Marcar y rasterizar áreas sensibles en un PDF
Dibujar un rectángulo negro sobre el texto no es necesariamente censura. En muchos editores de PDF, el texto original permanece debajo del rectángulo y aún se puede copiar, buscar o extraer.
Esta herramienta adopta un enfoque destructivo para las páginas que contienen marcas: representa la página como una imagen, graba las áreas negras en esos píxeles y coloca la imagen aplanada en una página PDF nueva. Las páginas sin marcar se copian en lugar de rasterizarse.
Por qué una superposición puede fallar
Las páginas PDF pueden contener texto seleccionable, formas vectoriales, imágenes, anotaciones, capas opcionales, formularios y archivos adjuntos. Colocar un rectángulo negro encima de un objeto puede dejar intacto el objeto original debajo de él.
Un destinatario puede seleccionar el texto cubierto, eliminar la superposición, buscar en el documento, inspeccionar comentarios o extraer contenido con otro analizador. Por lo tanto, la apariencia por sí sola es una prueba incompleta.
Qué cambia al rasterizar una página marcada
La página marcada se representa en píxeles, los rectángulos se graban en esa imagen y se crea una nueva página a partir del resultado aplanado. El texto original y los objetos vectoriales de esa página marcada no se copian en el flujo de contenido de la nueva página.
La compensación es sustancial: la búsqueda y selección de texto desaparece, la accesibilidad se reduce, los enlaces y formularios se pierden, y la resolución de la imagen controla la calidad y el tamaño del archivo. Las páginas sin marcar siguen siendo páginas PDF originales y necesitan su propia revisión.
Marque el contexto, no solo los personajes.
Extiende una marca más allá de los glifos completos y examina el contexto cercano. Un encabezado de columna, un sufijo de cuenta repetido, un nombre de archivo, una fecha o un encabezado de página pueden identificar información incluso después de cubrir el valor obvio.
Inspeccione cada página y cada ocurrencia. La herramienta no detecta nombres ni números y no puede decidir qué considera identificable una regla de divulgación.
Intenta dividir el resultado antes de compartirlo.
Busque cada frase eliminada, arrastre una selección por el área, copie el texto de la página, inspeccione las propiedades, enumere los archivos adjuntos y abra el archivo en un segundo visor. Amplíe cada borde de cada marca.
Para divulgaciones reguladas, legales, médicas o de altas consecuencias, combine estas verificaciones con el proceso de censura aprobado por la organización. Una herramienta de navegador no puede certificar el cumplimiento de cada documento o jurisdicción.
Consulta la información sobre cada área cubierta.
Eliminar los píxeles seleccionados es solo una parte de la revisión de divulgación. Los nombres de archivos, encabezados, números de páginas, identificadores repetidos, marcadores, nombres de archivos adjuntos, comentarios y contexto cercano pueden revelar el mismo hecho indirectamente. Una oración restante puede identificar a una persona incluso cuando el nombre ya no existe. Revise el documento una vez como archivo técnico y otra vez como lector que intenta activamente inferir la información eliminada. Si las consecuencias de la divulgación son altas, haga que una segunda persona compare la copia exportada con una lista de eliminación escrita y el proceso aprobado por la organización antes de su liberación.
Inicio rápido: LocalUtils
- Agregue un PDF y espere a que se procesen las vistas previas de la página.
- Abra cada página que contenga material confidencial y dibuje cuadros un poco más allá del área completa que debe desaparecer.
- Revise cada página con un zoom útil, incluidos encabezados, pies de página, identificadores repetidos, archivos adjuntos, comentarios y páginas sin marcas.
- Exporte el PDF reconstruido, vuelva a abrirlo en otro visor, busque el texto eliminado e inspeccione las propiedades del documento antes de compartirlo.
Qué hace el navegador
PDF.js representa páginas marcadas a aproximadamente 2,5 veces la escala de la página. Los rectángulos de censura están pintados en el lienzo. Luego, PDF-lib crea una página nueva que contiene esa imagen rasterizada.
La rasterización elimina el texto seleccionable original y el contenido vectorial de la página marcada de la página exportada, pero también cambia la calidad, la accesibilidad, la capacidad de búsqueda, los formularios, los enlaces y el tamaño del archivo. Las páginas sin marcar conservan sus flujos de contenido PDF originales.
Entradas y salidas
- Entrada: un PDF que PDF.js puede representar.
- Marcas: regiones rectangulares dibujadas en vistas previas de páginas.
- Salida: un PDF con páginas marcadas rasterizadas y páginas copiadas sin marcar.
Límites que debes conocer antes de empezar
- La herramienta no puede saber si se marcaron todas las áreas sensibles.
- Las páginas no marcadas se copian, por lo que su texto original, metadatos, anotaciones y archivos adjuntos requieren una revisión por separado.
- Las páginas rasterizadas pierden texto seleccionable y pueden ser menos accesibles.
- Un cuadro negro visual puede ocultar muy poco si la marca no cubre el glifo completo o el contexto circundante.
Lista de verificación de verificación
- Busque en el PDF exportado cada nombre, número y frase eliminados.
- Intente seleccionar o copiar texto de cada página rasterizada.
- Inspeccionar metadatos, archivos adjuntos, comentarios y páginas sin marcar de forma independiente; las marcas de censura no las limpian.
Solución de problemas
- Si aparece texto fuera de un cuadro, amplíe la marca y exporte nuevamente.
- Si una página parece suave, compare el resultado con el zoom de lectura normal; la rasterización cambia la editabilidad por el aplanamiento destructivo.
- Si el PDF contiene formularios, firmas, capas o archivos adjuntos, utilice un flujo de trabajo de seguridad de PDF dedicado e inspeccione esos objetos por separado.
Preguntas que hace la gente
¿Es suficiente una captura de pantalla de la página?
Una captura de pantalla también aplana los píxeles, pero las capturas de pantalla manuales pueden recortar contenido, reducir la calidad, cambiar el tamaño de la página u omitir páginas. Una exportación controlada es más fácil de revisar.
¿Por qué inspeccionar páginas sin marcar?
Se copian para preservar la calidad, de modo que el texto de búsqueda, las anotaciones, los metadatos y los archivos adjuntos no se eliminen mediante marcas en otros lugares.
¿Se pueden censurar los archivos adjuntos ocultos con rectángulos?
No. Los rectángulos afectan los píxeles de la página renderizada. Los archivos adjuntos y otros objetos a nivel de documento requieren eliminación e inspección por separado.