PDF Metadata Cleaner

Metadatos ocultos en tu PDF

Cada PDF lleva un diccionario "Info" que la mayoría nunca ve. Campos comunes: Autor (suele ser el nombre de usuario del sistema operativo), Creador (Word, LibreOffice...), Productor (la biblioteca PDF), y fechas exactas de creación y modificación. Para un currículum, una entrega judicial, o un documento "anónimo", puede ser una divulgación crítica.

Qué hace esta herramienta

Tu PDF se lee en memoria del navegador usando pdf-lib. El diccionario Info se enumera y muestra. Al descargar, generamos un PDF nuevo con los campos seleccionados borrados. El archivo original en tu disco queda intacto. Nada se envía a servidores.

Qué NO hace

• No elimina los metadatos XMP incrustados en object streams. La especificación del PDF tiene dos sistemas paralelos de metadatos: el diccionario Info (que limpiamos), que para la mayoría de los archivos es el más ruidoso, y el diccionario XMP.
• No quita contenido de texto, imágenes ni comentarios. Si te preocupa texto oculto o historial de revisiones, usa una herramienta más agresiva.
• Invalida firmas digitales. Cualquier modificación a los bytes invalida la firma.

Conserva siempre ambos archivos (original y versión limpia) hasta confirmar que nada esencial se perdió.

Lo que no se puede limpiar (y por qué)

Algunos campos de metadatos no pueden eliminarse — solo reemplazarse. No es una elección nuestra, es un límite de la biblioteca PDF que usamos. Vale la pena saber qué está pasando:

Producer (la firma de la biblioteca PDF). Todo PDF lleva un campo /Producer que nombra al software que escribió los bytes finales. Usamos una biblioteca JavaScript llamada pdf-lib para leer tu archivo y escribir la copia limpia. Cuando pdf-lib guarda un PDF, estampa su propio nombre — pdf-lib (https://github.com/Hopding/pdf-lib) — en Producer, sobrescribiendo lo que había antes. No hay API pública para suprimir esto. La cirugía a nivel de bytes para borrar Producer arriesgaría corromper PDFs que usan características de compresión modernas (Object Streams), y la corrupción silenciosa es peor que una firma genérica. La fuga es pequeña: ver "pdf-lib" le dice a alguien que el archivo pasó por una biblioteca open-source; no te identifica a ti, ni a tu computadora, ni a la historia real del documento.

Fecha de creación y fecha de modificación. La especificación PDF permite que estas estén ausentes, pero pdf-lib no producirá un PDF sin ellas — e incluso si pudiéramos removerlas, la ausencia misma es una señal ("este archivo tuvo sus fechas removidas"). El camino honesto es reemplazarlas con algo que no sea tu timestamp real. La herramienta ofrece dos estrategias:

• 1 de enero del año original (por defecto). Conserva el año del documento original y pone a cero mes, día y hora. Plausible — un PDF "de 2024" no levanta sospechas. Pierde el detalle de día que un investigador podría correlacionar con otros eventos.
• 1970-01-01 (Unix epoch). Completamente neutro, pero crea un patrón reconocible: cualquiera que analice el archivo sabrá que pasó por una herramienta de limpieza. Úsalo cuando prefieras señalar "limpiado" a revelar algo específico.

Buena práctica: conserva ambos archivos

Descargamos la versión limpia como tudocumento-limpio.pdf. El original permanece en tu equipo. Acostúmbrate a conservar ambos, al menos temporalmente — si descubres que la versión limpia rompió algo que necesitabas (una firma, los metadatos de un campo de formulario), siempre puedes volver al original.