← 安全工具

指南

PDF 元数据与隐藏信息

你在 PDF 阅读器里看到的页面只是文件的一部分。元数据、更早的修订、附件、表单字段、脚本和链接都可能一起被带走。本页说明这些层次,以及本地扫描的限度。

容易忽略的层次

Info 字典和 XMP 可以保存标题、作者、创建程序、生成程序和日期。增量更新可能在阅读器只显示最新页面时,仍把旧的正文留在文件里。嵌入文件就是附件。AcroForm 字段可以保存姓名和答案。即使你没看见脚本运行,JavaScript 动作、打开动作和启动动作也可能存在。URI 动作可能指向你并不想宣传的网站。

看起来像涂黑的方块,有时只是画在文字上面的图形。这个扫描器不判断文字是否在视觉上被盖住。它也不会对扫描页做 OCR。

本地扫描能报告什么

PDF 工具接受不超过 32 MB 的 PDF,并在同源 Worker 中解析。它可以报告作者和生成程序等元数据、JavaScript 和其他动作、外部 URI、表单和嵌入文件。截断的预览是为了避免把很长的秘密查询串抄进结果卡片。损坏的文件仍可能给出部分发现,例如残留的作者字符串,并同时给出截断警告。

加密会被报告为检查限制。如果扫描器看不到加密对象的内部,没有其他发现并不能让人放心。

什么时候会拒绝清理

元数据清理被故意限制在很窄的范围。如果存在活动内容、附件、表单、加密、修订历史、外部链接、压缩对象限制或损坏结构,清理器不会重建 PDF。这种拒绝是安全的结果。错误地重建这些文件可能丢掉页面,或者掩盖曾经有脚本这一事实。

对于清理器不会处理的发现,请从源程序重新导出一份不带该功能的 PDF,或者在编辑器里删除附件和脚本,然后再扫描新文件。如果文本仍需要可选中,不要用截图来“压平”,除非你是故意接受这个取舍。

如何阅读结果

把每种发现类型当成一个问题。PDF_AUTHOR 是在问这个名字是否应该随文件传播。嵌入文件的发现是在让你单独打开附件。JavaScript 发现是在告诉你不要依赖一次元数据擦除。零发现表示这个解析器没有看到它实现的那些模式。

一个虚构例子

一份项目 PDF 显示作者 “Jane Doe”、标题、创建程序、生成程序和 XMP 日期。同一文件夹里的另一份文件有打开动作、JavaScript 动作,以及查询串里带内部编号的 URI。第三份文件有 AcroForm 和嵌入的表格。扫描器应当把它们报告为不同的发现类型。只有第一份文件才可能成为元数据清理的候选,而且前提是没有任何拒绝条件。

姓名和内部 URL 都是举例。不要把真实的客户 PDF 贴进共享的缺陷报告。请在本地扫描;如果需要帮助,描述发现类型,而不是描述文档内容。

常见问题

本指南中的简要回答。

扫描器会去掉黑块后面的隐藏文字吗?

不会。它不判断文字是否可见。在你信任的 PDF 工具重写内容流之前,请假定被盖住的文字仍在文件里。

为什么链接预览被截断?

这是为了避免结果列表变成秘密查询串的第二份副本。只在本来就应该访问该 URL 的机器上打开原文件。

32 MB 上限是故障吗?

不是。更大的文件会被拒绝,以免标签页尝试解析没有上限的文档。请拆分或压缩 PDF,再扫描你真正打算分享的那一部分。

继续使用这些工具