PDF 隐藏内容查找

裁切一页 PDF 什么都没删掉。它只是设置了一个 CropBox,阅读器只画框内的部分——框外的每一个字形都还留在文件里,一旦有人选中文字、把文件拖进排版工具,或者把阅读器切到显示 MediaBox,它就会冒出来。这正是这个工具存在的理由:把框外的字提出来给你看,因为一句「N 个隐藏对象」的计数,说明不了泄漏出去的东西到底要不要紧。

修复: 不要靠裁切来藏东西。删掉内容,或者导出一份拍平的副本,让被裁掉的区域真正不存在,再重新检查一遍。

来源: yaktool 工程规则,不是引自规范的条文:PDF 32000 定义了 CropBox、可选内容和增量更新;把它们各自当作「收件人仍能恢复出来的内容」,是我们的解读,工具也会说明哪些发现是判断,而不是格式本身的事实。

CropBox 比 MediaBox 小,意味着页面上每个对象的一部分都落在阅读器显示范围之外。框外没找到文字,但图片与矢量图形是用同一种非破坏性方式被裁切的,而这个工具只判定文本层——要看到像素得先把页面渲染出来。之所以要报出来,是为了不让「没有文字类发现」被误读成「什么都没藏」。

来源: yaktool 工程规则,不是引自规范的条文:PDF 32000 定义了 CropBox、可选内容和增量更新;把它们各自当作「收件人仍能恢复出来的内容」,是我们的解读,工具也会说明哪些发现是判断,而不是格式本身的事实。

可选内容组是 PDF 里图层的等价物,文档打开时关着的一层依然完整地存在——带图层面板的阅读器一键就能把它重新打开。它们通常是设计文件里遗留下来的:一个更早的价格、一条内部批注、一个后来决定不用的水印。这里列出图层的名字;层里画的内容不在这里提取,那需要按可选内容标记去切分内容流。

修复: 拍平这份文档,或者删掉你不打算发出去的那些图层。

来源: yaktool 工程规则,不是引自规范的条文:PDF 32000 定义了 CropBox、可选内容和增量更新;把它们各自当作「收件人仍能恢复出来的内容」,是我们的解读,工具也会说明哪些发现是判断,而不是格式本身的事实。

作者、公司、文档标题,有时候还有原始文件在某人机器上的完整路径,都装在元数据里,却不出现在任何一页上。这里展示的是具体的值而不是计数,因为一句「移除了 3 个元数据字段」说明不了其中一个恰好是客户的名字。制作者、创建者与时间戳会一并列出,但它们自己不会触发这条发现——每份 PDF 都带着这些,一条对每个文件都会亮的警告,不会有人看。

修复: 发送前清空文档属性,并重新检查一遍——有些工具每次保存都会把它们写回去。

来源: yaktool 工程规则,不是引自规范的条文:PDF 32000 定义了 CropBox、可选内容和增量更新;把它们各自当作「收件人仍能恢复出来的内容」,是我们的解读,工具也会说明哪些发现是判断,而不是格式本身的事实。

增量保存是把改动追加上去,之前的一切原样留在原地,所以一份被编辑、重新保存过好几次的文档,装着自己的完整历史。这个工具报出有几轮保存,不会把更早的文字还原出来,但任何一个带 PDF 解析器的人都能顺着历史往回翻。

修复: 保存一份全新的副本(用「另存为」,而不是「保存」),让文件不带历史地被重写一遍。

来源: yaktool 工程规则,不是引自规范的条文:PDF 32000 定义了 CropBox、可选内容和增量更新;把它们各自当作「收件人仍能恢复出来的内容」,是我们的解读,工具也会说明哪些发现是判断,而不是格式本身的事实。

附件搭着 PDF 的便车,却不出现在任何一页上。这经常正是它存在的意义——混合发票就是这样携带自己的 XML 的——但有时候只是有人拖进去以后忘掉的一张表格。

来源: yaktool 工程规则,不是引自规范的条文:PDF 32000 定义了 CropBox、可选内容和增量更新;把它们各自当作「收件人仍能恢复出来的内容」,是我们的解读,工具也会说明哪些发现是判断,而不是格式本身的事实。