Como tarjar um PDF

Uma tampa não é uma tarja

As páginas de PDF são listas de instruções de desenho. Adicionar um retângulo preto põe uma instrução a mais sobre o nome, número ou imagem que você queria tirar. O material tapado pode ficar no fluxo de conteúdo, na camada de texto ou numa anotação embaixo. Uma pessoa ainda pode selecioná-lo, buscá-lo ou extraí-lo sem tirar o retângulo.

Uma tarja de verdade deixa ausente o conteúdo de origem no resultado. Tarjar PDF reconstrói cada página marcada de uma renderização fresca e aplica a região preta a essa página nova. Não copia o conteúdo da página marcada original para a saída. Essa é a diferença entre usar uma ferramenta de tarja de PDF e colorir sobre uma página.

Termine o documento antes de tarjá-lo

Trabalhe sobre a cópia final. Unir pode reordenar páginas, comprimir pode reconstruir um documento, e uma assinatura ou carimbo posterior pode escrever objetos e metadados novos. Se algo disso acontece depois de tarjar, o arquivo que você conferiu não é o arquivo que você envia.

Guarde uma origem intacta em outro lugar. A cópia tarjada é para distribuir; a origem é para corrigir se você pulou uma região. Não use o arquivo tarjado como único registro, porque tirar pretende ser irreversível nessa cópia. Renomeie também o arquivo terminado. Um nome de arquivo revelador fica fora do PDF e nenhum motor de tarja pode mudá-lo.

Do que avisam os guias que se posicionam

As páginas sérias que se posicionam para esta busca (o guia completo do Redactable, as próprias páginas da Adobe) abrem com o mesmo aviso que este guia: mascarar visual não é tirar dados. O Redactable chama de mascarado superficial vs tirar dados e até a ilusão da digitalização, a crença de que imprimir e redigitalizar uma página mascarada a deixa segura. Essas são afirmações das páginas deles, não medições feitas aqui, mas a física que descrevem é o mesmo formato de arquivo que este guia descreve: o conteúdo tapado fica no fluxo de conteúdo até algo reconstruir a página.

A reconstrução é onde as abordagens divergem. A ferramenta deste guia reconstrói cada página marcada de uma renderização fresca e aplica a região preta a essa página nova, sem copiar nunca o conteúdo marcado original para a saída, e depois confere regiões pretas, camada de texto, fragmentos crus e metadados antes de qualquer download. A ordem de terminar primeiro acima existe porque qualquer união, compressão, assinatura ou carimbo depois da conferência significa que o arquivo que você verificou não é o arquivo que você envia.

Encontre conteúdo de página e dados fora da página

Leia cada página uma vez e marque nomes, endereços, identificadores, assinaturas, rostos, códigos de barras e qualquer palavra ao redor que revele o mesmo fato. Um rótulo pode ser tão sensível quanto seu valor. Tirar um número de conta deixando "conta aposentadoria" junto à marca ainda pode revelar mais do que você pretende.

Depois inspecione o não impresso. Um PDF pode levar autor, título, criador, produtor, data de criação, data de modificação, pacote XMP, anexos, texto de anotações, valores de formulário, esquemas e ações de abertura. Tarjar páginas e tirar metadados de PDF são trabalhos distintos. O guia de metadados cobre a segunda passada.

Marque diferente texto selecionável e texto digitalizado

O texto selecionável dá três atalhos úteis. Selecione o bloco de texto inteiro, busque um valor repetido entre páginas, ou deixe o detector na aba sugerir pessoas, endereços e identificadores validados. As sugestões são uma fila de revisão, não um tudo liberado. Elas podem perder informação privada, então tarjar um PDF ainda termina com uma leitura página a página.

Uma digitalização é uma foto. Buscar texto não vai achar palavras que existem só como pixels, e um detector de texto não pode marcá-las. Desenhe em vez disso uma caixa ao redor da zona impressa. Inclua a altura completa das letras e uma pequena margem de cada lado. Se a mesma digitalização também tem camada OCR, a marca deve cobrir o que você vê e as coordenadas de texto embaixo.

Decida o que deve ficar selecionável

O modo padrão mantém selecionável o texto não marcado. Reconstrói a página marcada como renderização, e depois devolve uma camada de texto só com caracteres fora das marcas de tarja. Esta é a opção prática para relatórios, trâmites e documentos longos que ainda precisam buscar e copiar depois de tirar linhas privadas.

O modo estrito aplaina cada página marcada e não deixa texto selecionável nessa página. É a opção de segurança mais estreita quando ninguém precisa buscar o texto sobrevivente. As páginas não marcadas ficam intactas nos dois modos. A troca é explícita porque converter um documento inteiro em imagens quebraria acessibilidade e deixaria o texto limpo mais difícil de usar.

Confira o arquivo e não a prévia

Uma prévia de página só prova que se veem pixels pretos. A saída precisa de várias conferências separadas: cada região marcada renderiza preto, nenhum texto selecionável sobrepõe uma marca, os fragmentos de texto removidos estão ausentes dos bytes crus do PDF, e os metadados privados compatíveis sumiram. A ferramenta reabre a saída e roda essas conferências antes de mostrar um download.

Abra de novo o arquivo baixado em outro leitor. Busque cada nome e número exatos que você tirou, tente selecionar através de cada marca, e inspecione as propriedades do documento. Para uma segunda vista, Verificar tarja busca caixas de tampa opacas compatíveis com texto selecionável embaixo e informa o texto que pode recuperar.

Saiba o que o verificador não pode prometer

Nenhuma varredura automática vê cada fuga possível. O texto queimado numa imagem não tem camada selecionável para comparar. Uma tampa feita de uma rota de recorte incomum ou muitas formas pequenas talvez não pareça um retângulo para o analisador. Um fato oculto também pode sobreviver num nome de arquivo, num anexo de e-mail anterior ou num histórico de versões em nuvem fora do PDF.

Por isso a última passada pertence a uma pessoa que conhece o conteúdo do documento. Revise cada página em tamanho normal e em zoom alto. Leia os limites do verificador. Envie só a cópia que você inspecionou. O guia de recuperação explica como tarjas falsas, trechos cortados e camadas ocultas diferem do conteúdo realmente removido.

Uma lista final curta

• Termine cada edição antes da passada de privacidade e guarde o original à parte.
• Marque texto impresso, pixels digitalizados, valores repetidos, rótulos e imagens identificativas.
• Tire metadados e anexos, e depois renomeie o arquivo fora do PDF.
• Busque, selecione, inspecione propriedades e passe o verificador de tarja na cópia baixada.
• Envie o arquivo exato que você conferiu, não uma exportação anterior da mesma pasta.

Se você precisa tarjar informação num PDF hoje, use primeiro a ferramenta e esta lista como passada de revisão. Se precisa tarjar texto num PDF que é só digitalização, use caixas desenhadas em vez de buscar. Se o trabalho se descreve como "tapar um PDF", vale a mesma regra: o conteúdo tem de ser destruído, não escondido atrás de tinta preta.