Có. Gần như mọi PDF đều mang siêu dữ liệu (metadata) mà bạn chưa từng gõ: tên tác giả, ứng dụng đã tạo ra tệp, phần mềm đã ghi PDF, cùng thời điểm tạo và lần sửa cuối. Thường còn có tiêu đề và từ khóa, đôi khi sót lại từ một mẫu có sẵn. Không thứ nào hiện trên trang, nhưng ai nhận được tệp cũng đọc được trong vài giây.

Bạn xem được phần lớn trong mục Thuộc tính tài liệu (Document Properties) của trình đọc PDF. Muốn xóa cho đúng cách, bạn cần lưu một bản sao mới không có các trường đó, và kiểm tra những thứ ẩn khác mà PDF có thể mang theo, như bình luận và câu trả lời trong biểu mẫu. Chúng không phải siêu dữ liệu, nhưng cũng làm lộ thông tin theo cùng một cách.

PDF chứa những siêu dữ liệu gì

PDF lưu siêu dữ liệu ở hai nơi. Các trường thông tin tài liệu là những gì trình đọc của bạn hiển thị. Nhiều tệp còn có một khối siêu dữ liệu XMP, có thể lặp lại cùng các chi tiết đó và thêm nhiều hơn.

  • Author (tác giả): thường là tên thật của bạn hoặc tên người dùng trên máy tính, do ứng dụng tạo tệp tự điền.
  • Creator và Producer: ứng dụng và phần mềm PDF, đôi khi kèm số phiên bản, chẳng hạn trình soạn thảo văn bản, hệ thống tính lương hay phần mềm của máy scan.
  • Ngày tạo (Created) và ngày sửa (Modified): lúc tệp được tạo lần đầu và lưu lần cuối, thường chính xác đến từng giây.
  • Title, Subject và Keywords (tiêu đề, chủ đề, từ khóa): đôi khi được đặt có chủ ý, thường là thừa hưởng từ một mẫu hoặc tài liệu cũ hơn.
  • Phần bổ sung trong XMP: tùy ứng dụng, có thể là mã tài liệu, lịch sử công cụ chỉnh sửa hoặc thông báo bản quyền.

Những thứ ẩn khác đi kèm PDF

Siêu dữ liệu là phần mọi người đã biết. Những thứ sau mới là cái khiến người ta bất ngờ:

  • Bình luận và ghi chú dán: các nhận xét khi duyệt như “kiểm tra lương của anh ấy trước” vẫn nằm trong tệp nếu không bị xóa, kể cả khi bảng bình luận đang đóng.
  • Câu trả lời trong ô biểu mẫu: biểu mẫu đã điền mang các câu trả lời dưới dạng dữ liệu, mà một số hệ thống đọc trực tiếp.
  • Lớp chữ ẩn: PDF scan đã qua OCR có lớp chữ vô hình, tìm kiếm được, nằm dưới hình ảnh, kể cả phần bạn tưởng đã cắt bỏ hoặc che đi.
  • Nội dung dưới một ô vuông: hình chữ nhật đen hoặc trắng vẽ đè lên chữ chỉ che chữ trên màn hình, nhưng chữ vẫn còn trong tệp và sao chép được.
  • Tệp đính kèm: PDF có thể chứa các tệp khác, chỉ hiện trong bảng tệp đính kèm.
  • Các phiên bản trước: một số ứng dụng lưu thay đổi bằng cách nối thêm vào cuối tệp, nên nội dung cũ vẫn có thể còn bên trong.

Vì sao điều này quan trọng, qua ví dụ thật

  • Một hợp đồng thuê nhà làm từ mẫu của môi giới vẫn giữ tên người thuê trước trong trường Title.
  • Một CV gửi cho nhà tuyển dụng mới có tên công ty hiện tại của bạn trong trường Author, vì bạn soạn nó trên laptop công ty.
  • Một bảng báo giá ghi ngày thứ Sáu tuần trước lại có ngày sửa (Modified) là sáng nay, điều này có thể gây nghi vấn khi có tranh chấp.
  • Một phiếu lương đã che thông tin vẫn hiện đầy đủ họ tên trong trường Title, nên việc che chẳng bảo vệ được gì.

Cách kiểm tra PDF của bạn để lộ những gì

  1. Mở tệp bằng trình đọc PDF trên máy tính. Ứng dụng điện thoại hiếm khi hiển thị đầy đủ thuộc tính.
  2. Mở Thuộc tính tài liệu. Trong Acrobat Reader, mục này nằm ở File, Properties. Trong trình xem có sẵn của Chrome và Firefox, nó nằm trong menu của trình xem. Trên Mac, Preview hiển thị ở Tools, Show Inspector.
  3. Đọc các trường Author, Title, Subject, Keywords, Creator, Producer, Created và Modified.
  4. Mở bảng bình luận và bảng tệp đính kèm, nếu trình đọc của bạn có, và tìm những gì bạn không ngờ tới.
  5. Thử chọn và sao chép chữ quanh những chỗ bạn đã che hoặc bôi đen. Nếu dán được ra chỗ khác, nghĩa là chữ vẫn còn trong tệp.

