C# で PDF メタデータを削除する方法: Sanitize と Author のみのクリーンアップ

完全な動作例は GitHub で入手できます:
strip-pdf-metadata-dotnet

はじめに

PDF メタデータのサニタイズは、.NET 用 GroupDocs.Metadata のワークフローで、C# サービスから PDF の Info 辞書と XMP 識別フィールドをクリアします。社内ドライブから契約書 PDF が外部に出るとき、Author、Creator、Producer、Keywords、そして XMP パケットが一緒に残ってしまうことがあります。ブラウザのクリーナーや Acrobat での簡単なチェックは成功したように見えても、XMP が元の作者名を保持していることがあります。パートナーが別のビューアでファイルを開いたときに、Alice Example が Author として表示された「クリーン」なドラフトに遭遇したのがこの問題です。

GroupDocs.Metadata for .NET は、同じ Metadata オブジェクトに対して 2 つの明確なクリーンアップ強度を提供します。検出されたパッケージをすべて削除する Sanitize() と、Title と Subject は残しつつ人物情報だけを除去する RemoveProperties です。本稿では、結果を監査可能にする検査と検証の手順とともに、両アプローチを比較します。

この記事を読めば、.NET 8 のサンプルコード、外部向けとアーカイブ向けのクリーンアップを選択する判断基準、そして Save 後に Author / Person.Creator をチェックする検証述語が手に入ります。

PDF メタデータのクリーンアップが重要な理由

外部ファイル共有、マルチテナントのダウンロード、規制対象のアーカイブは、デスクトップのクリック操作ではなく、繰り返し可能なメタデータ除去 API を必要とします。このアプローチが特に有用になるシーンは次のとおりです。

• パートナーポータル: PDF が信頼境界を越える前に完全に削除
• レコード検索: Title/Subject は残しつつ Author 系フィールドだけを除去
• インシデント対応: 誤って共有した後に Author が消えていることを証明
• CI ゲート: 検証が false を返したらビルドを失敗させる

「メタデータを削除する」という一行ポリシーだけでは、Sanitize と選択的除去の違いが隠れてしまいます。コードレビューで強度を明示すれば、アーカイブが必要とする Keywords が無意識に削除されるリスクを防げます。

前提条件

開始する前に以下を用意してください。

• .NET 8 SDK
• GroupDocs.Metadata 26.8.0（一時ライセンス）
• Info 辞書や XMP 識別フィールドが残っている PDF
• Visual Studio 2022 または VS Code（任意）

インストール

NuGet で GroupDocs.Metadata をインストールします。

dotnet add package GroupDocs.Metadata --version 26.8.0

またはサンプルプロジェクトの .csproj から復元してください。Save を制限なしで行うには、環境変数 LIC_METADATA_VALID を GroupDocs.Metadata.Product.Family.lic が格納されたフォルダーに設定します。

方法 1 – クリーン前に検査する

まず読み取り専用で一覧を取得し、PDF が実際にどのフィールドを保持しているかを把握します。ブラウザツールは XMP を見逃すことが多く、この一覧が「ビフォー/アフター」チェックの基準になります。

using var metadata = new Metadata(inputPath);
var properties = metadata.FindProperties(p =>
    p.Tags.Contains(Tags.Person.Creator) ||
    p.Tags.Contains(Tags.Tool.Software) ||
    p.Tags.Contains(Tags.Content.Title) ||
    p.Tags.Contains(Tags.Content.Subject) ||
    string.Equals(p.Name, "Author", StringComparison.OrdinalIgnoreCase) ||
    string.Equals(p.Name, "Creator", StringComparison.OrdinalIgnoreCase) ||
    string.Equals(p.Name, "Producer", StringComparison.OrdinalIgnoreCase) ||
    string.Equals(p.Name, "Keywords", StringComparison.OrdinalIgnoreCase));

foreach (var property in properties)
{
    Console.WriteLine($"{property.Name} = {property.Value}");
}

重要ポイント

• タグと名前の併用: フィールドをタグ付けする方式が異なるプロデューサーにも対応できるよう、Author / Keywords の文字列比較を組み合わせます
• 変更なし: ドライランやサポートチケットで安全に使用可能
• フィルタの再利用: 後の除去述語でも同じ考え方を流用できます

方法 2 – 検出されたメタデータをすべてサニタイズ

PDF に作者情報の痕跡を残したくない場合は Sanitize() を使用します。この呼び出しは、Info 辞書のフィールドと XMP を含む認識されたパッケージをすべてクリアし、続いて新しいファイルを保存します。

using var metadata = new Metadata(inputPath);
int removed = metadata.Sanitize();
Console.WriteLine(removed);
metadata.Save(outputPath);

