PDF Metadata Cleaner

Quali metadata si nascondono nel tuo PDF?

Ogni documento PDF porta un piccolo dizionario di metadata "Info" che la maggior parte delle persone non vede mai. Campi comuni:

• Autore — di solito il nome utente del sistema operativo di chi l'ha creato.
• Creatore — il software che ha originariamente scritto il documento (Microsoft Word, LibreOffice, Adobe Acrobat).
• Produttore — la libreria PDF che ha generato il file finale.
• Data di creazione e Data di modifica — timestamp esatti, spesso al secondo.
• Titolo, Oggetto, Parole chiave — impostati automaticamente da alcuni modelli Office.

Per molti documenti questo è innocuo. Per un giornalista che riceve una fuga "anonima", una candidatura HR da un laptop "diverso" o una pratica giudiziaria, può essere una rivelazione critica.

Cosa fa effettivamente questo strumento

Il tuo PDF viene caricato nella memoria del browser tramite pdf-lib, una libreria PDF JavaScript. Il dizionario Info viene elencato, mostrato, e al momento del download generiamo un nuovo file PDF con i campi cancellati. Il file originale sul tuo disco rimane intatto.

Non carichiamo mai nulla. La scheda del browser fa tutto il lavoro.

Cosa NON fa questo strumento

• Non rimuove i metadati XMP incorporati negli object stream. La specifica PDF ha due sistemi paralleli di metadati: il dizionario Info (che puliamo), che per la maggior parte dei file è il più rumoroso, e il dizionario XMP.
• Non rimuove contenuto testuale, immagini o commenti. Per testo nascosto o cronologia delle revisioni usa uno strumento più aggressivo.
• Non preserva le firme digitali. Qualsiasi modifica ai byte del file le invalida.

Conserva sempre entrambi i file (originale e versione pulita) finché non hai confermato che nulla di essenziale è andato perso.

Cosa non si può pulire (e perché)

Alcuni campi di metadati non possono essere rimossi — solo sostituiti. Non è una scelta nostra, è un limite della libreria PDF che usiamo. Vale la pena capire cosa sta succedendo:

Producer (la firma della libreria PDF). Ogni PDF porta un campo /Producer che nomina il software che ha scritto i byte finali. Usiamo una libreria JavaScript chiamata pdf-lib per leggere il tuo file e scrivere la copia pulita. Quando pdf-lib salva un PDF, timbra il proprio nome — pdf-lib (https://github.com/Hopding/pdf-lib) — in Producer, sovrascrivendo ciò che c'era. Non c'è API pubblica per sopprimere questo. La chirurgia a livello di byte sull'output per cancellare Producer rischierebbe di corrompere PDF che usano funzionalità di compressione moderne (Object Streams), e la corruzione silenziosa è peggio di una firma generica. La fuga è piccola: vedere "pdf-lib" dice a qualcuno che il file è passato attraverso una libreria open-source; non identifica te, il tuo computer, né la storia reale del documento.

Data di creazione e data di modifica. Le specifiche PDF permettono la loro assenza, ma pdf-lib non produrrà un PDF senza di esse — e anche se potessimo rimuoverle, l'assenza stessa è un segnale ("questo file ha avuto le date rimosse"). La via onesta è sostituirle con qualcosa che non sia il tuo timestamp reale. Lo strumento offre due strategie:

• 1° gennaio dell'anno originale (predefinito). Mantiene l'anno del documento originale e azzera mese, giorno e ora. Plausibile — un PDF "del 2024" non sembra sospetto. Perde il dettaglio del giorno che un investigatore potrebbe correlare con altri eventi.
• 1970-01-01 (Unix epoch). Completamente neutro, ma crea un pattern riconoscibile: chiunque analizzi il file saprà che è passato attraverso uno strumento di pulizia. Usalo quando preferisci segnalare "pulito" piuttosto che rivelare qualcosa di specifico.

Buona pratica: conserva entrambi i file

Scarichiamo la versione pulita come tuodocumento-pulito.pdf. L'originale resta sul tuo dispositivo. Prendi l'abitudine di conservarli entrambi, almeno temporaneamente — se scopri che la versione pulita ha rotto qualcosa di cui avevi bisogno (una firma, i metadati di un campo modulo), puoi sempre tornare all'originale.