Da. Aproape orice PDF conține metadate pe care nu le-ai scris niciodată: un nume de autor, aplicația care l-a creat, software-ul care a scris PDF-ul și momentul în care a fost creat și modificat ultima dată. Adesea există și un titlu și cuvinte cheie, uneori rămase dintr-un șablon. Nimic din toate astea nu apare pe pagină, dar oricine primește fișierul le poate citi în câteva secunde.

Pe cele mai multe le vezi în Proprietățile documentului din cititorul PDF. Ca să le elimini cum trebuie, salvezi o copie nouă fără acele câmpuri și verifici celelalte lucruri ascunse pe care le poate purta un PDF, cum ar fi comentariile și răspunsurile din formulare, care nu sunt metadate, dar se scurg la fel.

Ce metadate are un PDF

Un PDF stochează metadatele în două locuri. Câmpurile cu informații despre document sunt cele pe care ți le arată cititorul. Multe fișiere au și un bloc de metadate XMP, care poate repeta aceleași detalii și poate adăuga altele.

  • Autor: adesea numele tău real sau numele de utilizator al calculatorului, completat de aplicația care a făcut fișierul.
  • Creator și Producător: aplicația și software-ul PDF, uneori cu numerele de versiune, de exemplu un procesor de text, un sistem de salarizare sau software-ul unui scaner.
  • Datele de creare și de modificare: când a fost făcut fișierul prima dată și când a fost salvat ultima dată, de obicei la secundă.
  • Titlu, Subiect și Cuvinte cheie: uneori setate intenționat, adesea moștenite dintr-un șablon sau dintr-un document mai vechi.
  • Extra în XMP: în funcție de aplicație, lucruri precum un ID de document, istoricul uneltelor de editare sau o notă de copyright.

Alte lucruri ascunse care călătoresc cu un PDF

Metadatele sunt partea de care oamenii știu. Acestea sunt cele care îi iau prin surprindere:

  • Comentarii și notițe: observații de revizuire precum „verifică-i mai întâi salariul” rămân în fișier dacă nu sunt șterse, chiar și când panoul de comentarii e închis.
  • Răspunsurile din câmpurile de formular: un formular completat își poartă răspunsurile ca date, pe care unele sisteme le citesc direct.
  • Un strat de text ascuns: un PDF scanat trecut prin OCR are sub imagine text invizibil, căutabil, inclusiv din orice parte pe care credeai că ai decupat-o sau acoperit-o.
  • Conținut sub o casetă: un dreptunghi negru sau alb desenat peste text îl ascunde pe ecran, dar textul e tot în fișier și poate fi copiat.
  • Atașamente: un PDF poate conține alte fișiere, vizibile doar în panoul de atașamente.
  • Versiuni anterioare: unele aplicații salvează modificările adăugându-le la finalul fișierului, așa că un conținut mai vechi poate fi tot înăuntru.

De ce contează, cu exemple reale

  • Un contract de închiriere făcut din șablonul unui agent păstrează numele chiriașului anterior în câmpul Titlu.
  • Un CV trimis unui nou angajator are numele angajatorului actual în câmpul Autor, pentru că l-ai scris pe laptopul de serviciu.
  • O ofertă datată vinerea trecută are ca dată de modificare azi-dimineață, ceea ce poate ridica întrebări într-o dispută.
  • Un fluturaș de salariu anonimizat arată tot numele complet în câmpul Titlu, așa că anonimizarea nu a protejat nimic.

Cum verifici ce dezvăluie PDF-ul tău

  1. Deschide fișierul într-un cititor PDF pe calculator. Aplicațiile de telefon arată rareori toate proprietățile.
  2. Deschide Proprietățile documentului. În Acrobat Reader sunt la Fișier, Proprietăți. În vizualizatoarele integrate din Chrome și Firefox sunt în meniul vizualizatorului. Pe Mac, Preview le arată la Instrumente, Afișează Inspectorul.
  3. Citește câmpurile Autor, Titlu, Subiect, Cuvinte cheie, Creator, Producător, Creat și Modificat.
  4. Deschide panourile de comentarii și de atașamente, dacă cititorul tău le are, și caută ceva la care nu te așteptai.
  5. Încearcă să selectezi și să copiezi textul din jurul a orice ai acoperit sau înnegrit. Dacă îl poți lipi undeva, este tot în fișier.

