Eliminar autor, título y propiedades personalizadas al convertir archivos Office en Java

Repositorio de ejemplo complementario (pendiente de publicación): remove-office-properties-java

La eliminación de metadatos de Office es un flujo de trabajo de GroupDocs.Conversion para Java que borra las propiedades del documento fuente al exportar archivos Office. Aborda una parte pequeña pero fácil de pasar por alto de la entrega de documentos: el archivo puede parecer listo mientras su autor, título o referencia interna aún describen un borrador. Este artículo sigue un informe de Word a través de esa decisión, y luego aplica la misma política a Excel y PowerPoint. El código está fijado a la versión 26.10 y utiliza archivos de entrada ficticios.

Introducción

Supongamos que un informe está saliendo de un proceso de revisión interno. El encabezado visible es correcto, las figuras están aprobadas y el PDF se abre normalmente. Ninguna de esas verificaciones le dice qué contiene el campo Autor. Un libro de trabajo o una presentación también pueden llevar una propiedad personalizada que tiene sentido dentro de un equipo pero no aporta nada al entregable externo. Trate esa información como una decisión de exportación en lugar de una sorpresa descubierta por el destinatario.

El ejemplo produce dos versiones de cada informe. Una conserva las propiedades de origen; la otra solicita la eliminación de las propiedades integradas y personalizadas. También escribe una copia de Office del mismo formato para cada ejecución, de modo que los valores verificados puedan inspeccionarse de forma independiente. Este es un ejemplo deliberadamente observable. Queremos evidencia de que la configuración cambió la salida, no una suposición basada en cómo se ve la primera página.

Por qué la limpieza de propiedades es importante al exportar

El paso de exportación es donde un documento fuente se convierte en un artefacto de entrega. Eso lo convierte en un lugar útil para decidir si las propiedades internas deben viajar con el contenido. GroupDocs.Conversion for Java 26.10 expone controles separados para propiedades de documento integradas y personalizadas. Puede aplicarlos mientras carga una fuente de Office, antes de guardar el PDF. El ejemplo habilita ambas categorías para la variante de copia externa.

Esto no sustituye la revisión del documento en sí. Un nombre de autor también podría aparecer en un párrafo, una celda, una nota o un archivo incrustado. Esas ubicaciones requieren un manejo separado. Describiría la función como limpieza de propiedades en una canalización de exportación, porque esa redacción coincide con lo que el código realmente demuestra. También evita prometer un resultado de privacidad más amplio que el que cubre la prueba.

¿Cuándo debería borrar las propiedades de Office?

Borre las propiedades de origen cuando su política de entrega excluya la autoría interna, los títulos de borrador o los campos de referencia personalizados del informe exportado. Configure las opciones de carga antes de construir el Converter y compare las salidas retenidas y limpiadas usando marcadores conocidos. El ejemplo cubre fuentes DOCX, XLSX y PPTX. Revise el contenido visible por separado y permita que campos de PDF generados como Producer permanezcan después de la limpieza.

Requisitos previos

El proyecto completo usa JDK 11, Maven y GroupDocs.Conversion for Java 26.10. Su directorio documents contiene tres informes ficticios. Se necesita una licencia que cubra esta versión para una verificación sin restricciones; los límites de evaluación pueden impedir que la comparación completa finalice. El código mantiene la configuración de la licencia fuera de los métodos de la funcionalidad y usa un marcador de posición en el código distribuido. No coloque un archivo de licencia en el proyecto.

Instalación

El pom.xml del proyecto declara el repositorio Java de GroupDocs y la dependencia que se muestra a continuación. Ejecute el comando Maven desde ese directorio del proyecto. Los bloques de Java de este artículo son cuerpos de método del ejemplo verificado; asumen las importaciones relevantes, un directorio Result existente y un parámetro booleano llamado clear.

