Что такое метаданные PDF
Метаданные PDF — это сведения о документе, а не его содержимое: название, автор, тема, ключевые слова, программа-производитель, даты создания и правки. На странице их не видно, зато их читают каталоги, системы документооборота и любой просмотрщик в свойствах файла. Хранятся они в структуре документа, поэтому операция, которая собирает новый файл из страниц, легко теряет их целиком.
Коротко о цифрах
- Классические поля
- название, автор, тема, ключевые слова, создатель, производитель, даты
- Удаление и извлечение страниц
- переносят название, автора, тему и создателя
- Ключевые слова
- не переносятся намеренно: разделитель списка неизвестен
- Объединение
- метаданные берутся из первого файла, производитель заменяется
- Сжатие
- новый документ собирается с нуля, поля сведений не переносятся
Две системы метаданных в одном файле
Классическая — словарь сведений о документе: простой набор полей вроде названия и автора. Современная — XMP: XML-пакет внутри файла, куда пишут и стандартные поля, и специфические для отрасли, например идентификатор архивного профиля. Обе могут присутствовать одновременно и, что неприятно, расходиться между собой: программа обновила одну и не тронула другую.
Практический вывод: то, что показывает окно свойств в одном просмотрщике, не обязательно совпадает с тем, что прочитает автоматическая система на приёмке. Если название документа важно, проверяйте его в той программе, куда файл в итоге попадёт.
Что переносят наши инструменты
- Удаление и извлечение страниц: название, автор, тема и создатель переезжают в результат. Без этого трёхсотстраничный отчёт терял бы имя от одной удалённой страницы.
- Ключевые слова при этом сознательно не переносятся: библиотека читает их одной строкой, а записывает списком, и разделитель приходится угадывать — а угадав неверно, испортить.
- Объединение: метаданные берутся из первого файла, а поле программы-производителя заменяется на наше.
- Сжатие с растеризацией: новый документ собирается из картинок, и поля сведений в него не попадают.
- Поворот, водяной знак, нумерация и редактор открывают исходный документ и метаданные не трогают.
Метаданные и приватность
- Имя автора и название программы остаются в файле после всех правок — их не видно на странице, но они уезжают вместе с документом.
- Обрезка полей ничего не удаляет: она меняет границы страницы, а спрятанное содержимое и сведения о документе остаются на месте.
- Самый надёжный способ обнулить поля — растеризация: новый документ собирается с чистой структурой.
- Если файл идёт наружу, проверьте свойства перед отправкой: там нередко обнаруживается имя чужого сотрудника из шаблона.
Частые вопросы
Куда делось название документа после сжатия?
Сжатие с растеризацией собирает новый файл из изображений страниц, а поля сведений живут в структуре старого документа. В новый они не переносятся, поэтому свойства оказываются пустыми.
Как посмотреть метаданные PDF?
Откройте документ и найдите свойства файла в меню просмотрщика: там будут название, автор, программа и даты. Учтите, что разные программы читают разные наборы полей и могут показывать не одно и то же.
Удаляет ли обрезка скрытые данные?
Нет. Обрезка меняет только границы видимой области страницы. Всё, что оказалось за рамкой, остаётся в файле, как и сведения о документе, — их удаление требует другой операции.
Почему после объединения автором значится не тот человек?
Потому что при слиянии метаданные берутся из первого файла в списке. Если первым оказался чужой документ, его автор перейдёт на весь результат — переставьте файлы или очистите свойства перед отправкой.