PDF Metadata Cleaner

Que metadados estão escondidos no seu PDF?

Todo documento PDF carrega um pequeno dicionário "Info" de metadados que a maioria nunca vê. Não é o conteúdo visível do documento — é informação *sobre* o documento. Campos comuns:

• Autor — normalmente o nome de usuário do sistema operacional de quem criou o arquivo. ("Maria Silva" num notebook corporativo, ou pior: "msilva" batendo com login de email.)
• Criador — o software que originalmente escreveu o documento ("Microsoft Word 2019", "LibreOffice 7.4", "Adobe Acrobat Pro DC").
• Produtor — a biblioteca PDF que produziu o arquivo final. Indica se foi exportado, convertido, ou impresso-pra-PDF.
• Data de criação e data de modificação — timestamps exatos, frequentemente até o segundo. Podem revelar quando você escreveu o arquivo (3h da manhã na véspera da entrega?) ou que um arquivo que você alegou ser inalterado foi de fato editado ontem.
• Título, Assunto, Palavras-chave — definidos automaticamente por alguns templates do Office, frequentemente contém nomes internos de projetos.

Pra muitos documentos isso é inofensivo. Pra um jornalista recebendo um vazamento "anônimo", um currículo de RH supostamente de "outro" laptop, ou uma submissão judicial, pode ser uma divulgação crítica.

O que esta ferramenta de fato faz

Seu PDF é lido na memória do navegador usando pdf-lib, uma biblioteca JavaScript pra PDFs. O dicionário Info é enumerado, exibido pra você, e ao baixar geramos um novo arquivo PDF com os campos selecionados zerados. O arquivo original no seu disco fica intacto.

Nada é enviado. A aba do navegador faz todo o trabalho. Você pode verificar: abra o DevTools → aba Rede, rode uma limpeza, e observe — nenhuma requisição saindo.

O que esta ferramenta NÃO faz

Alguns limites importantes:

• Não remove metadados XMP embutidos em object streams. O spec do PDF tem dois sistemas paralelos de metadados: o dicionário Info (que limpamos) e para maioria dos arquivos é o mais ruidoso e o dicionário XMP.

• Não remove conteúdo de texto, imagens ou comentários. Se sua preocupação é texto oculto, caixas que parecem mas não foram redatadas, ou histórico de revisões, você precisa de uma ferramenta mais agressiva.

• Não preserva assinaturas digitais. Qualquer modificação aos bytes do arquivo invalida a assinatura. Se você precisa de documento limpo E assinatura válida, assine *depois* da limpeza, não antes.

O que não dá pra limpar (e por quê)

Alguns campos de metadados não podem ser removidos — só substituídos. Isso não é uma escolha nossa, é um limite da biblioteca PDF que usamos. Vale entender o que está acontecendo:

Produtor (a assinatura da biblioteca PDF). Todo PDF carrega um campo /Producer nomeando o software que escreveu os bytes finais. A gente usa uma biblioteca JavaScript chamada pdf-lib pra ler seu arquivo e escrever a cópia limpa. Quando o pdf-lib salva um PDF, ele carimba o próprio nome — pdf-lib (https://github.com/Hopding/pdf-lib) — no Producer, sobrescrevendo o que estava ali antes. Não existe API pública pra suprimir isso. Cirurgia byte-a-byte no resultado pra apagar o Producer arriscaria corromper PDFs que usam recursos modernos de compressão (Object Streams), e corrupção silenciosa é pior que uma assinatura genérica. O vazamento é pequeno: ver "pdf-lib" diz que o arquivo passou por uma biblioteca open-source; não identifica você, seu computador, nem o histórico real do documento.

Data de criação e data de modificação. A spec do PDF permite que essas datas estejam ausentes, mas o pdf-lib não gera um PDF sem elas — e mesmo que conseguíssemos removê-las, a ausência em si é um sinal ("esse arquivo teve as datas zeradas"). O caminho honesto é substituir por algo que não seja seu timestamp real. A ferramenta dá duas estratégias:

• 1 de janeiro do ano original (padrão). Mantém o ano do documento original e zera mês, dia e hora. Plausível — um PDF "de 2024" não levanta suspeita. Perde o detalhe de dia que um investigador poderia cruzar com outros eventos.
• 1970-01-01 (Unix epoch). Completamente neutro, mas cria um padrão reconhecível: quem analisar o arquivo vai saber que ele passou por uma ferramenta de limpeza. Use quando preferir sinalizar "limpo" a revelar qualquer coisa específica.

Boa prática: mantenha os dois arquivos

Baixamos a versão limpa como seuarquivo-clean.pdf. O original fica na sua máquina. Crie o hábito de manter os dois, pelo menos temporariamente — se você descobrir que a versão limpa quebrou algo que você precisava (uma assinatura, metadados de um campo de formulário), pode sempre voltar ao original.