formatos distintos. Esta decisión evita producir una descarga aparentemente correcta cuyo contenido real no corresponde a su nombre.

Lo que la firma no demuestra

Una firma válida no garantiza que el archivo completo sea seguro, auténtico o esté sin daños. Un PDF puede comenzar correctamente y terminar truncado; una imagen puede contener metadatos sensibles; un documento puede incluir contenido no esperado. Después de identificar el tipo, valida la estructura completa con software actualizado y aplica los controles requeridos por tu contexto.

Lista de comprobación

• No deduzcas el tipo únicamente por los primeros caracteres visibles.
• No confundas Base64 con cifrado o antivirus.
• Comprueba firma, tamaño y apertura real.
• Trata una discrepancia como advertencia, no como una conversión exitosa.
• No pegues documentos confidenciales en servicios cuyo tratamiento no conoces.