Ver y editar metadatos de PDF

Todo PDF lleva consigo un pequeño bloque de información del documento (título, autor, palabras clave, el software que lo generó) que casi nadie mira nunca. Viaja con el archivo, se lee sin ningún esfuerzo y es una fuente habitual de filtraciones accidentales. La herramienta de arriba te permite consultarlo, editarlo o eliminarlo sin subir el documento a ningún sitio.

Cómo funciona

Elige un PDF. La herramienta lee su diccionario de información del documento y muestra seis campos editables (Título, Autor, Asunto, Palabras clave, Aplicación y Productor de PDF), además de las fechas de creación y de modificación.

Leer el archivo no lo modifica en absoluto. Por defecto, la biblioteca subyacente escribe un nuevo Productor de PDF y una nueva fecha de modificación al abrir un documento; aquí ese comportamiento está desactivado explícitamente, así que inspeccionar un archivo nunca lo altera. Solo obtienes un documento modificado si lo pides.

A partir de ahí:

• Guardar escribe los valores que has editado y fija la fecha de modificación en el momento actual.
• Eliminar vacía los seis campos y devuelve ambas fechas a la época Unix, que es lo más parecido a «sin fecha registrada» que admite un PDF.

Cualquiera de las dos acciones genera un archivo nuevo para descargar; el original que tienes en disco no se toca. Todo ocurre en tu navegador: el documento nunca se sube a ningún servidor, que es precisamente lo que importa en una herramienta cuyo trabajo es manejar información que preferirías no compartir.

Un detalle que conviene saber: las palabras clave se guardan separadas por espacios. El formato PDF las almacena como una única cadena y la biblioteca las une con espacios, así que las comas que escribas funcionan como un separador cómodo, no como puntuación que se conserve. Una expresión de varias palabras volverá como palabras sueltas.

Por qué importan los metadatos

Autor y Aplicación filtran nombres. El campo Autor suele rellenarse a partir de la cuenta del sistema operativo o de la licencia de la aplicación, de modo que un CV, una oferta para una licitación o un escrito judicial salen con frecuencia con un nombre real, y a veces con el de una empresa. Antes de enviar un documento fuera de tu organización, échale un vistazo: son cinco segundos.

Productor de PDF identifica tu cadena de herramientas. Registra la biblioteca exacta, con su versión, que escribió el archivo. Útil para depurar y contraproducente en una auditoría de seguridad, porque anuncia un software cuyas vulnerabilidades conocidas están a una búsqueda de distancia.

Las fechas revelan tus patrones de trabajo. Las fechas de creación y de modificación se han usado para determinar cuándo se escribió realmente un documento, algo que importa más a menudo de lo que la gente cree.

El Título es lo que muestran los visores y los buscadores. Muchos lectores de PDF muestran el campo Título en la barra de título de la ventana en lugar del nombre del archivo, y los buscadores lo prefieren para el encabezado del resultado. Un documento cuyo Título es Microsoft Word - final_v3_REALLY_final.docx (el valor por defecto cuando se exporta un archivo de Word sin título) da exactamente la imagen de descuido que cabría esperar. Poner un Título de verdad es el cambio más rentable que hace esta herramienta.

Lo que no elimina

Esto es importante, porque aquí están los límites reales de la herramienta. Vaciar el diccionario de información del documento no deja limpio el archivo:

• Los metadatos XMP, un bloque XML incrustado aparte, no se borran.
• Los datos EXIF de las imágenes incrustadas, incluidas las coordenadas GPS de una fotografía insertada en el documento, se mantienen.
• El texto oculto bajo recuadros de censura sigue pudiéndose extraer: un rectángulo negro dibujado encima no tapa nada. Una censura real elimina el texto.
• Las anotaciones, los comentarios, los valores de formularios y el historial de revisiones no se ven afectados.

Si un documento tiene que quedar realmente limpio, usa una herramienta de saneamiento específica o expórtalo como PDF aplanado solo de imágenes, asumiendo que perderás el texto seleccionable. Considera esta herramienta una forma de corregir los campos que ves, no una garantía sobre los que no ves.

Dónde encaja

Los metadatos son solo un caso de una regla general: los archivos contienen más que lo que muestran, y los datos salen de las organizaciones por canales que nadie había catalogado como canales. Fundamentos de la seguridad de la información trata la clasificación y el manejo de datos; OWASP Top 10 cubre las categorías de exposición a las que pertenecen las filtraciones a través de documentos.

Herramientas relacionadas

Para operaciones estructurales sobre estos mismos archivos, usa unir PDF, dividir PDF y comprimir PDF, que también funcionan por completo en tu navegador.