<dependency>
  <groupId>com.groupdocs</groupId>
  <artifactId>groupdocs-conversion</artifactId>
  <version>26.10</version>
</dependency>
mvn compile exec:java

Paso 1: Hacer explícita la política de propiedades

Los tres métodos reciben la misma política booleana. Pasar false conserva la configuración de origen para una ejecución de control; pasar true solicita la eliminación de ambas categorías. En WordProcessingLoadOptions, los métodos son setClearBuiltInDocumentProperties y setClearCustomDocumentProperties. SpreadsheetLoadOptions y PresentationLoadOptions exponen los controles correspondientes. La consistencia le permite revisar una política a través de tres familias de entrada distintas sin ocultar qué cargador abre cada archivo.

La ejecución con propiedades retenidas es importante. Si el marcador de origen nunca llega a una salida ordinaria, una salida limpia vacía es una evidencia débil. Por lo tanto, la demostración verifica cada marcador en la copia de Office retenida y verifica su ausencia en la copia limpia. Eso brinda a la comparación un control positivo. Mantenga una prueba similar cuando introduzca una nueva plantilla de documento o cambie la versión de la dependencia.

Paso 2: Exportar el informe de Word

La ruta de Word comienza con documents/report.docx. Tiene propiedades de documento ficticias y un informe visible corto. convertWord crea opciones tipadas, asigna la política y suministra esas opciones a través del constructor del Converter. El método escribe un PDF para la entrega y una copia DOCX para inspección de propiedades. Ambos son archivos de salida nuevos; la fuente no es reescrita por este ejemplo.

WordProcessingLoadOptions options = new WordProcessingLoadOptions();
options.setClearBuiltInDocumentProperties(clear);
options.setClearCustomDocumentProperties(clear);
String target = "Result/docx-" + (clear ? "clean" : "retained");
try (Converter converter = new Converter("documents/report.docx", () -> options)) {
    converter.convert(target + ".pdf", new PdfConvertOptions());
    converter.convert(target + ".docx", new WordProcessingConvertOptions());
}

El nombre del objetivo termina en retained o clean, según el argumento booleano. Esa distinción evita que las dos ejecuciones sobrescriban una a la otra. También facilita la revisión manual: abra el PDF para inspeccionar la presentación e inspeccione el control de Office correspondiente para comprobar el almacenamiento de propiedades. En la ejecución verificada, Author y Title permanecieron en el PDF retenido y desaparecieron del PDF limpio. La información de Producer permaneció, lo cual es un campo generado por la salida separado.

Paso 3: Aplicar la política a Excel y PowerPoint

Para un informe de Excel, use SpreadsheetLoadOptions en lugar de reutilizar el cargador de Word. El código de conversión mantiene los mismos indicadores de propiedad y cambia la familia de entrada y las opciones de control del mismo formato. El XLSX incluido tiene espacios en blanco deliberados, por lo que su paginación no forma parte de la afirmación de metadatos. Verifique las páginas del PDF así como el resultado de la propiedad al adaptarlo a un informe empresarial. El éxito de la propiedad no establece que una hoja ancha se imprima como se pretende.

SpreadsheetLoadOptions options = new SpreadsheetLoadOptions();
options.setClearBuiltInDocumentProperties(clear);
options.setClearCustomDocumentProperties(clear);
String target = "Result/xlsx-" + (clear ? "clean" : "retained");
try (Converter converter = new Converter("documents/report.xlsx", () -> options)) {
    converter.convert(target + ".pdf", new PdfConvertOptions());
    converter.convert(target + ".xlsx", new SpreadsheetConvertOptions());
}

PowerPoint sigue la misma política de carga con PresentationLoadOptions. La diapositiva de ejemplo contiene texto de informe ficticio, mientras que su autor, título y referencia personalizada viven en las partes de propiedades del documento. El método guarda PDF más PPTX para que la comparación de propiedades permanezca independiente del renderizado de diapositivas. No inspecciona notas del orador ni objetos incrustados. Si esos elementos son importantes para su proceso de entrega, inclúyalos en una revisión separada antes del lanzamiento.

