PDFメタデータ削除

PDFはドキュメントプロパティを2か所に持っており、片方だけを掃除するツールでは、ファイルをきれいにしたことになりません。どちらがどちらかを見分けることが、作業の大半を占めます。

Info dictionary：旧来の方式

trailer内にある単純なディクショナリで、/Author、/Title、/Subject、/Keywords、/Creator、/Producer、/CreationDate、/ModDateが含まれます。どのリーダーもこれらをプロパティダイアログに表示し、ほぼすべてのエディタを無傷で生き抜きます。2019年にWordで書かれ、6回再エクスポートされた文書も、最初の作成者名を引きずっています。

XMP：現行の方式であり、忘れられがちな方式

カタログが指すストリームに置かれたXMLパケットです。同じ項目を別形式で繰り返し、生成アプリケーションが記録した内容——元の作成者を含む編集履歴、カメラの機種、ときにGPS座標——をさらに追加します。Word、Acrobat、そしてほとんどの印刷ワークフローは両方を書き込み、両者が食い違うこともあります。Info dictionaryだけを削除しても、XMLパケットは作成者名を抱えたままファイルに残ります。このツールが存在して防ごうとしているのは、まさにこの失敗です。

参照を削除するだけでも不十分です。パケットは1個のオブジェクトであり、出力を書き込むライブラリは自分の知っているオブジェクトをすべて書き込みます。その結果、参照は消えても作成者名は残ります。どこからも指されず、どのテキストエディタでも読めてしまう孤立物として。必要なのは登録解除であって、参照を切ることだけではありません。

成功と告げる前に結果を再読み込みする理由

ここで使っているライブラリは、ファイルを書き出すたびに独自の/Producerと新しい/ModDateを書き込むため、この2つのフィールドは単純に削除できません。削除しても復活します。そこで出力はバイト単位で修正されます。PDFの文字列は必ず自分専用の丸括弧で区切られているため、中身をまったく同じ長さのスペースで上書きできるのです。ファイル内の相互参照オフセットは1つも動きません。これが、この改変を安全にしている仕組みです。

その後、ツールは出力を再度読み込み、削除するはずだった値を探します。1つでも残っていれば、どれかを名指しで報告します。人名を消したと主張しておいて消えていないツールは、消せなかったと認めるツールよりも悪質です。

このツールでは削除できないもの

ドキュメント内であなたを特定するものは、メタデータだけではありません。ページ上のテキスト、フッター内のメールアドレス、署名画像、余白に書き込まれたコメント、ファイル名そのもの——これらはどれもメタデータではなく、どれも手つかずのままです。埋め込みフォントは独自の名前を保持し、そこにはフォントファウンドリの名前が含まれていることがあります。さらに、すべてのフィールドを消しても、ドキュメント自身の構造から生成ソフトウェアが推測されることがあります。他人に渡す文書は、きれいにするだけでなく、読み返してください。