往"某度文库"上传资源之前,请先做好这些...

先讲个相关的故事:匿名黑客的"复仇行动"

2010年12月10日，黑客组织匿名者发布了一条消息，解释了他们发起最近一次代号为”复仇行动”的攻击的大致动机(Prefect,2010)。由于被那些放弃支持维基解密网站的公司所激怒，匿名者组织号召要通过对涉及的一些机构进行分布式拒绝服务攻击(DDoS)以实现报复。这个稿子上既没有签名，也没有标注消息来源，只是以PDF(Portable Document Format，便携式文档格式)文件的形式被发布出来。

这是当时的文件,为了满足好奇心，被我刨出来了...

PDF原文件第一页

PDF原文件第二页

虽然没有署名,但用脚本很快查到了文档的元数据(这里演示的ANONOPS_The_Press_Release.pdf就是真实的原文件,文件的元数据还被保留着...)

查看元数据

几天后，希腊警方逮捕Alex Tapanaris 先生...

Alex Tapanaris 先生的"复仇行动"提前结束了

这个例子告诉我们，就算技术不好,也不要让别人知道,是你做的种子...

在当下，敏感元数据,在国内资源网站依然大量存在

以博主从国内各大资源网站下载到的技术类书籍资源为例:

(不要问我资源是哪里来的,作为程序员,对于获取资源的套路还是懂一些的...)

为避免小伙伴们在 "某度文库" 发"资源"赚积分的时候成为第二个Alex Tapanaris先生,下面放出博主刚完成的批量清除pdf元数据的脚本,以及使用方法:

快速清除PDF元数据

快速清除PDF元数据

清除后的效果

清除后的效果

批量获取文档元数据(查别人):

import PyPDF2from PyPDF2 import PdfFileReaderimport sysimport osimport re#获取目录下所有的pdf文件目录def getFiles():

    files = os.listdir()    # 如果输入了单个pdf文件,则只输出单个pdf元数据
    try:        if sys.argv[1]:
            files = [sys.argv[1]]    except:        pass

    pdf_files = list()    for file_name in files:        try:
            result = re.match(r".*\.pdf$", file_name)            
            if result:
                pdf_files.append(file_name)        except Exception as e:            pass


    return pdf_files# 打印文件的元信息def printMeta(files):
        for filename in files:            try:
                pdfFile= PdfFileReader(open(filename, "rb"))
                docInfo = pdfFile.getDocumentInfo()                print ("===文件%s的元信息为:"%filename)                for metaItem in docInfo:
                    print(metaItem,":",docInfo[metaItem])            except Exception as e:
                print("---文件%s元数据无法读取,已经跳过!"%filename)if __name__ == "__main__":
    filenames = getFiles()
    printMeta(filenames)

清除源信息(藏自己):

import sysimport osimport refrom PyPDF2 import PdfFileReader, PdfFileWriter#获取目录下所有的pdf文件def getFiles():
    files = os.listdir()
    pdf_files = list()    for file_name in files:        try:
            result = re.match(r".*\.pdf$", file_name)            
            if result:
                pdf_files.append(file_name)        except Exception as e:            pass

    return pdf_filesdef get_page_num(file_name):
    #获取一个pdfFileReader对象
    my_pdf = PdfFileReader(open(file_name,"rb"))    # 获取页数
    page_num = my_pdf.getNumPages()
    print("PDF文件%s的页数为%s"%(file_name, page_num))    return page_num    

def create_new_pdf(file_names):
    try:
        os.mkdir("./pure")    except Exception as e:        pass
    
    for file_name in file_names:        try:            # 获取原pdf的信息
            my_pdf = PdfFileReader(open(file_name,"rb"))            # 创建一个PdfFileWriter对象
            new_pdf = PdfFileWriter()            
            for i in range(0, get_page_num(file_name)):
                
                page_info = my_pdf.getPage(i)

                new_pdf.addPage(page_info)

            new_pdf.write(open("./pure/%s"%file_name, "wb"))
            print("文件%s已清除元数据!"%file_name)        except Exception as e:
            print("文件%s编码有问题,已自动跳过!"%file_name)if __name__ == "__main__":
    create_new_pdf(getFiles());