在 Java 中轉換 Office 檔案時移除作者、標題和自訂屬性

伴隨範例儲存庫(待發佈): remove-office-properties-java

Office 中繼資料的移除是 GroupDocs.Conversion 在 Java 中的工作流程,會在匯出 Office 檔案時清除來源文件的屬性。它解決了文件交付中一個小卻容易被忽視的部分:檔案看起來已經完成,但其作者、標題或內部參考仍然顯示為草稿。本文以一個 Word 報告為例說明此決策,然後將相同政策套用至 Excel 與 PowerPoint。程式碼鎖定在 26.10 版,使用虛構的輸入檔案。

介紹

假設一份報告正要離開內部審核流程。可見的標題正確,圖表已批准,PDF 也能正常開啟。這些檢查都無法告訴你其 Author 欄位的內容。工作簿或簡報也可能帶有在團隊內有意義但對外部交付毫無價值的自訂屬性。將此資訊視為匯出決策,而不是收件人發現的驚喜。

此範例會產生每份報告的兩個版本。一個保留來源屬性;另一個請求移除內建與自訂屬性。它還會為每次執行寫入同格式的 Office 副本,以便獨立檢查檢驗值。這是一個刻意可觀察的範例。我們需要證據證明設定改變了輸出,而不是僅憑首頁外觀作假設。

為何在匯出時清理屬性很重要

匯出步驟是來源文件變成交付產物的時刻。這使它成為決定內部屬性是否應隨內容一起傳遞的有用位置。GroupDocs.Conversion for Java 26.10 提供了分別控制內建與自訂文件屬性的選項。你可以在載入 Office 來源、儲存 PDF 之前套用它們。範例為外部副本變體啟用了兩類控制。

這並不是取代對文件本身的審查。作者名稱也可能出現在段落、儲存格、註解或嵌入檔案中。這些位置需要另行處理。我會將此功能描述為匯出管線中的屬性清理,因為這樣的說法與程式碼實際證明的內容相符。它也避免了對隱私結果作出超出測試範圍的承諾。

何時應該清除 Office 屬性?

當你的交付政策排除內部作者、草稿標題或自訂參考欄位時,請清除來源屬性。於建構 Converter 之前設定載入選項,並使用已知標記比較保留與清理後的輸出。範例涵蓋 DOCX、XLSX 與 PPTX 來源。另行審查可見內容,並允許像 Producer 這類由輸出產生的 PDF 欄位在清理後仍保留。

前置條件

完整專案使用 JDK 11、Maven 與 GroupDocs.Conversion for Java 26.10。其 documents 目錄包含三個虛構報告。需要一份涵蓋此版本的授權才能進行無限制驗證;評估限制可能導致完整比較無法完成。程式碼將授權設定置於功能方法之外,並在分發的原始碼中使用佔位符。請勿在專案中放置授權檔案。

安裝

專案的 pom.xml 宣告了 GroupDocs Java 儲存庫以及下方顯示的相依性。於該專案目錄執行 Maven 指令。本文的 Java 程式碼區塊取自已驗證的範例;它們假設已匯入相關類別、存在 Result 目錄以及名為 clear 的布林參數。

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

步驟 1:明確設定屬性政策

三個方法皆接受相同的布林政策。傳入 false 會保留來源設定作為對照執行;傳入 true 則請求移除兩類屬性。在 WordProcessingLoadOptions 中,對應的方法為 setClearBuiltInDocumentProperties 與 setClearCustomDocumentProperties。SpreadsheetLoadOptions 與 PresentationLoadOptions 亦公開相應控制。這種一致性讓你能在三種不同的輸入族群中檢視同一政策,而不必隱藏是哪個載入器開啟了檔案。

保留屬性的執行很重要。如果來源標記從未出現在普通輸出中,空的清理輸出只能提供薄弱證據。因此示範會在保留的 Office 副本中檢查每個標記,並在清理副本中確認其缺失。這為比較提供了正向對照。引入新文件範本或變更相依版本時,請保留類似測試。

步驟 2:匯出 Word 報告

Word 路徑從 documents/report.docx 開始。它具有虛構的文件屬性與簡短的可見報告。convertWord 會建立具型別的選項、指派政策,並透過 Converter 建構子傳遞這些選項。此方法會寫入供交付的 PDF 以及供屬性檢查的 DOCX 副本。兩者皆為新輸出檔案;來源檔案不會被此範例改寫。

