PDF Metadata Cleaner

Какие метаданные прячутся в вашем PDF?

Каждый PDF-документ несёт небольшой словарь метаданных «Info», который большинство людей никогда не видит. Это не видимое содержимое документа — это данные *о* документе. Распространённые поля:

• Автор — обычно имя пользователя операционной системы того, кто создал файл. («Мария Иванова» на корпоративном ноутбуке или, что хуже: «mivanova», совпадающее с логином электронной почты.)
• Создатель — программа, которая изначально написала документ («Microsoft Word 2019», «LibreOffice 7.4», «Adobe Acrobat Pro DC»).
• Производитель — PDF-библиотека, которая сгенерировала конечный файл. Показывает, был ли он экспортирован, сконвертирован или напечатан в PDF.
• Дата создания и Дата изменения — точные временные метки, часто с точностью до секунды. Они могут раскрыть, когда вы это написали (в 3 часа ночи перед сдачей?) или что файл, который вы назвали неизменным, на самом деле редактировался вчера.
• Заголовок, Тема, Ключевые слова — автоматически устанавливаются некоторыми Office-шаблонами и часто содержат внутренние названия проектов.

Для многих документов это безвредно. Для журналиста, получающего «анонимную» утечку, HR-заявку с «другого» ноутбука или судебную подачу — это может быть критическим раскрытием.

Что фактически делает этот инструмент

Ваш PDF загружается в память браузера через pdf-lib, JavaScript PDF-библиотеку. Словарь Info перечисляется, показывается вам, и при загрузке мы генерируем новый PDF-файл с удалёнными полями. Оригинальный файл на вашем диске остаётся нетронутым.

Мы никогда ничего не загружаем. Всю работу выполняет вкладка браузера. Вы можете убедиться в этом сами: откройте DevTools → вкладку Network, выполните очистку и наблюдайте — никаких исходящих запросов.

Что этот инструмент НЕ делает

• Не удаляет метаданные XMP, встроенные в object streams. Спецификация PDF имеет две параллельные системы метаданных: словарь Info (который мы очищаем), который для большинства файлов является более «шумным», и словарь XMP.
• Не удаляет текстовое содержимое, изображения или комментарии. Для скрытого текста или истории ревизий используйте более агрессивный инструмент.
• Не сохраняет цифровые подписи. Любое изменение байтов файла делает их недействительными.

Всегда сохраняйте оба файла (оригинал и очищенную версию), пока не подтвердите, что ничего существенного не было потеряно.

Что нельзя очистить (и почему)

Некоторые поля метаданных нельзя удалить — только заменить. Это не наш выбор, а ограничение PDF-библиотеки, которую мы используем. Стоит понимать, что происходит:

Producer (подпись PDF-библиотеки). Каждый PDF несёт запись /Producer, называющую программу, которая записала финальные байты. Мы используем JavaScript-библиотеку pdf-lib, чтобы прочитать ваш файл и записать очищенную копию. Когда pdf-lib сохраняет PDF, она штампует своё имя — pdf-lib (https://github.com/Hopding/pdf-lib) — в Producer, перезаписывая то, что было раньше. Публичного API для подавления этого нет. Хирургия на уровне байтов в выводе для стирания Producer рисковала бы повреждением PDF, использующих современные функции сжатия (Object Streams), а тихое повреждение хуже общей подписи. Утечка небольшая: видя "pdf-lib", кто-то понимает, что файл прошёл через open-source библиотеку; это не идентифицирует ни вас, ни ваш компьютер, ни реальную историю документа.

Дата создания и дата изменения. Спецификация PDF позволяет их отсутствие, но pdf-lib не выпустит PDF без них — и даже если бы мы могли их удалить, само отсутствие является сигналом ("у этого файла удалили даты"). Честный путь — заменить их чем-то, что не является вашей реальной меткой времени. Инструмент предлагает две стратегии:

• 1 января оригинального года (по умолчанию). Сохраняет год оригинального документа и обнуляет месяц, день и время. Правдоподобно — PDF "от 2024 года" не выглядит подозрительно. Теряет детализацию по дню, которую следователь мог бы соотнести с другими событиями.
• 1970-01-01 (Unix epoch). Полностью нейтрально, но создаёт узнаваемый узор: любой, кто анализирует файл, будет знать, что он прошёл через инструмент очистки. Используйте, когда предпочитаете сигнализировать «очищено», чем раскрывать что-то конкретное.

Лучшая практика: сохраняйте оба файла

Очищенную версию мы скачиваем как yourdocument-clean.pdf. Оригинал остаётся на вашем устройстве. Возьмите за привычку хранить оба файла, хотя бы временно — если вы обнаружите, что очищенная версия что-то сломала (подпись, метаданные поля формы), вы всегда сможете вернуться к исходнику.