Trình đọc hiển thị các trường thông tin tài liệu, không hiển thị khối XMP. Nếu cần xem tất cả, công cụ dòng lệnh miễn phí ExifTool liệt kê được cả hai.

Kopitiam làm gì với siêu dữ liệu

Kopitiam không có trình sửa siêu dữ liệu, nhưng mỗi công cụ xử lý siêu dữ liệu theo một cách cố định, và biết công cụ nào làm gì sẽ có ích.

  • Chỉnh sửa PDF, Ghép PDF, Tách PDF, Trích xuất trang, Sắp xếp trang PDF và Che thông tin PDF tạo một tệp mới từ các trang của bạn. Title, Author, Subject, Keywords và khối XMP gốc không được mang sang. Creator và Producer được đặt là pdf-lib, thư viện mã nguồn mở mà Kopitiam dùng, còn cả hai ngày được đặt thành thời điểm bạn tải xuống.
  • Xoay PDF, Chèn hình mờ và Đánh số trang lưu thay đổi vào chính tệp đó. Title, Author, Keywords và ngày tạo gốc được giữ nguyên. Producer thành pdf-lib và Modified thành thời điểm bạn tải xuống.
  • Nén PDF ở chế độ Không mất dữ liệu hoặc Nén ảnh xóa trống Title, Author, Subject, Keywords, Creator và Producer. Ngày tạo, ngày sửa và khối XMP (nếu có) được giữ lại.
  • Nén PDF ở chế độ Nén mạnh dựng lại mỗi trang thành một bức ảnh trong một tệp mới, nên không trường gốc nào được mang sang, và chữ không còn chọn được nữa.
Xóa siêu dữ liệu không làm sạch các trang. Những công cụ tạo tệp mới vẫn sao chép từng trang như nguyên trạng, kể cả bình luận và ô biểu mẫu trên trang đó. Hãy kiểm tra những thứ đó riêng, và dùng Che thông tin PDF, không phải một ô vẽ đè, cho bất cứ thứ gì trên trang cần phải xóa.

Cách nhanh để làm sạch tệp trước khi gửi

  1. Kiểm tra tệp như hướng dẫn ở trên và ghi lại những gì bạn muốn xóa.
  2. Mở tệp trong Sắp xếp trang PDF, để nguyên các trang, rồi bấm Tải PDF đã sắp xếp. Bản sao mới không có Title, Author, Subject, Keywords hay khối XMP gốc.
  3. Nếu trên trang có chữ cần xóa, chẳng hạn số IC trên phiếu lương, hãy dùng Che thông tin PDF và bấm Che & tải về. Công cụ này cũng tạo một tệp mới, nên cùng các siêu dữ liệu đó bị loại bỏ, và chữ bị che sẽ bị xóa hẳn chứ không chỉ bị phủ lên.
  4. Mở bản đã tải xuống và kiểm tra lại Thuộc tính tài liệu cùng bảng bình luận trước khi gửi.

Bản sao mới sẽ ghi là được tạo bởi pdf-lib, kèm ngày hôm nay. Điều đó cho biết thư viện nào đã ghi tệp, không cho biết bạn là ai, nhưng vẫn đáng để biết.

Trường hợp đặc biệt và khi nào không nên dùng Kopitiam

  • Tệp có mật khẩu hoặc bị hạn chế: Kopitiam chưa mở được PDF bị khóa. Hãy mở tệp bằng mật khẩu trong trình đọc và dùng In, Lưu dưới dạng PDF để tạo bản sao không khóa. Bản sao đó cũng là tệp mới, có siêu dữ liệu riêng, nên hãy kiểm tra nó.
  • Tài liệu scan: trường Producer thường ghi tên máy scan hoặc ứng dụng scan. Nếu bản scan có lớp chữ OCR, Che thông tin PDF xóa phần chữ ẩn đó trong những vùng bạn đánh dấu, không chỉ phần hình nhìn thấy.
  • Tệp rất lớn: mọi thứ chạy trên thiết bị của bạn, nên giới hạn thực tế là bộ nhớ của thiết bị. Một bản scan 300 trang có thể chạy chậm trên điện thoại cũ; máy tính xử lý tốt hơn.
  • Khi ngày tháng quan trọng: nếu một hồ sơ phải giữ ngày tạo gốc, đừng đưa nó qua công cụ tạo tệp mới. Xoay PDF, Chèn hình mờ, Đánh số trang và Nén PDF ở chế độ Không mất dữ liệu hoặc Nén ảnh giữ ngày tạo. Chỉnh sửa, Ghép, Tách, Trích xuất, Sắp xếp, Che thông tin và chế độ Nén mạnh đặt lại ngày này.
  • Khi bạn cần đặt siêu dữ liệu, như một tiêu đề đúng cho báo cáo sẽ công bố: hãy dùng ứng dụng đã tạo ra tài liệu. Kopitiam không ghi được các trường tùy chỉnh.

Các công cụ PDF của Kopitiam chạy trong trình duyệt của bạn, nên tệp bạn đang làm sạch không bị tải lên máy chủ trong quá trình đó. Với tài liệu nhạy cảm, đó đã là một nửa ý nghĩa của việc làm sạch.