每一份 PDF,都要清数据

先做个小实验

随便找一份你以前导出的 PDF，右键 → 属性 → 详细信息，或者用阅读器打开按 Ctrl+D 看"文档属性"。

你很可能会看到：作者是你的 Windows 用户名，标题是文档早就改掉的旧名字，创建工具、创建时间精确到秒，全在里面。这些信息不在正文里，翻遍每一页也看不到，但谁拿到文件谁都能读。更麻烦的是，很多人以为"重新导出一份"就能去掉——大多数导出方式只会把旧信息原样继承过来。

它有个正式名字：元数据（Metadata）。

它藏在哪

PDF 里一切都是"对象"，元数据也不例外，主要住在两个地方。

一是文档信息字典（/Info）：作者、标题、主题、创建 / 修改时间、生成软件，全在这。这是最经典的泄露点。

二是 XMP 元数据流（/Metadata）：Adobe 推的新一代元数据，本质是一段 XML。很多软件两边都写，XMP 里往往更详细。所以只清 /Info 不够。

网上的"一键去元数据"，还是麻烦

上传到网站去元数据——文件先到了别人服务器上，本末倒置。装库敲命令行有效，但每次都要重敲，对同事门槛太高。打印成图片型 PDF，字没法搜了，文件还变大。Adobe 的检查文档好用，要订阅，步骤多。

我想要的是：选中文件，按一下，完事。全程本机，不上传。

方案：脚本

python或者ahk都能做，我是用quicker软件，让ai写了一段C#的脚本，不依赖其他软件和插件，调用powershell，避开quicker的16MB文件限制。

用法就三步：在资源管理器选中一个或多个 PDF（没选中会弹选择框），触发动作，同目录生成 xxx_clean.pdf，原文件不动，处理完弹个清单，长这样：

√ 合同.pdf（已清作者 / 标题 / 时间）— 手册.pdf（没发现元数据）× 扫描件.pdf（已加密，跳过）

只能涂白，不能删除。

PDF 的交叉引用表记的是字节偏移——第 5 号对象从第几个字节开始。把元数据那段删掉，文件短了几十个字节，后面所有偏移全错，文件直接打不开。替换成等长空格，长度一个字节不变，结构完好。

打个比方：把卷子上的名字擦掉，但每道题的位置和页码都不能动。擦的是内容，不是版面。

几个顺手处理掉的细节：XMP 没压缩就清空内容，压缩过的只删引用不清内容——强行涂白可能让严格的阅读器报"文档已损坏"，保文件能打开优先，清单里会明确标注。加密的 PDF 直接跳过，改一个字节都可能校验失败。16MB 以上的大文件不读进内存，换流式扫描加打补丁。xxx_clean.pdf 被占用就自动顺延 xxx_clean1.pdf，不覆盖你的文件。

哪些保留

只清骨架里的元数据：，附件、注释、书签、表单域里的文字不在范围内。压缩 XMP 的原文还躺在文件里，只是没了入口。文件大小不会变，这是等长涂白换来的。极度敏感的文件，最稳的还是导出成图片型 PDF（一样要去元数据）。

隐藏信息麻烦的地方在于它看不见——看不见，就没人想到。这个动作就是把"看不见"变成"按一下，然后亲眼看到结果清单"。文件该怎么发还怎么发，只是发出去的那一刻，干干净净。

如果你也觉得有用，转发给那个总把 PDF 直接甩进群里的同事。