Metagoofil: extrae metadatos de documentos públicos

Metagoofil busca documentos públicos de un dominio (PDF, DOCX, XLSX…), los descarga y extrae sus metadatos: nombres de empleados, software usado, rutas internas y más. Es OSINT puro y, sobre todo, una prueba de qué estás filtrando sin saberlo.

Qué es Metagoofil

La herramienta usa buscadores para localizar ficheros indexados de un dominio y luego analiza sus metadatos EXIF/ofimáticos. Un simple PDF publicado en la web corporativa puede revelar:

Lee también: Cómo navegar de forma anónima en internet (guía completa 2026)

• Nombres de usuario y de empleados (autor del documento).
• Versiones de software (Microsoft Word 2016, LibreOffice, Adobe…).
• Rutas internas de red o de disco (C:\Users\jgarcia\Documentos).
• Sistemas operativos e impresoras.

Instalar Metagoofil

La versión moderna está en Python 3. Se instala en segundos:

# Desde el repositorio oficial
git clone https://github.com/opsdisk/metagoofil.git
cd metagoofil
pip3 install -r requirements.txt

# En Kali suele venir empaquetada
sudo apt install metagoofil

Comprueba que arranca con python3 metagoofil.py -h.

Ejemplo real de uso

Busca hasta 25 documentos PDF y DOCX de un dominio y descárgalos a una carpeta local:

python3 metagoofil.py -d ejemplo.com -t pdf,docx,xlsx -l 100 -n 25 -o ./descargas -w

Parámetros clave:

• -d dominio objetivo.
• -t tipos de fichero (pdf, docx, xlsx, pptx…).
• -l resultados de búsqueda a procesar.
• -n número de ficheros a descargar.
• -o carpeta de salida; -w descarga los archivos.

Qué información revela

Tras descargar, extrae los metadatos con exiftool sobre la carpeta:

exiftool ./descargas/*.pdf | grep -Ei "author|creator|producer|company"

Salida típica:

Author        : jgarcia
Creator       : Microsoft® Word 2016
Company       : Ejemplo S.L.
Producer      : Adobe PDF Library 15.0

De aquí deduces un patrón de usuario (jgarcia = inicial + apellido), lo que abre la puerta a construir listas de correos y usuarios para otras fases. Cruza esos nombres con theHarvester para confirmar direcciones.

Uso defensivo: mira qué filtras tú

El caso de uso más valioso es auditar tu propia organización:

1. Ejecuta Metagoofil contra tu dominio corporativo.
2. Revisa qué nombres, versiones y rutas aparecen.
3. Configura la limpieza automática de metadatos antes de publicar (en Office: Inspeccionar documento).
4. Añade un paso de saneado con exiftool -all= fichero.pdf en tu flujo de publicación.

Trucos útiles

• Combina pptx y xlsx: las hojas de cálculo suelen filtrar rutas de red compartidas.
• Usa -e para añadir un retardo entre peticiones y evitar bloqueos del buscador.
• Guarda los nombres extraídos y generó una convención de usuario para el resto del recon.

Uso legal y ético

Metagoofil solo accede a documentos ya públicos e indexados, pero descargarlos y analizarlos de forma masiva contra terceros sin autorización puede infringir términos de servicio o normativa. Úsalo sobre tu propio dominio o dentro de un encargo autorizado de auditoría. Más utilidades en mis herramientas OSINT.

Preguntas frecuentes

¿Metagoofil hackea algo o accede a datos privados?

No. Solo localiza documentos que ya están publicados públicamente y extrae los metadatos que sus autores dejaron dentro. No explota ninguna vulnerabilidad.

¿Cómo evito filtrar metadatos en mis documentos?

Limpia los metadatos antes de publicar: en Microsoft Office con Inspeccionar documento, o desde consola con exiftool -all= archivo.pdf. Autómatalo en tu proceso de publicación web.

¿Qué formatos analiza Metagoofil?

Los ofimáticos más comunes: PDF, DOC/DOCX, XLS/XLSX, PPT/PPTX y ODF. Los PDF y las hojas de cálculo suelen ser los que más información sensible revelan.