PDF Metadata Cleaner

Welke metadata verbergt zich in je PDF?

Elk PDF-document draagt een klein "Info" metadatawoordenboek dat de meeste mensen nooit zien. Veelvoorkomende velden:

• Auteur — meestal de gebruikersnaam van het besturingssysteem van degene die het heeft gemaakt.
• Maker — de software die het document oorspronkelijk heeft geschreven (Microsoft Word, LibreOffice, Adobe Acrobat).
• Producent — de PDF-bibliotheek die het uiteindelijke bestand heeft gegenereerd.
• Aanmaakdatum en Wijzigingsdatum — exacte tijdstempels, vaak op de seconde nauwkeurig.
• Titel, Onderwerp, Trefwoorden — automatisch ingesteld door sommige Office-sjablonen.

Voor veel documenten is dit onschuldig. Voor een journalist die een "anonieme" lekkage ontvangt, een HR-sollicitatie van een "andere" laptop of een gerechtelijke indiening, kan het een kritieke onthulling zijn.

Wat deze tool feitelijk doet

Je PDF wordt in het browsergeheugen geladen via pdf-lib, een JavaScript PDF-bibliotheek. Het Info-woordenboek wordt opgesomd, aan je getoond, en bij het downloaden genereren we een nieuw PDF-bestand met gewiste velden. Het originele bestand op je schijf blijft onaangetast.

We uploaden nooit iets. Het browsertabblad doet al het werk.

Wat deze tool NIET doet

• Het verwijdert geen XMP-metadata die in object streams zijn ingebed. De PDF-specificatie heeft twee parallelle metadatasystemen: de Info-dictionary (die we opschonen), die voor de meeste bestanden de meest opvallende is, en de XMP-dictionary.
• Het verwijdert geen tekstinhoud, afbeeldingen of opmerkingen. Gebruik voor verborgen tekst of revisiegeschiedenis een agressievere tool.
• Het behoudt geen digitale handtekeningen. Elke wijziging aan de bytes van het bestand maakt ze ongeldig.

Wat niet kan worden opgeschoond (en waarom)

Een paar metadatavelden kunnen niet worden verwijderd — alleen vervangen. Dat is geen keuze van ons; het is een beperking van de PDF-bibliotheek die we gebruiken. Het is goed om te weten wat er gebeurt:

Producer (de handtekening van de PDF-bibliotheek). Elke PDF bevat een /Producer-veld dat de software benoemt die de uiteindelijke bytes heeft geschreven. We gebruiken een JavaScript-bibliotheek genaamd pdf-lib om je bestand te lezen en de schone kopie te schrijven. Wanneer pdf-lib een PDF opslaat, stempelt het zijn eigen naam — pdf-lib (https://github.com/Hopding/pdf-lib) — in Producer en overschrijft wat er stond. Er is geen publieke API om dit te onderdrukken. Byte-niveau ingrijpen om Producer te wissen zou het risico lopen PDF's te beschadigen die moderne compressiefuncties (Object Streams) gebruiken, en stille corruptie is erger dan een generieke handtekening. Het lek is klein: "pdf-lib" zien vertelt iemand dat het bestand door een open-source bibliotheek is gegaan; het identificeert jou, je computer of de werkelijke geschiedenis van het document niet.

Aanmaakdatum en wijzigingsdatum. De PDF-specificatie staat toe dat deze ontbreken, maar pdf-lib produceert geen PDF zonder ze — en zelfs als we ze konden verwijderen, is de afwezigheid zelf een signaal ("dit bestand had zijn datums verwijderd"). De eerlijke aanpak is ze te vervangen door iets dat niet je echte tijdstempel is. De tool biedt twee strategieën:

• 1 januari van het oorspronkelijke jaar (standaard). Behoudt het jaar van het originele document en zet maand, dag en tijd op nul. Plausibel — een PDF "uit 2024" oogt niet verdacht. Verliest het dagniveau-detail dat een onderzoeker met andere gebeurtenissen zou kunnen correleren.
• 1970-01-01 (Unix-epoch). Volledig neutraal, maar creëert een herkenbaar patroon: iedereen die het bestand analyseert weet dat het door een opschoontool is gegaan. Gebruik dit wanneer je liever "opgeschoond" signaleert dan iets specifieks prijsgeeft.

Goede gewoonte: bewaar beide bestanden

We downloaden de schone versie als jouwdocument-schoon.pdf. Het origineel blijft op je apparaat. Maak er een gewoonte van beide tijdelijk te bewaren — als je ontdekt dat de schone versie iets brak dat je nodig had (een handtekening, de metadata van een formulierveld), kun je altijd terug naar het origineel.