Ver e editar metadados de PDF

Todo PDF carrega um pequeno bloco de informações do documento (título, autor, palavras-chave, o software que o gerou) que quase ninguém chega a olhar. Ele viaja junto com o arquivo, pode ser lido sem esforço nenhum e é uma fonte comum de vazamentos acidentais. A ferramenta acima permite ler, editar ou remover essas informações sem enviar o documento para lugar nenhum.

Como funciona

Escolha um PDF. A ferramenta lê o dicionário de informações do documento e mostra seis campos editáveis (Título, Autor, Assunto, Palavras-chave, Aplicativo e Produtor do PDF), além das datas de criação e de modificação.

A leitura realmente não altera nada. Por padrão, a biblioteca usada por baixo grava um novo Produtor do PDF e uma nova data de modificação quando abre um documento; esse comportamento está explicitamente desativado aqui, então inspecionar um arquivo nunca o altera. Você só recebe um documento modificado se pedir.

A partir daí:

• Salvar grava os valores que você editou e define a data de modificação como o momento atual.
• Remover limpa os seis campos e volta as duas datas para a época Unix, o mais perto que um PDF chega de "nenhuma data registrada".

Qualquer uma das ações gera um novo arquivo para download; o original no seu disco continua intacto. Tudo acontece no seu navegador: o documento nunca é enviado para um servidor, e esse é justamente o ponto de uma ferramenta cujo trabalho é lidar com informações que você preferiria não compartilhar.

Um comportamento que vale conhecer: as palavras-chave são armazenadas separadas por espaços. O formato PDF as guarda como uma única string e a biblioteca as junta com espaços, então as vírgulas que você digitar funcionam como um separador prático, e não como pontuação preservada. Uma expressão com várias palavras volta como palavras separadas.

Por que os metadados importam

Autor e Aplicativo vazam nomes. O campo Autor costuma ser preenchido a partir da conta do sistema operacional ou da licença do aplicativo, então um currículo, uma proposta de licitação ou uma peça processual muitas vezes sai com um nome real, às vezes com o de um empregador. Antes de mandar um documento para fora da sua organização, dê uma olhada: leva cinco segundos.

Produtor do PDF identifica o seu conjunto de ferramentas. Ele registra a biblioteca exata, com a versão, que gravou o arquivo. Isso ajuda na depuração e atrapalha numa avaliação de segurança, já que anuncia um software cujas falhas conhecidas estão a uma busca de distância.

As datas revelam padrões de trabalho. Datas de criação e de modificação já foram usadas para determinar quando um documento foi realmente escrito, o que importa com mais frequência do que se imagina.

O Título é o que os leitores e os buscadores exibem. Muitos leitores de PDF mostram o campo Título na barra de título da janela em vez do nome do arquivo, e os buscadores dão preferência a ele no cabeçalho do resultado. Um documento cujo Título é Microsoft Word - final_v3_REALLY_final.docx (o padrão quando um arquivo do Word é exportado sem título) passa exatamente a impressão de descuido que você imagina. Definir um Título de verdade é a edição de maior valor que esta ferramenta faz.

O que ela não remove

Isto é importante, e é aqui que ficam os limites reais da ferramenta. Limpar o dicionário de informações do documento não sanitiza o arquivo:

• Os metadados XMP, um bloco XML incorporado à parte, não são apagados.
• Os dados EXIF das imagens incorporadas, incluindo coordenadas GPS de uma foto inserida no documento, continuam lá.
• O texto escondido sob tarjas de censura ainda pode ser extraído: um retângulo preto desenhado por cima não esconde nada. Um tarjamento de verdade remove o texto.
• Anotações, comentários, valores de formulários e histórico de revisões não são afetados.

Para um documento que realmente precisa estar limpo, use um sanitizador específico ou exporte para um PDF achatado, só com imagens, aceitando perder o texto selecionável. Encare esta ferramenta como uma forma de corrigir os campos que você vê, não como uma garantia sobre os que você não vê.

Onde ela se encaixa

Metadados são só um exemplo de uma regra geral: arquivos carregam mais do que o conteúdo visível, e dados saem das organizações por canais que ninguém classificou como canais. Fundamentos de segurança da informação aborda a classificação e o manuseio de dados; OWASP Top 10 cobre as categorias de exposição às quais o vazamento por documentos pertence.

Ferramentas relacionadas

Para operações estruturais nesses mesmos arquivos, use juntar PDF, dividir PDF e comprimir PDF, que também rodam inteiramente no seu navegador.