Java で Office ファイルを変換する際に著者、タイトル、カスタム プロパティを削除する

サンプルリポジトリ(公開待ち): remove-office-properties-java

Office メタデータの削除は、Java 用の GroupDocs.Conversion ワークフローで、Office ファイルをエクスポートする際にソース ドキュメントのプロパティをクリアします。これは、ドキュメント配信において見落としがちだが重要な小さな部分に対処します。ファイルは見た目上は完成していても、著者やタイトル、内部参照がドラフトを示したまま残っていることがあります。本記事では、Word レポートを例にこの決定プロセスを追い、同じポリシーを Excel と PowerPoint に適用します。コードはバージョン 26.10 に固定され、架空の入力ファイルを使用しています。

はじめに

レポートが内部レビューを通過しようとしているとします。見出しは正しく、図表は承認済みで、PDF も正常に開きます。しかし、これらのチェックだけでは Author フィールドに何が入っているかは分かりません。ワークブックやプレゼンテーションにも、チーム内では意味があるが外部の納品物には不要なカスタム プロパティが含まれていることがあります。こうした情報は、受取人が驚く前にエクスポート時の決定として扱うべきです。

サンプルは各レポートの 2 つのバージョンを生成します。1 つはソース プロパティを保持し、もう 1 つは組み込みプロパティとカスタム プロパティの削除を要求します。また、各実行ごとに同形式の Office コピーを書き出すので、チェックした値を個別に検査できます。これは意図的に観測可能な例です。出力が設定によって変化したことを示す証拠が欲しいので、最初のページの見た目だけに基づく推測は行いません。

エクスポート時にプロパティのクリーンアップが重要な理由

エクスポート工程は、ソース ドキュメントが配布用アーティファクトになる瞬間です。したがって、内部プロパティをコンテンツと共に配布すべきかどうかを判断するのに適した場所です。GroupDocs.Conversion for Java 26.10 は、組み込みプロパティとカスタム プロパティ用の個別コントロールを提供します。これらは Office ソースをロードする際に適用でき、PDF 保存の前に設定します。例では外部向けコピーのバリアントに対して両方のカテゴリを有効にしています。

これはドキュメント自体のレビューの代替ではありません。著者名は段落やセル、注釈、埋め込みファイルにも現れることがあります。そうした場所は別途対応が必要です。機能は「エクスポート パイプラインにおけるプロパティ クリーンアップ」と表現するのが適切です。なぜなら、コードが実際に証明していることと一致し、テストがカバーする範囲以上のプライバシー効果を約束することを避けられるからです。

いつ Office プロパティをクリアすべきか?

配布ポリシーで内部の著者情報、ドラフト タイトル、カスタム 参照フィールドをエクスポートされたレポートから除外する場合は、ソース プロパティをクリアします。Converter を構築する前にロード オプションを設定し、既知のマーカーを使って保持版とクリーン版の出力を比較します。例は DOCX、XLSX、PPTX の各ソースを対象としています。可視コンテンツは別途確認し、Producer などの PDF が生成するフィールドはクリーンアップ後も残すことを許容します。

前提条件

完全なプロジェクトは JDK 11、Maven、GroupDocs.Conversion for Java 26.10 を使用します。documents ディレクトリには 3 つの架空レポートが含まれています。このリリースをカバーするライセンスが必要で、評価版の制限により比較が完了しないことがあります。コードはライセンス設定を機能メソッドの外に置き、配布ソースにはプレースホルダーを使用しています。プロジェクトにライセンス ファイルを入れないでください。

インストール

プロジェクトの pom.xml には GroupDocs Java リポジトリと以下の依存関係が宣言されています。プロジェクト ディレクトリで Maven コマンドを実行してください。本記事の Java ブロックは検証済みサンプルからのメソッド本体で、必要なインポート、既存の Result ディレクトリ、clear という名前の boolean パラメータがあることを前提としています。

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

手順 1: プロパティ ポリシーを明示する

3 つのメソッドは同じ boolean ポリシーを受け取ります。false を渡すとコントロール実行でソース設定が保持され、true を渡すと両カテゴリの削除が要求されます。WordProcessingLoadOptions では setClearBuiltInDocumentProperties と setClearCustomDocumentProperties が使用されます。SpreadsheetLoadOptions と PresentationLoadOptions も同様のコントロールを公開しています。この一貫性により、3 つの異なる入力ファミリ全体で同一ポリシーをレビューでき、どのローダーがどのファイルを開くかが隠れません。

保持版の実行は重要です。ソース マーカーが通常の出力に現れなければ、空のクリーン出力は証拠が弱くなります。したがってデモでは、保持された Office コピーに各マーカーが存在するかを確認し、クリーンコピーにそれがないことをチェックします。これにより比較に対する陽性コントロールが得られます。新しいドキュメント テンプレートを導入したり依存関係のバージョンを変更したりする際は、同様のテストを保持してください。

手順 2: Word レポートをエクスポートする

Word のパスは documents/report.docx から始まります。架空のドキュメント プロパティと短い可視レポートが含まれています。convertWord は型付きオプションを作成し、ポリシーを割り当て、Converter コンストラクタに渡します。メソッドは配布用 PDF とプロパティ検査用の DOCX コピーを出力します。両方とも新しい出力ファイルで、サンプルはソースを書き換えません。

