文件 metadata 清除器

什么时候用得上

Metadata 是什么那篇提到，照片里带着拍摄时间、相机型号与 GPS 坐标。上传照片前先去 EXIF，是任何人现在就能做的低成本防护。

问题在于怎么去。在线的清除工具几乎都要先把文件传上去，而会需要清 metadata 的人，通常最不该把原始文件交出去。页面在你的浏览器里处理，文件不离开设备，清完的是新的一份，原始文件留着不动。

三种常见的处境：

• 刚搬到新住处，想传一张照片给朋友报平安：手机拍照默认会把 GPS 坐标写进文件里。朋友看到的是一张照片，有心找的人看到的是一组坐标。传出去之前清一次，画面完全不受影响。
• 在社会运动现场或事故现场拍了画面要投稿给媒体：照片里的拍摄时间与坐标合起来，指得出是谁在什么时候站在哪里。清掉之后编辑台收到的还是同一张图。
• 要寄出陈情书、检举信或简历的 Word 文件或 PDF：作者字段常留着你电脑里的账号名称，制作软件那一栏会写出操作系统与版本，Word 文件还记着公司名称、模板文件名与总编辑时间。正文改过名字，字段里的旧数据还在。

拿掉 metadata 只处理文件里看不到的字段。画面中的门牌、路标、制服、窗外景色都在影像本身，清完照样看得见，分享之前要自己看过一遍。画面里的东西要盖掉，用截图遮蔽。

跟截图遮蔽什么时候该用哪一个，在二手平台卖东西用十四张待上架的照片说明。收到别人给的文件要先看清楚里面带着什么，见收到来源给的文件。

支持哪些文件

格式	拿掉的东西	影像数据
.jpg	EXIF、XMP、IPTC 与 Photoshop 字段、注释	一个比特都没动
.png	EXIF、文本字段、修改时间	一个比特都没动
.webp	EXIF、XMP	一个比特都没动
.gif	注释、应用程序扩展（动画的循环设置留着）	一个比特都没动
.mp4 .mov .m4a	用户数据区、编码器名称、轨道处理器名称	一个比特都没动
.mp3	ID3v2 与 ID3v1 标签、APE 标签	一个比特都没动
.wav	INFO 列表、广播波形描述、iXML、XMP、ID3	一个比特都没动
.docx .xlsx .pptx	文档属性（作者、公司、时间、修订次数、模板）、自定义属性、缩略图、部件时间戳、夹带图片的 EXIF	正文一个字都没动
.pdf	标题、作者、制作软件、时间、XMP	整份重写，见下方说明

照片、视频与录音把描述字段整段拿掉，压缩过的影像、影音或声音数据不动。Office 文档是清空描述用的部件，正文所在的部件照抄。PDF 做不到同样的保证，理由见下方「PDF 没办法保证无损」。

其他格式目前不支持，文末列出清单与替代做法。遇到认不出来的文件，画面上会列出错误，不会静静地交还一份没有处理过的东西。

拿掉什么，留下什么

照片文件里，影像本身跟描述用的字段分开存放。描述字段整段拿掉，影像数据不受影响。

拿掉	里面是什么
EXIF	拍摄时间、相机型号、GPS 坐标，还有一张没被裁切过的缩略图
XMP	Adobe 系列软件写的描述，常含地点与作者
IPTC 与 Photoshop 字段	说明、作者、关键词
注释字段	文件里夹带的任意文本
修改时间	上次存盘的时间

留着	为什么
色彩描述文件（ICC Profile）	拿掉的话颜色会偏，内容多半是 sRGB 这类标准设置，识别力低
色彩转换标记	印刷用的 CMYK 文件少了它，颜色会反过来
基本兼容信息	少了它有些看图程序会显示警告
影像本身	拿掉就解不开或变样

EXIF 里没被裁切过的缩略图要单独提。你把照片裁掉一半再传出去，缩略图可能还是原本的完整画面。

画面上会逐项列出这次拿掉与留下的东西，每一项标着它在文件格式里的代号与占用大小。

清完的图跟原图完全一样

页面不重新编码。影像与音视频数据从文件里的固定位置开始照抄，解出来跟原文件完全相同。

重新编码的工具做不到无损。每一次重新压缩都会损失画质，而且输出用的是那套函数库的默认压缩参数，跟相机原本写进去的不一样，比对量化表就看得出来，等于换上另一种可辨识的痕迹。

无损也表示清完之后文件通常只小一点点。一张 630 KB 的照片清掉完整的 EXIF 之后是 629 KB，少掉的 140 个字节就是原本记着相机型号与坐标的地方。

清完之后会实际打开一次

清好的文件会在浏览器里实际加载一次再交给你。视频与录音会等到时间长度读得出来为止，那是改坏影音最典型的症状。Office 文档没有东西可以加载，改成整份读回来，每个部件的长度与校验码都要对得上。程序要是把文件改坏了，这一步会拦下来并且列出原因，不会让你拿着一份无法打开的文件离开。

视频是一样的道理

手机拍的视频跟照片一样会记录拍摄地点、设备型号与时间，而且更难察觉，因为多数人不会去看视频的属性。

MP4 与 MOV 是一层包一层的结构，描述字段住在其中一层，整段拿掉不需要碰压缩过的音视频数据，跟照片是同一种做法。

三个地方会被清掉：

• 用户数据区（user data atom）：标题、作者、拍摄地点坐标、设备型号
• 编码器名称与版本：指得出你用什么软件或哪一款手机处理过
• 轨道的处理器名称：不同平台写法不同，等于一个平台指纹

