Limpe um PDF antes de enviá-lo

O que um PDF leva consigo

Um PDF não é uma fotografia do documento: é um contêiner, e dentro dele viajam coisas que nunca aparecem na tela. O autor e a empresa entram sozinhos, tirados da instalação do Word ou de qualquer programa que imprimiu o arquivo; o título interno muitas vezes é o nome do arquivo de antes, que pode ser “proposta-cliente-B-com-desconto” quando o arquivo que você está mandando se chama “proposta.pdf”.

Depois há as coisas que alguém acrescentou: comentários e anotações, que em muitos leitores ficam escondidos num painel lateral fechado; arquivos anexados dentro do PDF, que são documentos inteiros de que ninguém se lembra; campos de formulário preenchidos, com o valor dentro; e revisões anteriores, que ficam presas no fim do arquivo toda vez que alguém salva por cima. A página mostra tudo isso, um por um, com o valor, porque “tem alguma coisa” não serve de nada e “Autor: Mario Rossi” se entende em um segundo.

Como a limpeza é feita, e por que desse jeito

As entradas não são apagadas do documento: é construído um novo e só as páginas são copiadas para ele. O motivo é técnico, mas vale a pena conhecer, porque é a diferença entre um trabalho feito e um que só parece feito: na biblioteca que lida com PDFs, remover a referência a um objeto não remove o objeto do arquivo. O comentário deixa de aparecer no leitor, mas continua escrito lá dentro, e quem abrir o arquivo com a ferramenta certa o encontra.

Ao construir um documento novo, tudo o que nenhuma página referencia nunca entra: saem os metadados, o bloco XMP, os anexos, os campos de formulário e, no mesmo movimento, também as revisões anteriores presas no fim. O texto e o layout ficam como estavam, e o teste desta ferramenta procura as strings secretas nos bytes brutos do arquivo gerado, não no que o leitor mostra.

Duas coisas que vale saber antes

Limpo não quer dizer anônimo. O layout, as fontes e sobretudo o conteúdo ficam, e o conteúdo quase sempre é a coisa mais identificável de todas: um orçamento com os seus preços continua sendo um orçamento com os seus preços. Esta ferramenta remove o que viaja escondido, não o que pode ser lido.

E remover os metadados não remove o texto que está embaixo de um retângulo preto: se você cobriu um número de conta desenhando por cima, esse texto continua selecionável e copiável. Para isso é preciso outra coisa, que rasteriza a página com o retângulo já gravado nela: é Tarjar um PDF.

PDFs assinados não são alterados

Se o documento tem uma assinatura digital, a página a reconhece e para. Limpar significa reescrever o arquivo, e reescrever um arquivo assinado invalida a assinatura: o documento continuaria perfeitamente legível, mas deixaria de valer como assinado, que é exatamente o dano que quem envia um PDF assinado não espera.

Vale o mesmo para PDFs protegidos por senha: eles não abrem aqui. Se você sabe a senha, o primeiro passo é Remover a senha de um PDF. E se você precisa de um arquivo mais leve, e não mais limpo, esse é outro trabalho, e ele fica em Comprimir um PDF.