隠れたデータはどこにあるか

PDF は容器であり、見えているページはその中身の一部にすぎません。以下のどの場所からも、ページ自体は完璧に墨消しされたまま文書が流出しています。ページから文字を取り除くことが必要でありながら作業の終わりではない理由がそこにあります。

文書のプロパティと XMP

どの PDF にもプロパティのかたまり — タイトル、作成者、サブタイトル、キーワード、作成ソフト、作成日時と更新日時 — があり、ファイルを作ったプログラムが埋めます。作成者欄には実名やネットワークのユーザー名がよく入ります。タイトルには元のファイル名が入ることが多く、業務環境ではそこに顧客名や案件番号が入っていることがよくあります。加えて多くのファイルは **XMP パケット**を持ちます。以前のタイトルや作成ツールを含む長い履歴を保持できる構造化メタデータです。どちらもページには見えず、どちらもファイルと一緒に旅をします。

注釈、コメント、フォームフィールド

コメント、付箋、ハイライト、校正の書き込みはページ内容とは別に保存され、読むのは造作もありません。フォームフィールドはさらに厄介です。入力済みのフィールドは値を**データとして**保持するので、見た目が空のフォームでも入力された内容を持ち続けていることがあります。そして見た目上消した注釈が、削除ではなく非表示の印だけになっていることもあります。

添付、レイヤー、画面の外にあるもの

PDF は埋め込みファイルを持てます — 報告書に添えた表計算が典型です — どのページにも表示されず、ひと押しで取り出せます。多くの人がレイヤーとして知るオプショナルコンテンツグループは、表示を切った状態でファイル内に完全に存在する内容を持てます。内容は見えるページ領域の外に置かれることもあります。トリミングはページ枠を変えるだけで、外に出た内容を削除しません。トリミングの取り消しはメニュー項目です。

増分保存と以前の版

PDF は変更をファイルの**末尾に追記**して保存できます。つまり何度か編集し保存し直した文書は、以前の状態を同じファイルの中に持ち、探し方を知る人には復元できるということです。このアプリが読み込んだ文書を編集して上書き保存しない理由の一つがこれです。出力は常に新しい文書として組み立てられ、ページはそこへ複製または再構築されます。追記すべき以前の状態も、原本から残る孤立オブジェクトもありません。