重要ポイント

• ワンコール: 外部向けルートでの表面積が小さい
• 削除件数をログに: 事前にクリーンな入力か、大規模な削除が行われたかをオペレーターが把握できる
• ツールスタンプに注意: Save 後、Creator/Producer が PDF エンジンの Tool.Software 値になることがあります

適用シーン: パートナーのダウンロード、公開リンク、テナント間の交換

方法 3 – 作者系プロパティだけを除去

Title、Subject、Keywords が検索に必要な場合は、RemoveProperties を使って人物情報だけを除去します。すべてのパッケージを削除するわけではありません。

using var metadata = new Metadata(inputPath);
int removed = metadata.RemoveProperties(p =>
    p.Tags.Contains(Tags.Person.Creator) ||
    p.Tags.Contains(Tags.Person.Editor) ||
    string.Equals(p.Name, "Author", StringComparison.OrdinalIgnoreCase) ||
    string.Equals(p.Name, "Creator", StringComparison.OrdinalIgnoreCase) ||
    string.Equals(p.Name, "Producer", StringComparison.OrdinalIgnoreCase));
Console.WriteLine(removed);
metadata.Save(outputPath);

重要ポイント

• 述語がレビュー可能: コードレビューでどの人物情報が削除されるかが一目で分かる
• 記述的フィールドは残る: Title/Subject/Keywords はこのサンプルフィルタで保持される
• 同一 SDK: 選択的パス用に別ライブラリは不要

適用シーン: 社内アーカイブ、ドラフトの循環、Author を禁止し Keywords は許可するポリシー

Save 後に Author 除去をどう証明するか？

クリーンした PDF を再度開き、Author / Person.Creator / Person.Editor のみを検索します。残っていなければ True を出力します。Save 後に残る Creator/Producer の Tool.Software フィンガープリントは失敗とみなさないでください。Save が PDF エンジン名でそれらを書き換えることがあるためです。この区別が CI でのコンプライアンスチェックを正しく保ち、エンジンが自分のツールフィールドをスタンプしたときの誤警報を防ぎます。

using var metadata = new Metadata(inputPath);
var leftovers = metadata.FindProperties(p =>
    p.Tags.Contains(Tags.Person.Creator) ||
    p.Tags.Contains(Tags.Person.Editor) ||
    string.Equals(p.Name, "Author", StringComparison.OrdinalIgnoreCase));

Console.WriteLine(!leftovers.Any());

重要ポイント

• 正しい質問をする: 「Author が無くなったか？」であって「Creator が空か？」ではない
• 二度目のオープン: Save 後に検証し、メモリ上だけでなく実ファイルでも確認
• CI フレンドリー: テストやログで使えるブール値が 1 つだけ

Sanitize と RemoveProperties の選択基準

strip-pdf-metadata-dotnet は、Resources/contract-with-metadata.pdf に対して 4 つのステップ（検査、サニタイズ、選択的除去、検証）をすべて実行する実行可能な .NET デモです。

よくあるミス

• ブラウザクリーナーだけに頼る: XMP は残りやすい
• Creator/Producer 名を検証対象にする: Save 後のエンジンフィンガープリントで偽陽性になる
• 同じ述語を永遠に使い回す: 新しいプロデューサーが出たらフィールド名を見直す
• Save 用のライセンス設定を省く: 評価モードでは無制限書き込みがブロックされる。フルパイプラインテストのために LIC_METADATA_VALID を設定すること
• 検査を省く: ビフォー一覧がなければ、Sanitize が 7 フィールド削除したのか 0 フィールド削除したのか判断できない

サンプルの contract-with-metadata.pdf では、ライセンス付き実行で通常、検査時に Author と Keywords が表示され、Sanitize の削除件数は約 7、Author に焦点を当てた検証は True を出力します。選択的作者除去は件数が約 3 と少なく、Title と Subject は二度目の検査で残っていることが確認できます。

追加リソース

• ユースケース: PDF メタデータのサニタイズ vs 作者除去 (.NET)
• ドキュメント: 検出されたすべてのメタデータパッケージを除去
• ドキュメント: 特定のメタデータプロパティを除去
• GitHub: strip-pdf-metadata-dotnet
• API リファレンス

結論

.NET における PDF メタデータのクリーンアップは、曖昧な名前の単一 API 呼び出しではありません。外部向けの徹底削除には Sanitize()、Title と Subject を残したい場合は RemoveProperties を選び、常に Save 後に Author 系フィールドを検査・検証してください。サンプルリポジトリをクローンし、シードされた契約 PDF で実行した後、同じ手法をアップロードサービスに組み込み、削除件数のロギングを忘れずに行いましょう。