Remover metadados do PDF

Todo PDF carrega um conjunto de propriedades que descrevem o documento, e não o seu conteúdo, preenchidas automaticamente por qualquer programa que tenha gerado o arquivo. O campo de autor pega o nome da conta que o criou. Os campos de criador e produtor registram o aplicativo e a versão exatos. As datas registram quando ele foi feito e quando foi alterado pela última vez, às vezes com precisão de segundos.

Nada disso aparece na página, e quase ninguém confere antes de compartilhar. Só que é trivialmente legível — um clique com o botão direito em qualquer leitor de PDF, ou um buscador indexando o arquivo. Já houve documentos que revelaram o nome real por trás de um envio anônimo, a identidade de um denunciante e o fato de que uma proposta “sob medida” saiu de um modelo com o nome de outro cliente ainda no campo de autor.

O caso do modelo é o mais comum e o mais silenciosamente constrangedor. Uma resposta a licitação, um contrato ou um relatório gerado a partir do arquivo de um colega herda o nome dele — ou seja, o seu documento está contando a quem recebe quem de fato o escreveu.

Por razões históricas, PDFs guardam metadados em dois lugares. O dicionário de informações do documento é o mecanismo original: uma lista simples de título, autor, assunto, palavras-chave, criador, produtor e datas. O pacote XMP é a abordagem mais nova, um bloco XML incorporado que costuma repetir esses valores e pode carregar bem mais, incluindo declarações de direitos e histórico específico de cada ferramenta.

Como os dois existem, uma ferramenta que limpa só um deixa o outro intacto — e os leitores divergem sobre qual exibem. Um documento pode, portanto, parecer limpo em um aplicativo e mostrar o nome do autor em outro, que é exatamente a falha que você estava tentando evitar.

Tratar os dois juntos é a única forma de ter confiança. É também por isso que conferir o resultado em um leitor diferente daquele em que você limpou o arquivo é um hábito razoável para qualquer coisa sensível.

Apagar tudo é o certo quando o anonimato importa: um envio anônimo, um documento saído de um modelo, uma denúncia — qualquer situação em que a ligação entre o arquivo e uma pessoa simplesmente não deveria existir.

Para documentos publicados, valores bem pensados costumam ser melhores do que campos vazios. Um título preenchido é o que os buscadores exibem e o que os sistemas de gestão documental indexam, então deixá-lo vazio torna o seu relatório mais difícil de achar e menos profissional numa lista de downloads. Colocar a organização como autor, em vez de uma pessoa, dá crédito sem expor ninguém.

Um meio-termo prático cobre a maioria dos casos: mantenha título e assunto, coloque a organização como autor e limpe criador e produtor, que revelam as suas ferramentas e não servem para mais nada.

Os metadados são apenas uma das formas pelas quais um documento diz mais do que as suas páginas. Texto escondido sob um retângulo preto continua no arquivo e volta com um simples copiar — Ocultar PDF o destrói de verdade, e nenhuma limpeza de metadados chega perto disso.

Imagens vindas de um celular carregam os próprios dados EXIF dentro do fluxo da imagem, incluindo as coordenadas onde a foto foi tirada. Um PDF montado a partir de fotografias pode, portanto, carregar dados de localização que a limpeza no nível do documento não alcança; retire-os das imagens antes de montar o PDF.

E o nome do arquivo viaja junto sem pertencer a nada disso. Em qualquer coisa publicada, revisar o nome vale tanto quanto revisar as propriedades.