PresentationLoadOptions options = new PresentationLoadOptions();
options.setClearBuiltInDocumentProperties(clear);
options.setClearCustomDocumentProperties(clear);
String target = "Result/pptx-" + (clear ? "clean" : "retained");
try (Converter converter = new Converter("documents/report.pptx", () -> options)) {
    converter.convert(target + ".pdf", new PdfConvertOptions());
    converter.convert(target + ".pptx", new PresentationConvertOptions());
}

Paso 4: Verificar el resultado en lugar de adivinar

PropertyChecks inspecciona las partes de propiedades de los seis archivos de control de Office. Busca Internal Review Team, Quarterly Review Draft e INTERNAL-REF-2610. Las copias retenidas deben contener esos valores conocidos, y las copias limpias deben omitirlos. La aplicación imprime una línea PASS para cada archivo verificado y falla si una comparación no coincide con esa expectativa. Esta verificación está vinculada a los fixtures ficticios, no a una afirmación de que se descubrieron y clasificaron metadatos arbitrarios.

También inspeccionamos Author y Title del PDF con Poppler pdfinfo. Ambos campos desaparecieron en las exportaciones limpias de las tres fuentes de Office. El campo Producer generado permaneció. Ese resultado es útil precisamente porque delimita la afirmación: las propiedades de origen solicitadas fueron eliminadas, mientras que el PDF aún puede identificar el software que lo creó. No convierta eso en una promesa de un diccionario de metadatos completamente vacío.

Ejemplo completo de trabajo

OfficeMetadataDemo es el punto de entrada en el proyecto Maven complementario. Crea Result/, ejecuta los tres métodos de conversión con false y true, e invoca PropertyChecks. La utilidad se mantiene separada de los métodos de la funcionalidad para que los fragmentos de conversión sigan siendo legibles. RUN.md explica cómo aplicar su propia licencia localmente. Los documentos incluidos son ficticios y pueden usarse sin una dependencia de datos de cliente.

Aplicaciones del mundo real

Entrega de informes al cliente

Un servicio de exportación puede producir el PDF externo solo después de que un informe sea aprobado. Aplique la política de propiedades en esa ruta de conversión y mantenga el documento Office original en su ubicación interna existente. Evite empaquetar los controles retenidos en el paquete del cliente. Existen aquí para que la prueba sea observable.

Envíos mixtos de Office

Un equipo puede recibir informes narrativos, hojas de cálculo y resúmenes de presentaciones. Use un cargador tipado para cada familia de entrada y aplique una política documentada de forma consistente. Mantendríamos la decisión de la familia de archivos visible en el código en lugar de inferir soporte a partir de un ejemplo DOCX exitoso. Añada fixtures representativos al introducir otra plantilla.

Mejores prácticas y consejos

Mantenga la limpieza y la redacción separadas en sus requisitos. Decida qué propiedades son necesarias para la procedencia antes de borrarlas. Almacene las salidas de entrega separadas de los controles internos y trate la configuración de la licencia como una configuración local. Al actualizar el SDK, vuelva a ejecutar ambas variantes, retenida y limpia, para que un cambio inesperado sea visible en cualquiera de los lados de la comparación.

Solución de problemas comunes

Si la demostración completa se detiene en modo de evaluación, aplique una licencia que cubra la 26.10 en su copia local y vuelva a ejecutarla. Si un marcador permanece en el texto visible, eso está fuera de la verificación de almacenamiento de esta propiedad. Si la limpieza de entrada de PDF es su requisito, no la sustituya en este ejemplo: una verificación separada de la 26.10 falló con “CreationDate value is empty” cuando se habilitó la limpieza integrada. El alcance de la fuente probada en el artículo es Office.

Conclusión

Comience con los fixtures suministrados e inspeccione los pares retenidos y limpiados. Verifique las propiedades de origen nombradas y luego revise el contenido real del PDF. Reemplace los fixtures con plantillas aprobadas solo después de que esa comparación se comporte como se espera. Mantenga la política de exportación cerca de las opciones de carga para que el siguiente desarrollador pueda ver qué propiedades salen del sistema.

Recursos adicionales