アップロード前に PDF からメタデータを取り除く方法

PDF には可視ページのテキスト以上の情報が含まれます。原本 Word 文書の著者名、作成したアプリケーション、変更タイムスタンプ、時には元のドラフトコメント — すべてがファイルのメタデータに潜んでいます。OCR・翻訳・単純な変換を行うサービスに PDF を渡すと、そのメタデータも一緒に旅立ちます。

本記事では PDF に何が入っているのか、なぜ重要なのか、アップロード前にどう取り除くかを順に説明します。

PDF に潜むメタデータ

典型的な PDF は 3 層のメタデータを持ちます：

• 文書情報辞書（Document Information Dictionary） — Title / Author / Subject / Keywords / Creator / Producer の単純な項目。多くの PDF ビューアは「プロパティ」ダイアログに表示します。
• XMP メタデータパケット — PDF に埋め込まれた構造化 XML ブロック。任意のプロパティ（プロジェクトコード、文書 ID、カスタムスキーマ）を記録可能。
• ページレベルメタデータとリソース — 使用フォント、スキャンページの画像 XMP、埋め込みサムネイル。

文書情報辞書は確認も除去も簡単です。XMP パケットは見るのも難しく（通常は hex エディタか EXIF Extractor のようなツールが必要）、より機微な内容を含むことがよくあります。

なぜ重要か

あなたの PDF が契約書・賃貸借契約・税務書類・医療記録・マーケティングブリーフであるなら、メタデータが漏洩させるもの：

• 著者の氏名（多くの場合は起草者または原作者）
• 使用ソフトウェア（Windows バージョン、Acrobat バージョン）
• 元マシン上のファイルパス（時折）
• プロジェクト番号や顧客 ID を含むカスタム XMP フィールド

ほとんどの PDF サービスはメタデータから何を記録するかを明かしません。分析に使うものもあれば、OCR 訓練に使うものも、コンプライアンス追跡に使うものもあります。

取り除き方

3 つの道があります：

1. Acrobat Pro で：ファイル → プロパティ → 説明 → 各項目を空白に。次にツール → ドキュメントをサニタイズ → メタデータ除去。遅いですが包括的です。

2. pdf24 や qpdf などのデスクトップツールで：qpdf --remove-metadata input.pdf output.pdf で XMP と文書辞書を一度に除去。

3. ToolConvoy をブラウザで使う：Strip Image Metadata は埋め込み画像の EXIF を扱い、PDF Compress は副次的に文書レベルメタデータを除去します。

ブラウザツールは完全にクライアントサイドで動作します。ファイルはアップロードされません。クリーンな PDF が返ります。

除去後

クリーンアップ済み PDF を開き直し、「プロパティ」で項目が空になったことを確認します。すでにサービスが機微な内容を受け取っているなら、コストは遡及的に回復不能です — アップロード前に除去し、アップロード後に除去するのではありません。

実際に残したいメタデータについて

一部は有用です：PDF タイトル（アクセシビリティ用）、言語タグ（スクリーンリーダー用）、ページ数（レイアウト用）。全部除去するのではなく、漏洩し得るものだけを除去しましょう。

残すべき項目：

• Title（アクセシビリティ）
• Language（en、ja、zh — スクリーンリーダーと翻訳のため）
• Producer（空にできます、指紋情報になるだけです）

除去すべき項目：

• Author（多くの場合あなたの名前）
• Subject（多くの場合プロジェクト情報が入る）
• Keywords（多くの場合社内コードが入る）
• カスタム XMP フィールド（チームが入れたあらゆるもの）

関連

• PDF セキュリティとプライバシーハブ — PDF メタデータ衛生のより広いツール集
• オンラインでファイルを変換しても安全か — プライバシー議論のより広い版
• ブラウザ側 vs サーバー側 PDF 変換 — 選択の背景にあるアーキテクチャ