Cititoarele arată câmpurile cu informații despre document, nu blocul XMP. Dacă vrei să vezi tot, unealta gratuită în linie de comandă ExifTool le listează pe amândouă.

Ce face Kopitiam cu metadatele

Kopitiam nu are un editor de metadate, dar fiecare unealtă tratează metadatele într-un mod fix și e util să știi care cum.

  • Editare PDF, Unire, Împărțire, Extragere pagini, Organizare și Anonimizare construiesc un fișier nou din paginile tale. Titlul, Autorul, Subiectul, Cuvintele cheie și blocul XMP originale nu sunt preluate. Creator și Producător sunt setate la pdf-lib, biblioteca open-source pe care o folosește Kopitiam, iar ambele date sunt setate la momentul descărcării.
  • Rotire, Filigran și Numerotare pagini salvează modificările în același fișier. Titlul, Autorul, Cuvintele cheie și data de creare originale rămân. Producătorul devine pdf-lib, iar data de modificare devine momentul descărcării.
  • Comprimarea în modul Fără pierderi sau Micșorează pozele golește Titlul, Autorul, Subiectul, Cuvintele cheie, Creatorul și Producătorul. Datele de creare și de modificare și orice bloc XMP rămân.
  • Comprimarea în modul Puternică reconstruiește fiecare pagină ca imagine într-un fișier nou, așa că niciun câmp original nu este preluat, iar textul nu mai poate fi selectat.
Ștergerea metadatelor nu curăță paginile. Uneltele care construiesc un fișier nou tot copiază fiecare pagină așa cum este, inclusiv comentariile și câmpurile de formular de pe acea pagină. Verifică-le separat și folosește Anonimizare, nu o casetă desenată, pentru orice de pe pagină care trebuie să dispară.

Un mod rapid de a curăța un fișier înainte să-l trimiți

  1. Verifică fișierul cum e descris mai sus și notează ce vrei să dispară.
  2. Deschide-l în Organizare PDF, lasă paginile cum sunt și dă clic pe Descarcă PDF-ul organizat. Noua copie nu are Titlul, Autorul, Subiectul, Cuvintele cheie sau blocul XMP originale.
  3. Dacă trebuie eliminat text de pe pagină, cum ar fi un număr de IC de pe un fluturaș de salariu, folosește în schimb Anonimizare PDF și dă clic pe Anonimizează și descarcă. Și ea construiește un fișier nou, deci aceleași metadate dispar, iar textul anonimizat este eliminat, nu doar acoperit.
  4. Deschide copia descărcată și verifică din nou Proprietățile documentului și panoul de comentarii înainte s-o trimiți.

Noua copie va spune că a fost produsă de pdf-lib, cu data de azi. Asta dezvăluie ce bibliotecă a scris fișierul, nu cine ești tu, dar e bine de știut.

Cazuri speciale și când să nu folosești Kopitiam

  • Fișiere protejate cu parolă sau cu restricții: Kopitiam nu poate deschide încă PDF-uri blocate. Deschide fișierul cu parola în cititor și folosește Imprimare, Salvare ca PDF ca să faci o copie deblocată. Și acea copie este nouă, cu propriile metadate, așa că verific-o.
  • Documente scanate: câmpul Producător numește adesea scanerul sau aplicația de scanare. Dacă scanarea are un strat de text OCR, Anonimizare elimină acel text ascuns în zonele pe care le marchezi, nu doar imaginea vizibilă.
  • Fișiere foarte mari: totul rulează pe dispozitivul tău, deci limita practică este memoria dispozitivului. O scanare de 300 de pagini poate merge greu pe un telefon mai vechi; un calculator se descurcă mai bine.
  • Când datele contează: dacă un act trebuie să-și păstreze data de creare originală, nu-l trece printr-o unealtă care construiește un fișier nou. Rotire, Filigran, Numerotare pagini și Comprimare în modul Fără pierderi sau Micșorează pozele păstrează data de creare. Editare, Unire, Împărțire, Extragere, Organizare, Anonimizare și comprimarea Puternică o resetează.
  • Când trebuie să setezi metadate, cum ar fi un titlu corect pentru un raport publicat: folosește aplicația care a creat documentul. Kopitiam nu poate scrie câmpuri personalizate.

Uneltele PDF Kopitiam rulează în browser, așa că fișierul pe care îl cureți nu este încărcat pe un server pe parcurs. Pentru documentele sensibile, asta e jumătate din rost.