39. Extracción de archivos embebidos de Office - parte 2

 Extracción de archivos embebidos de Office - Parte 2

---

Para dar respuesta a la pregunta planteada, vamos a utilizar una metodología bastante curiosa, pero antes le voy a explicar algo.

Primer punto

Este documento de Word lo puedo identificar como un documento de Word como tal, no con su extensión .docx, pero en realidad es un archivo empaquetado, un archivo XML. Pero, ¿qué quiere decir empaquetado?

Sencillo: Empaquetar no es más que agrupar varios ficheros en un solo fichero.

Vayamos con un ejemplo más demostrativo, más práctico.

Imaginemos este sitio web. Ok, voy a cargar, pero primeramente el XAMPP. Muy bien, ya.

Imaginemos este sitio web. Ok, a simple vista nada extraño, nada anormal. Lo voy a ejecutar. Y supongamos que este va a ser el archivo principal, el index.php o, de hecho... veamos por acá algo más. Mmm... bonito.

Ok, esto de aquí, supongamos que este es el archivo principal: el index.php. Ya voy a minimizar esto y veamos su código. Mmm... veremos esto y esto. Listo.

Ese sitio web a simple vista... este es el archivo principal, ¿verdad? El index.php se muestra solo con código y está llamando a otros archivos .php, me está llamando a modelos, a controladores y, en fin, es código puro, ¿no?

En pocas palabras, yo como usuario normal, como usuario común y corriente, no tengo ni idea de lo que está haciendo por debajo este sistema, pero como resultado tengo esto que se ve bastante atractivo visualmente hablando, ¿no?

Ya tenemos esa noción de cómo trabaja, más o menos, los documentos de Word. Así que cerremos todo esto. Ya no lo necesitamos y apaguemos el XAMPP para que no haya muchos procesos corriendo. ¿Listo?

Retomando el archivo de Word

Lo tenía en Documentos, un archivo de Word. Recordemos que está empaquetado.

¡Ojo! Aquí es muy importante recalcar que empaquetado y comprimido son dos significados diferentes. Son dos procesos técnicos diferentes.

Y aclarado aquello, vamos a cambiar la extensión de nuestro documento. Ok, voy a ejecutarlo para que lo visualicen nuevamente. Vamos a cambiar a un formato de compresión, por ejemplo, al .zip, ya que es compatible con el Windows 11.

Aquí nos pregunta si deseamos cambiarla. Le decimos que sí.

Ok, ahora, ¿cuál es el otro procedimiento? Vamos a realizar el proceso de descompresión del archivo .zip. Lo voy a extraer todo... y extraer.

Y como resultado tenemos estas diferentes carpetas y este archivo XML. Accedamos a la carpeta Word. De hecho, aquí pueden verificar algunos otros archivos XML como Document, el header, cabecera, fullname, estilos, etcétera.

Bueno, pero a mí me interesa la carpeta media. Accedemos a la carpeta media. Aquí tenemos la imagen.

Si hacemos clic derecho y mostrar más opciones, nos vamos a Propiedades y Detalles. Aquí puedo verificar los distintos metadatos que posee esa imagen que estaba en el documento de Word, ¿no?

Por ejemplo, aquí tenemos:

• El ID de la imagen.

• Las dimensiones.

• Vemos que es una imagen 4K.

• Las distintas resoluciones.

Y aquí hay algo curioso: la cámara. El modelo de la cámara me indica que es un *SM-G9650*. Estamos hablando de un Samsung Galaxy S9 Plus, el fabricante que es Samsung y otros datos con respecto a la cámara.

Si seguimos navegando, explorando por acá, tenemos activado el GPS, la altitud, longitud y la altitud. Ahora, ya con estos datos, con la latitud y longitud, me puedo dirigir a Google Maps y proporcionarle estas coordenadas, y me va a indicar dónde fue tomada, ¿no? Pero esto ya es tarea para ustedes, en el caso de querer realizarlo, ¿ok?

Bueno, y aquí nos muestra otros tipos de datos. Ok, vamos a cancelar.

Conclusión

Ya sabemos cómo extraer los metadatos de una imagen que esté dentro de un documento. Ok, vamos a ver si es que podemos... retomar a nuestro documento como un Word. Le decimos que sí, y listo. Lo ejecutamos y aquí tenemos de regreso nuestro documento.

Y sin más, nos vemos en la siguiente clase. ¡Hasta luego!