O que são metadados de PDF?
No contexto de PDFs, metadados refere-se às informações adicionais incorporadas em um arquivo PDF.
Arquivos PDF têm dois tipos de metadados.
O primeiro é chamado Dicionário de Informações do Documento, que inclui detalhes como o nome do autor, título do documento, datas de criação e atualização. É opcional e pode ser adicionado ao arquivo.
O segundo tipo são os Fluxos de Metadados, introduzidos no PDF 1.4, que usam um padrão chamado Extensible Metadata Platform (XMP) para incluir informações adicionais em formato XML. Isso pode incluir detalhes sobre imagens, fontes e o próprio documento como um todo.
Os metadados ajudam a organizar e categorizar arquivos PDF, facilitando a busca por documentos específicos. Eles também permitem melhor gestão e recuperação de informações, especialmente em grandes coleções de arquivos PDF.
É possível adicionar ou editar metadados usando software de edição de PDF ou ferramentas específicas desenvolvidas para gerenciar metadados de PDF. Ao utilizar metadados, os usuários podem melhorar a organização de documentos, aumentar a capacidade de pesquisa e otimizar fluxos de trabalho de documentos.
Dada a frequência de PDFs nos resultados de pesquisa, garantir que seus documentos PDF tenham metadados relevantes pode aumentar significativamente sua visibilidade e taxa de cliques.
Onde um PDF armazena seus metadados
Em dois lugares. O dicionário de informações do documento é o mais antigo dos dois e contém uma lista curta e fixa: título, autor, assunto, palavras-chave, o aplicativo que criou o arquivo, o produtor e as datas de criação e modificação. XMP é o mais recente: um pacote XML extensível que pode conter tudo isso e muito mais, e é o formato preferido por PDF 2.0.
Ambos podem estar presentes e podem entrar em conflito, especialmente depois que um arquivo passou por várias ferramentas. Visualizadores diferentes leem metadados diferentes, por isso o autor exibido em um aplicativo às vezes não é o mesmo exibido em outro.
Metadados vão mais longe do que você imagina
Os metadados são gravados automaticamente e raramente são revisados. Um documento exportado de um pacote de escritório normalmente carrega o nome do autor, sua organização, o software e sua versão, além de um conjunto completo de carimbos de data e hora.
Nada disso é visível na página, e tudo é compartilhado quando o arquivo é. Antes de publicar um documento, vale a pena ler os metadados e remover o que não deveria acompanhá-lo. Observe que remover metadados é algo separado de remover conteúdo: isso não altera nada na página e não remove revisões anteriores deixadas por uma atualização incremental.