Python 剪贴板元数据清理

Python中剪贴板文件的自动元数据清理

一个Windows后台守护进程在复制后立即拦截剪贴板中的文件，并在粘贴前移除其元数据。这消除了使用ExifTool或系统工具手动处理图像、文档和视频的需求。处理过程在本地进行，无需外部数据传输，并具备防止损坏和符号链接攻击的保护机制。

通过Win32 API操作剪贴板

剪贴板监控由一个每500毫秒轮询剪贴板的ClipboardMonitor线程实现。关键格式是CF_HDROP，它包含文件路径列表。

pywin32的问题：

• 在旧版本中，GetClipboardData(CF_HDROP)返回指向DROPFILES的指针，需要通过ctypes从shell32.dll调用DragQueryFileW。
• 在新版本中，它返回字符串列表，但PyInstaller或DLL不匹配可能破坏此行为。

检查代码：

if win32clipboard.IsClipboardFormatAvailable(win32clipboard.CF_HDROP):
    file_list = win32clipboard.GetClipboardData(win32clipboard.CF_HDROP)

路径验证以确保安全

处理前，路径在validate_path中经过严格检查：

• 绝对路径。
• 比较原始inode和resolved_path（以阻止符号链接）。
• 排除WINDIR中的目录。
• 限制文件数量（防止批量处理）。

这防止了符号链接攻击和处理系统目录。此外，检查resolved_path.is_file()以排除文件夹。

处理架构：原地覆盖

文件在其原始路径被覆盖，而不在剪贴板中替换——这简化了处理Windows内存锁。流程：

• 将文件复制到剪贴板。
• 检测CF_HDROP。
• 验证并传递给MetadataScrubber。
• 用清理后的版本覆盖。

图像清理：原子替换

支持JPEG、PNG、TIFF、BMP。移除EXIF数据，包括地理位置、设备和软件信息。

策略——使用临时文件确保原子性：

with Image.open(file_path) as img:
    data = list(img.getdata())
    image_without_exif = Image.new(img.mode, img.size)
    image_without_exif.putdata(data)
    
    temp_path = file_path.with_suffix(file_path.suffix + '.temp')
    image_without_exif.save(temp_path, format=format_name)
    
    shutil.move(str(temp_path), str(file_path))

确保完整性：粘贴时接收原始文件或清理后的文件。

DOCX：直接XML编辑

python-docx更改属性但不处理修订和批注。解决方案——解析_blob部分：

xml = part._blob.decode('utf-8')
if 'w:revision' in xml or 'w:ins' in xml or 'w:del' in xml:
    xml = xml.replace('w:revision', 'w:revision_removed')\
             .replace('w:ins ', 'w:p ')\
             .replace('w:del ', 'w:p ')
    part._blob = xml.encode('utf-8')

使用replace技巧移除根级别的修订标签，使文档在Word中变为最终版本。风险——复杂表格。

PDF和视频：基础支持

通过pypdf处理PDF：

writer = PdfWriter()
for page in reader.pages:
    writer.add_page(page)
writer.add_metadata({})

重建时不带元数据。视频（MP4、MKV、MOV）——基础原子清理；完全清理需要ffmpeg。

系统托盘问题

避免因Shell_NotifyIcon错误导致的通知：

• 不正确的HWND生命周期导致DestroyWindow失败。
• COM对象在关闭Tkinter时崩溃。

解决方案——移除模块以确保后台稳定性。空闲时每500毫秒轮询导致0% CPU使用率。

关键要点

• 复制到剪贴板时自动清理元数据（EXIF、修订、地理位置）。
• 通过验证防止符号链接攻击和系统路径。
• 原子文件覆盖，无损坏风险。
• 本地Python处理（PIL、pywin32、pypdf），无需外部服务器。
• 优化的剪贴板监控，开销最小。

— Editorial Team