Die kurze Antwort
Ein PDF ist kein Bild seiner Seiten. Es ist ein Behälter, und die Seiten sind nur der Teil der Ladung, der angezeigt wird. Um sie herum hat das Format Platz für einen Dokumentinformations-Block, eine zweite XML-Kopie desselben, Kommentare, Formulardaten, angehängte Dateien — und, über eine sehr verbreitete Art, Änderungen zu speichern, vollständige frühere Fassungen des Dokuments, unter der aktuellen gestapelt.
Nichts davon ist ein Fehler. Jedes Stück wurde für eine vernünftige Aufgabe entworfen, und innerhalb einer Organisation ist das meiste harmlos oder nützlich. Das Problem ist der Grenzübertritt: In dem Moment, in dem ein PDF das Haus verlässt — an eine Gegenseite, einen Verteiler, ein öffentliches Register —, reist alles mit, woran es sich erinnert, und was es sich merkt, zeigt keine einzige Seite an. Menschen prüfen, was ein Dokument sagt, und verschicken, was die Datei enthält — und das sind zwei verschiedene Dinge.
Das Namensschild: /Info und das XMP-Paket
Jedes PDF darf ein Dokumentinformations-Verzeichnis tragen — Autor, Titel, Erstellungs- und Änderungsdaten und die Namen der Programme, die es erzeugt haben. Die meisten tragen eine zweite, reichere Kopie derselben Angaben als eingebettetes XML, XMP genannt. Keins von beiden wird mit den Seiten angezeigt; beide sind eine Eigenschaften-Ansicht entfernt.
Die Werte werden automatisch ausgefüllt, und genau das macht sie undicht. Autor ist typischerweise der Kontoname, mit dem das Betriebssystem eingerichtet wurde — ein echter, voller Name, auf Dokumenten, die ihre Verfasser für anonym hielten: Bewerbungen, Gutachten, Beschwerden, Angebote. Titel ist routinemäßig der Dateiname des Dokuments, aus dem das PDF exportiert wurde, und so überlebt Entwurf-v7-rechtliche-Bedenken.docx im Inneren des polierten PDFs, das ihn ersetzen sollte. Die Produzentenzeile datiert die Software; die Daten widersprechen Legenden. Über das, was institutionelle PDFs in diesem Block zugeben, sind ganze Untersuchungen geschrieben worden.
Das Zurückholen: inkrementelle Speicherungen
Das schärfste Stück im Behälter ist das, auf das das Format am stolzesten ist. PDF unterstützt inkrementelle Aktualisierungen: Statt die Datei neu zu schreiben, darf ein Editor seine Änderungen ans Ende anhängen und alles davor unberührt lassen. Der Betrachter liest die Datei von hinten und zeigt die neueste Fassung; die älteren stehen noch darin, Byte für Byte, in derselben Datei.
Anhängendes Speichern ist schnell und absturzsicher — und es bedeutet, dass ein so bearbeitetes Dokument seine eigene Geschichte enthält. „Gelöschter“ Text ist nicht fort, er ist überholt, und ihn wiederzugewinnen heißt, die Datei so zu lesen, wie sie vor dem letzten Anhang war. Ein schwarzes Rechteck, über einen Namen gezogen in einem Editor, der inkrementell speichert, erzeugt eine Datei, die den Namen zweimal enthält — einmal unter dem Rechteck, einmal in der Geschichte —, was das Scheitern aus dem Schwärzungs-Ratgeber noch verdoppelt.
Das Heilmittel ist ein vollständiges Neuschreiben: Datei öffnen, behalten, was die aktuelle Fassung wirklich benutzt, eine neue Datei ohne Vergangenheit schreiben. Genau das tut der PDF-Kompressor hier von Bauart — ein Neuschreiben kann gar nicht anders, als die Geschichte aufzugeben, und das Werkzeug zählt das überholte Material, das es zurückließ, in seiner Größenaufstellung auf. Das ist nebenbei der einfachste Weg, überhaupt zu entdecken, dass Ihre Datei eine Geschichte hatte.
Der Frachtraum: Kommentare, Felder, Anhänge, Ebenen
Der Rest des Gedächtnisses ist gewöhnlicher und leckt trotzdem:
- Kommentare und Anmerkungen — das Gutachtergespräch, mitreisend mit dem begutachteten Dokument, sichtbar für jeden, der nachzusehen weiß.
- Formularfelder behalten ihre eingetragenen Werte als Daten, auch wo eine plattgedrückte Seite sie längst nicht mehr anzeigt.
- Anhänge: Ein PDF kann ganze Dateien beliebigen Typs einbetten, und Betrachter zeigen sie in einer Seitenleiste, die die meisten Menschen nie geöffnet haben. Die Tabelle hinter dem Diagramm hängt manchmal am Diagramm.
- Optionale Inhaltsebenen können Seiteninhalt tragen, der abgeschaltet statt entfernt wurde — vollständig vorhanden, angezeigt nie.
Jedes davon sind Daten, die die Seiten nicht zeigen, in einer Datei, die nach ihren Seiten beurteilt wird.
Ein PDF ohne sein Gedächtnis verschicken
Das Muster in alldem: Was überlebt, entscheidet die Art, wie die Datei geschrieben wurde — also führt der Weg über etwas, das vergesslich schreibt, auf der eigenen Maschine. Die Geschichte eines Dokuments ist exakt das, was man nicht auf den Server eines Fremden laden sollte, ein Punkt, den der Ratgeber zum Hochladen in voller Länge macht. Drei Werkzeuge dieser Seite schreiben PDFs, und alle drei wurden gebaut, das Gedächtnis wegzulassen:
- Der PDF-Zusammenfüger und -Teiler schreibt Ausgaben mit gar keinem Informationsverzeichnis — kein Autor, keine Daten, keine Zeile, die die Software nennt. Kopiert wird, was die Seiten Ihrer Originale benutzen, nicht ihr Gepäck. Es gibt einen Ratgeber.
- Der PDF-Kompressor schreibt die Datei vollständig neu — überholte Geschichte aufgegeben, XMP-Paket und private Anwendungsdaten nicht übernommen — und listet einzeln auf, was er entfernt hat. Auch mit Ratgeber.
- Der PDF-Schwärzer, für den Fall, dass das Gedächtnis der Punkt ist: Er säubert bei jedem Lauf den Informationsblock, das XMP-Paket, Lesezeichen, Kommentare, Feldwerte und Anhänge, neben der Schwärzung selbst — sein Ratgeber geht es durch.
Und die Abnahmeprüfung spiegelt das Leck: Beurteilen Sie die Datei, nicht die Seiten. Öffnen Sie die Eigenschaften und lesen Sie, was übrig ist; durchsuchen Sie die rohe Datei nach einem entfernten Wort; sehen Sie sich die Aufstellung des Kompressors darüber an, was Ihr Dokument mit sich herumtrug. Ein PDF ohne Gedächtnis hat nichts zu gestehen, wer auch immer es liest.