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());
}

target 名は clear 引数に応じて retained または clean で終わります。この区別により 2 回の実行が互いに上書きされるのを防ぎます。また、手動レビューが容易になります。PDF を開いてプレゼンテーションを確認し、対応する Office コントロールを開いてプロパティ保存状態をチェックしてください。検証済みの実行では、保持版 PDF に Author と Title が残り、クリーン版 PDF からは消えていました。Producer 情報は残っており、これは別の出力生成フィールドです。

手順 3: Excel と PowerPoint にポリシーを適用する

Excel レポートの場合は SpreadsheetLoadOptions を使用し、Word ローダーを再利用しません。変換コードは同じプロパティ フラグを保持し、入力ファミリと同形式コントロール オプションを変更します。付属の XLSX は意図的に空白が多く、ページングはメタデータの主張対象外です。ビジネス レポートに適用する際は、PDF ページとプロパティ結果の両方を確認してください。シートが意図した通りに印刷されるかは、プロパティ成功だけでは保証できません。

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 も同様に PresentationLoadOptions で同じロード ポリシーを適用します。サンプル スライドには架空のレポートテキストが含まれ、著者・タイトル・カスタム 参照はドキュメント プロパティ パーツに格納されています。メソッドは PDF と PPTX を保存し、プロパティ比較をスライド描画とは独立させます。スピーカーノートや埋め込みオブジェクトは検査しません。これらが配布プロセスで重要な場合は、リリース前に別途レビューに含めてください。

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());
}

手順 4: 推測せずに結果を検証する

PropertyChecks は 6 つの Office コントロール ファイルのプロパティ パーツを検査します。Internal Review Team、Quarterly Review Draft、INTERNAL-REF-2610 を検索します。保持コピーはこれら既知の値を含み、クリーンコピーはそれらを除外している必要があります。アプリケーションは各チェックファイルについて PASS 行を出力し、期待と合致しない場合は失敗します。このチェックは架空のフィクスチャに結び付けられており、任意のメタデータが検出・分類されたことを主張するものではありません。

また、PDF の Author と Title を Poppler の pdfinfo で確認しました。クリーンエクスポートされた 3 つの Office ソースすべてでこれらのフィールドは消えていました。生成された Producer フィールドは残っていました。この結果は、要求されたソース プロパティは削除されたが、PDF がどのソフトウェアで生成されたかは依然として特定できる、という主張を絞り込むのに有用です。メタデータ辞書が完全に空になることを約束する材料にはしないでください。

完全な動作例

OfficeMetadataDemo は同梱の Maven プロジェクトのエントリーポイントです。Result/ を作成し、3 つの変換メソッドを false と true で実行し、PropertyChecks を呼び出します。ユーティリティは機能メソッドとは別に保管され、変換スニペットが読みやすくなっています。RUN.md ではローカルで独自のライセンスを適用する方法を説明しています。含まれるドキュメントは架空のもので、顧客データへの依存なしに使用できます。

実務での活用例

顧客レポートの配布

エクスポート サービスは、レポートが承認された後に外部向け PDF のみを生成できます。その変換パスでプロパティ ポリシーを適用し、元の Office ドキュメントは既存の内部場所に残します。保持版コントロールを顧客パッケージに同梱しないでください。ここにあるのはテストを観測可能にするためです。

混在した Office 提出物

チームがレポート、ワークシート、プレゼンテーションのサマリーを受け取ることがあります。各入力ファミリに対して型付きローダーを使用し、文書化されたポリシーを一貫して適用します。1 つの成功した DOCX 例だけでサポートを推測せず、コード上でファイルファミリの決定を可視化しておきます。別のテンプレートを導入する際は代表的なフィクスチャを追加してください。

ベストプラクティスとヒント

クリーンアップとレダクションは要件で別々に扱います。クリアする前に、証跡として必要なプロパティを決定してください。配布出力は内部コントロールとは別に保管し、ライセンス設定はローカル構成として扱います。SDK をアップグレードする際は、保持版とクリーン版の両方を再実行し、予期しない変更が比較のどちら側にも現れるか確認してください。

よくある問題のトラブルシューティング

評価モードでデモ全体が停止した場合は、ローカルに 26.10 をカバーするライセンスを適用して再実行してください。マーカーが可視テキストに残っている場合は、プロパティ保存チェックの対象外です。PDF 入力のクリーンアップが要件である場合は、このサンプルに置き換えないでください。組み込みクリアが有効なときに CreationDate が空であるというエラーで 26.10 の別チェックが失敗した例があります。この記事のテスト対象は Office です。

結論

提供されたフィクスチャで開始し、保持版とクリーン版のペアを検査してください。名前付きソース プロパティを検証した後、実際の PDF コンテンツをレビューします。その比較が期待通りに動作したことを確認したら、フィクスチャを承認済みテンプレートに置き換えてください。エクスポート ポリシーをロード オプションに近づけておくと、次の開発者がどのプロパティがシステムから除外されるかすぐに把握できます。

追加リソース