Cómo quitar los metadatos de un PDF (y qué sobrevive)

Exportas un PDF y se lleva consigo unas notas sobre sí mismo. Quién lo hizo, cómo se llama, a qué empresa pertenece, qué programa lo produjo y el momento exacto en que se cambió por última vez. Nada de eso se ve al abrir el archivo: está escondido en una parte del documento que se llama el diccionario de información, y aparece en el panel de propiedades de tu explorador de archivos o de tu lector de PDF.

También es, en muchos casos, lo único que te identifica en un archivo que creías anónimo.

Lo que un PDF recuerda de ti

Abre las propiedades de cualquier PDF que hayas hecho y encontrarás parte de esto:

Los documentos guardados por herramientas modernas suelen llevar además un segundo bloque: los metadatos XMP, un flujo con información más rica, entre ellas el nombre de la última persona que editó el archivo, el tiempo de edición y el historial del documento. Acrobat lo llama "Propiedades del documento" y muestra los mismos datos en dos sitios por algo.

Nada de esto es una función de seguridad. Es simplemente lo que el formato anota mientras guarda.

Cómo se filtra en la práctica

La exportación "anónima" que te delata. Quitas el campo de autor antes de enviar y luego exportas a PDF, y la exportación vuelve a escribir tu nombre de cuenta en el archivo nuevo. La salida está más limpia que la entrada, pero no limpia.

Un documento preparado para otra persona. Una cotización, una propuesta: el archivo dice "Preparado por Jane Doe, Northgate Ltd" en sus propiedades, y quien lo recibe lo ve sin abrirlo. Si la relación todavía no ha empezado, esa es información que has regalado.

Un archivo que antes fue de otra persona. Editas una plantilla, un contrato o un informe que te mandaron. El campo de autor sigue diciendo su nombre. Ahora el archivo identifica a un tercero ante tu destinatario, que quizá ni sabe que está siendo nombrado.

Una carpeta compartida, una carpeta pública, una subida. Los metadatos son una forma rápida de averiguar de quién salió un documento filtrado, y por eso conviene quitarlos antes de publicar y no después.

Tu propia cadena de herramientas te delata. El campo Creador dice qué programa hizo el archivo, qué versión y a veces en qué sistema. Eso por sí solo no identifica, pero junto con el campo Autor sí.

Qué hace el borrado de metadatos - y qué no toca

La herramienta para quitar metadatos borra el diccionario de información del documento y el flujo XMP. Te dice exactamente qué campos encontró, para que sepas qué había ahí.

Lo que no hace:

• No cambia el contenido. Un documento que dice "Jane Doe" en el segundo párrafo sigue diciendo eso. Los metadatos son la etiqueta del archivo, no su texto.
• No quita las anotaciones. Los comentarios y las notas llevan su propio autor, guardado con la anotación y no con las propiedades del documento. Un comentario con pinta de tachado y firmado por "Jane Doe" sigue ahí.
• No vacía los campos de formulario. Los valores escritos en un formulario son parte del contenido de la página, no metadatos.
• No elimina archivos incrustados. Un PDF puede llevar otro archivo dentro, con un nombre que se puede leer.
• No quita el historial de revisiones ni los cambios controlados de un documento que aún los tenga.

Así que es un paso de una limpieza, no la limpieza entera. Para un documento que vas a mandar a un desconocido, el orden realista es: quitar los metadatos y revisar tú mismo el contenido y las anotaciones.

El detalle que sorprende a todos: cifrar no oculta los metadatos

Merece la pena saberlo, porque invierte el orden que elegirías de forma natural.

El diccionario de información de un PDF está en el tráiler, fuera del contenido cifrado. Cuando proteges un archivo con contraseña, las páginas y las cadenas de texto de dentro se cifran, pero el panel de propiedades sigue enseñando el autor, el título y el productor. Quien reciba el archivo cifrado puede leer sus metadatos sin la contraseña. Lo que no puede es leer el documento.

Hay una segunda consecuencia, y es la práctica: no puedes quitar metadatos de un archivo cifrado sin la contraseña. Los metadatos están fuera del cifrado, pero la herramienta que los quitaría necesita abrir el archivo para poder trabajar.

Así que el orden no es cosa de gusto:

1. Quita los metadatos primero, mientras el archivo sigue abierto.
2. Después cifra, si necesita contraseña.
3. Después envíalo, con la contraseña por otro canal.

Hacerlo al revés significa quitar los metadatos antes de cifrar de todos modos, o desbloquear el archivo para limpiarlo, que es más trabajo y más riesgo de lo que parece.

Esta es la pareja que se usa junta: Quitar metadatos de un PDF y luego Proteger un PDF. Uno quita lo que identifica al archivo, el otro impide que se lea. Ninguno hace el trabajo del otro, y el orden entre ellos importa.

Una lista corta

• Mira las propiedades primero, para saber a qué te enfrentas.
• Quita los metadatos mientras el archivo sigue sin cifrar.
• Cifra después, y recuerda que los metadatos se habrían visto igual.
• Revisa el contenido y las anotaciones. Los metadatos son la etiqueta, no el texto.
• Fíjate en lo que la herramienta te dice que quitó: una lista vacía significa que no había nada, y eso también conviene saberlo.
• Guarda el original. La copia limpia es un archivo nuevo.
• Repite la comprobación después de cada exportación. Guardar en PDF otra vez puede escribir los metadatos de vuelta.