删除 PDF 元数据（删除完整的 PDF 元数据）答案

【问题标题】：Remove PDF metadata (removing complete PDF metadata )删除 PDF 元数据（删除完整的 PDF 元数据）
【发布时间】：2020-03-18 11:49:21
【问题描述】：

我想从 PDF 文件中删除元数据。我已经尝试使用“exiftool”、“pdftk”和“qpdf”来删除元数据（建议的方法-https://gist.github.com/hubgit/6078384）。这些工具声称可以删除元数据，但不幸的是保留了它们。我使用了“grep -a metadata_fieldname file.pdf”选项，我可以检索元数据值。

有没有办法从PDF文件中完全删除元数据信息（删除所有包含元数据信息的对象）。

我正在使用 Ubuntu。当我使用 LaTeX 工具 (ex-pdfTeX) 或 LibreOffice 创建 PDF 文件时，该工具会自动在 PDF 文件的元数据中写入 Producer、Creator 以及有时 Full Banner 等的信息。所以我希望从 PDF 文件中删除这些信息（基本上是 PDF 创建工具存储的元数据信息）。

【问题讨论】：

您使用的是什么操作系统，您在寻找什么工具？毫无疑问，有 GUI 应用程序可以编辑（从而删除）元数据；并且可以使用 python 库。您是否尝试过相干 PDF？ community.coherentpdf.com
请准确定义您要删除的元数据类型。您是否仅指 PDF 规范中指定的元数据（即在与文档或文档组件关联的元数据流中，以及在与文档关联的文档信息字典中）？或者您是否还指程序以其专有方式添加的自定义元数据？ PDF 是一种非常灵活的格式，并且允许自定义添加，因此这些自定义元数据可以采用许多试图删除元数据的工具无法识别的形式。也许您应该分享您的示例 PDF 和元数据密钥...
在 exiftool 的情况下，docs on PDFs 特别声明它所做的更改是可逆的，除非文件已被重新线性化。此外，由于您正在搜索原始文件，因此您找到的某些数据可能是嵌入在 PDF 中嵌入的对象之一中的内容，例如字体或 jpg 图像。您应该尝试检查是否是这种情况。
也许您应该分享您的示例 PDF 和元数据密钥..
@mkl 你是对的，我在使用 qpdf 和 pdftk 后查看的元数据确实与嵌入的对象和图像相关联。感谢您的澄清:-)

标签： pdf metadata

【解决方案1】：

您可以使用 pdftk 将文档的页面复制到新的 PDF 中，从而去除文档中的所有 Info 和 XMP 元数据，如下所示：

pdftk A=mydoc.pdf cat A output mydoc.no_metadata.pdf

【讨论】：

解决了我在将乳胶生成的 pdf 上传到 arxiv 时遇到的问题。

【解决方案2】：

要在 ubuntu 终端上使用 pdftk 删除所有 pdf 信息字典，可以使用以下命令：

pdftk file.pdf  dump_data |sed -e 's/\(InfoValue:\)\s.*/\1\ /g' | pdftk file.pdf update_info - output file_no_meta.pdf

假设 file.pdf 是源文件，您的 pdf 文件输出为 file_no_meta.pdf

接下来，使用以下命令删除 XMP 元数据：

exiftool -all:all= -overwrite_original file_no_meta.pdf

最后，在终端上使用以下命令再次检查文件元数据：

pdfinfo file_no_meta.pdf

【讨论】：

此不会删除 XMP 元数据。我刚刚使用 pdftk 更改了 Title InfoKey，发现我必须使用的流程读取 XMP 元数据（如果存在），其中标题保持不变。
是的，我明白您的意思，在这种情况下，您可以使用 exiftool 删除 XMP 元数据。我刚刚添加了有助于从文件中删除 XMP 元数据的代码。请检查一下。
@LSerni 希望我的建议对你有用？然后，您选择与您的问题相匹配的最佳答案。谢谢！
这不是我的问题 :-) -- 在我自己的情况下，我不得不重写 XMP 元数据，我只是提取了 XML 对象并将其重新注入到 PDF 流中使用 xmlparse + iText。

【解决方案3】：

对于

pdftk A=mydoc.pdf cat A output mydoc.no_metadata.pdf

要工作，您需要旧版本的 pdftk。

pdftk-java 搞砸了。

【讨论】：