PDF 中的元数据机制详解：Info 字典与 XMP 的区别及应用

一、为何 PDF 元数据至关重要？

在信息爆炸的时代，文档的机器可读性变得尤为关键。相比仅依赖文件名和正文内容，元数据（Metadata）为文档归档、搜索引擎索引、自动化整理提供了结构化信息支持。PDF 标准支持多种嵌入元数据的方式，不同应用场景应合理选用。

二、Info 字典：最基础但局限性明显

最早期的 PDF 元数据存储在 Info 字典中，常见字段包括：

• /Title：文档标题
• /Author：作者名
• /Subject：主题
• /Keywords：关键词，用于文档索引

Info 字典结构简单，但仅支持 ASCII 文本，不支持 Unicode，不利于多语言文档处理，也无法表达层级结构。

三、XMP 元数据：面向未来的 XML 标准

从 PDF 1.4 开始，Adobe 推出了基于 XML 的 XMP（eXtensible Metadata Platform） 元数据机制。它通常嵌入在 PDF 文档的元数据流对象中，结构类似：

<x:xmpmeta xmlns:x="adobe:ns:meta/">
  <rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#">
    <rdf:Description rdf:about=""
      xmlns:dc="http://purl.org/dc/elements/1.1/"
      dc:title="文档标题"
      dc:creator="作者姓名"
      dc:subject="分类标签" />
  </rdf:RDF>
</x:xmpmeta>
    

XMP 支持 UTF-8 编码、国际化语言、嵌套结构，且可由多种系统（如 Adobe Bridge、图书馆管理平台、AI 检索系统）解析和索引。

四、Catalog 字段也可用于嵌入高级属性

PDF 根对象 Catalog 也可附带自定义元字段（如 /ViewerPreferences、/Lang、/PageLabels），某些归档系统用于注入版本标识、访问级别等非可见信息。

五、嵌入方式的实际对比

方式	优点	缺点
Info 字典	简单，通用性强	不支持 Unicode，不适合复杂描述
XMP XML	支持结构化数据，标准化，适合归档	体积略大，编写略复杂
Catalog 附属字段	灵活性高，可定制结构	兼容性依赖于解析器

六、实用建议

• 若需兼容性优先，使用 Info 字典；若为归档或 SEO 优化，使用 XMP。
• 使用 exiftool、mutool info 或 PyPDF2 可查看与编辑 PDF 元数据。
• 如需搜索引擎收录，建议同步 HTML 元数据与 PDF XMP 内容。

在电子出版、文档归档、信息抽取等场景中，合理嵌入 PDF 元数据是提升系统智能化与内容管理能力的关键。