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());
}

目標名稱會以 retained 或 clean 結尾,取決於布林參數。此區分可防止兩次執行互相覆寫。也讓手動檢查更容易:開啟 PDF 以檢視呈現,並檢查相對應的 Office 控制檔以驗證屬性儲存情形。在已驗證的執行中,Author 與 Title 仍保留在 retained PDF 中,且在 cleaned PDF 中消失。Producer 資訊則仍保留,屬於另一個由輸出產生的欄位。

步驟 3:將政策套用至 Excel 與 PowerPoint

對於 Excel 報告,請使用 SpreadsheetLoadOptions 而非重複使用 Word 載入器。轉換程式碼保留相同的屬性旗標,並變更輸入族群與同格式控制選項。隨附的 XLSX 故意留有空白間距,因此其分頁不屬於中繼資料斷言的一部份。調整為商業報告時,同時檢查 PDF 頁面與屬性結果。屬性成功並不代表寬幅工作表會如預期列印。

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 以相同的載入政策使用 PresentationLoadOptions。範例投影片包含虛構的報告文字,而其作者、標題與自訂參考則存於文件屬性部分。此方法同時儲存 PDF 與 PPTX,使屬性比較不受投影片渲染影響。它不會檢查講者備註或嵌入物件。若這些對你的交付流程重要,請在發佈前另行審查。

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());
}

步驟 4:驗證結果而非猜測

PropertyChecks 會檢查六個 Office 控制檔的屬性部分。它搜尋 Internal Review Team、Quarterly Review Draft 與 INTERNAL-REF-2610。保留的副本必須包含這些已知值,清理的副本則必須省略。程式會為每個檢查的檔案印出 PASS 行,若比較結果不符合預期則失敗。此檢查與虛構的測試資料掛鉤,並非斷言任意中繼資料已被發現與分類。

我們亦使用 Poppler pdfinfo 檢查 PDF 的 Author 與 Title。這兩個欄位在所有三個 Office 來源的清理匯出中皆已消失。產生的 Producer 欄位則仍保留。此結果之所以有用,正是因為它縮小了主張的範圍:已移除請求的來源屬性,同時 PDF 仍能辨識產生它的軟體。不要將此承諾為完整空的中繼資料字典。

完整工作範例

OfficeMetadataDemo 是伴隨 Maven 專案的入口點。它會建立 Result/,以 false 與 true 分別執行所有三個轉換方法,並呼叫 PropertyChecks。此工具與功能方法分離,使轉換片段保持可讀。RUN.md 說明如何在本機套用自己的授權。隨附的文件為虛構內容,可在不依賴客戶資料的情況下使用。

真實世界的應用

客戶報告交付

匯出服務可在報告獲批後才產生外部 PDF。於該轉換路徑套用屬性政策,並將原始 Office 文件保留在其現有的內部位置。避免將保留的控制檔打包進客戶套件。它們僅存在於此以使測試可觀察。

混合 Office 提交

團隊可能會收到敘事報告、工作表與簡報摘要。對每個輸入族群使用具型別的載入器,並一致套用文件化的政策。我們會在程式碼中保留檔案族群的決策可見性,而不是從單一成功的 DOCX 範例推斷支援。引入其他範本時,請加入具代表性的測試資料。

最佳實踐與技巧

將清理與遮蔽需求分開。先決定哪些屬性在保留來源證明時是必要的,再進行清除。將交付輸出與內部控制分開儲存,並將授權設定視為本機配置。升級 SDK 時,重新執行保留與清理兩個變體,以便在比較的任一側看到意外變更。

常見問題排除

如果完整示範在評估模式下停止,請在本機副本中套用涵蓋 26.10 的授權並重新執行。若標記仍出現在可見文字中,表示此屬性儲存檢查之外的問題。若你的需求是清理 PDF 輸入,請不要將其套用到此範例:在啟用內建清理時,另一個 26.10 檢查因 CreationDate 為空而失敗。本文測試的來源範圍僅限於 Office。

結論

先使用提供的測試資料,檢查保留與清理後的配對。驗證命名的來源屬性,然後審查實際的 PDF 內容。僅在比較如預期般運作後,才以批准的範本取代測試資料。將匯出政策緊貼載入選項,讓下一位開發者能清楚看到哪些屬性離開系統。

其他資源