有一种痕迹清不掉

编码器会把自己的版本写进压缩数据本身。该字符串属于音视频数据本身，位置跟画面内容混在一起，跟描述字段不同。

要清掉只能重新编码，而重新编码会损失画质，也只是把旧编码器的痕迹换成新的。页面不做这件事，会把扫到的字符串列在处理结果里。

录音文件也一样

MP3 的标签住在文件头（ID3v2）与文件尾（ID3v1、APE），中间是一连串音帧。标签整段拿掉，音帧照抄。ID3v2 里除了标题与演出者，常有录音软件的名称与封面图。

WAV 是跟 WebP 同一种 RIFF 容器。描述字段在 INFO 列表（演出者、软件、日期、注释）与广播波形描述（bext：制作者、制作日期与时间、编码历程）里，录音机与剪辑软件写进去的 iXML 与 XMP 也在同一层。这几段拿掉，fmt 与 data 照抄。

M4A 跟 MP4 是同一种容器，走视频那一条路。

编码器（LAME、Xing）把自己的信息写进第一个音帧，那属于声音数据本身，跟视频的情况相同，扫到会列在处理结果里。

Office 文档

Word、Excel 与 PowerPoint 的文件是一个 zip，里面是一堆 XML 部件。描述字段住在三个部件里：core.xml 记着作者、最后修改者、创建与修改时间、标题与修订次数，app.xml 记着制作软件与版本、公司、模板文件名与总编辑时间，custom.xml 是组织自己加的字段，例如文档编号或承办人。正文在另外的部件里，一个字都不动。

三个部件是清空，不是删掉。zip 里另外两份清单记着有哪些部件，删掉一个要同步改两份，漏一份 Word 会说文件损坏。换成空的根元素，结构完全不变，所有字段在规范里本来就是选填。文档缩略图是例外，图片没有「空」的写法，那一个真的删，连同两份清单里指向它的那几行。

另外两个容易漏的地方也一起处理：

• zip 里每个部件自己带着时间戳。Word 写的是 1980 年 1 月 1 日，LibreOffice 写的是真的保存时间，全部改成前者。
• 夹在文档里的图片照样带 EXIF。从手机相册拖进 Word 的照片，GPS 座标跟着进了文件。每一张都拿出来走一次上面照片的流程，清完再放回去。

批注、修订记录与备注不动

这三样是正文的一部分，每一则都带着作者名称与时间，这一页不碰正文，扫到会列在处理结果里。要清掉，在编辑软件里删除所有批注、接受或拒绝全部修订，保存之后再清一遍。

ODT、ODS 这类 OpenDocument 格式结构不同，目前不支持。

PDF 是另一种处理方式

照片与视频可以直接把某一段剪掉，PDF 不行。PDF 每个对象在文件里的位置都记在交叉引用表（cross-reference table）上，拿掉一段之后后面全部位移，整张表要重算。PDF 1.5 之后常见的做法还会把好几个对象压进同一段压缩数据，从外面连内容都读不到。

解析与重写交给 pdf-lib（MIT 授权，授权全文），原封不动放在 utils/vendor/ 底下。要拿掉哪些字段则在页面这边指定。

清掉的是：

• 文档标题、作者、主题、关键词
• 制作这份文档的软件，该栏常含操作系统与版本。用浏览器打印成 PDF 的话，里面会是完整的浏览器标识字符串
• 创建与修改时间
• XMP 描述区，地点、作者与编辑历史都可能记在里面

拿掉引用不等于拿掉内容

把文档目录里指向 XMP 的引用删掉之后重新存盘，该段内容仍然完整留在文件里，只是没有东西指向它。用文本搜索工具打开还是找得到作者跟地点。要真的清掉必须把对象本身从文档里移除，页面就是这样处理的。

PDF 没办法保证无损

PDF 整份是重写的，做不到照片与视频那种一个比特都没动的保证。

实测上页面内容不会重新排版，渲染出来的画面跟原文件逐像素相同。但如果你的 PDF 有表单、数字签名或特殊的交互元件，重写之后不一定完全保留。重要的文件先留一份原始文件。

不支持的格式

HEIC/HEIF：iPhone 默认拍出来就是这个格式，容器结构复杂得多，页面还做不到。在 iPhone 上可以到「设置 → 相机 → 格式」选「最兼容」，之后拍的就是 JPEG。已经拍好的可以用 AirDrop 或邮件传给自己，过程多半会转成 JPEG。

TIFF、RAW、MKV、WebM、AVI、FLAC、OGG 与 OpenDocument（ODT、ODS）目前也不支持。

不做的事

不做面部模糊。面部模糊需要人脸检测模型，跟清除 metadata 是完全不同的一件事，也不该用同一个工具的名义混在一起。

PDF 里的注释与附件各自可能带着作者与时间，页面只处理文档层级的描述字段，遇到带注释的文件会在处理结果里标出来。

离线可用

跟这一区其他工具一样，程序存进设备之后断网也能用，那就是文件没有偷偷送出去最直接的证明。

要把这一页带着走，见离线阅读。