Marcar e rasterizar áreas sensíveis em um PDF
Desenhar um retângulo preto sobre o texto não é necessariamente uma ocultação. Em muitos editores de PDF, o texto original permanece sob o retângulo e ainda pode ser copiado, pesquisado ou extraído.
Esta ferramenta adota uma abordagem destrutiva para páginas que contêm marcas: ela renderiza a página como uma imagem, queima as áreas pretas nesses pixels e coloca a imagem achatada em uma nova página PDF. As páginas não marcadas são copiadas em vez de rasterizadas.
Por que uma sobreposição pode falhar
As páginas PDF podem conter texto selecionável, formas vetoriais, imagens, anotações, camadas opcionais, formulários e anexos. Colocar um retângulo preto acima de um objeto pode deixar o objeto original abaixo dele intacto.
Um destinatário pode selecionar o texto coberto, remover a sobreposição, pesquisar o documento, inspecionar comentários ou extrair conteúdo com outro analisador. A aparência por si só é, portanto, um teste incompleto.
O que a rasterização de uma página marcada muda
A página marcada é renderizada em pixels, os retângulos são gravados nessa imagem e uma nova página é criada a partir do resultado nivelado. O texto original e os objetos vetoriais dessa página marcada não são copiados no novo fluxo de conteúdo da página.
A desvantagem é substancial: a pesquisa e seleção de texto desaparecem, a acessibilidade é reduzida, links e formulários são perdidos e a resolução da imagem controla a qualidade e o tamanho do arquivo. As páginas não marcadas permanecem páginas PDF originais e precisam de sua própria revisão.
Marque o contexto, não apenas os caracteres
Estenda uma marca além dos glifos completos e examine o contexto próximo. Um cabeçalho de coluna, um sufixo de conta repetido, um nome de arquivo, uma data ou um cabeçalho de página podem identificar informações mesmo depois que o valor óbvio for coberto.
Inspecione cada página e cada ocorrência. A ferramenta não detecta nomes ou números e não pode decidir o que uma regra de divulgação considera identificar.
Tente quebrar o resultado antes de compartilhá-lo
Pesquise cada frase removida, arraste uma seleção pela área, copie o texto da página, inspecione propriedades, liste anexos e abra o arquivo em um segundo visualizador. Amplie cada borda de cada marca.
Para divulgação regulamentada, legal, médica ou de alta consequência, combine essas verificações com o processo de ocultação aprovado pela organização. Uma ferramenta de navegador não pode certificar a conformidade de todos os documentos ou jurisdições.
Verifique as informações em torno de cada área coberta
A remoção dos pixels selecionados é apenas uma parte da revisão da divulgação. Nomes de arquivos, cabeçalhos, números de páginas, identificadores repetidos, marcadores, nomes de anexos, comentários e contexto próximo podem revelar o mesmo fato indiretamente. Uma frase restante pode identificar uma pessoa mesmo quando o nome desaparece. Revise o documento uma vez como um arquivo técnico e novamente como um leitor que está ativamente tentando inferir as informações removidas. Se a consequência da divulgação for elevada, peça a uma segunda pessoa que compare a cópia exportada com uma lista de remoção escrita e o processo aprovado pela organização antes da divulgação.
Início rápido: LocalUtils
- Adicione um PDF e aguarde a renderização das visualizações da página.
- Abra cada página que contenha material sensível e desenhe caixas um pouco além de toda a área que deve desaparecer.
- Revise cada página com zoom útil, incluindo cabeçalhos, rodapés, identificadores repetidos, anexos, comentários e páginas sem marcas.
- Exporte o PDF reconstruído, reabra-o em outro visualizador, procure o texto removido e inspecione as propriedades do documento antes de compartilhar.
O que o navegador faz
PDF.js renderiza páginas marcadas em aproximadamente 2,5 vezes a escala da página. Os retângulos de ocultação são pintados na tela. PDF-lib então cria uma nova página contendo essa imagem raster.
A rasterização remove o texto original selecionável e o conteúdo vetorial da página marcada da página exportada, mas também altera a qualidade, a acessibilidade, a capacidade de pesquisa, os formulários, os links e o tamanho do arquivo. As páginas não marcadas mantêm seus fluxos de conteúdo PDF originais.
Entradas e saídas
- Entrada: um PDF que o PDF.js pode renderizar.
- Marcas: regiões retangulares desenhadas nas visualizações de páginas.
- Saída: um PDF com páginas marcadas rasterizadas e páginas não marcadas copiadas.
Limites a saber antes de começar
- A ferramenta não consegue saber se todas as áreas sensíveis foram marcadas.
- As páginas não marcadas são copiadas, portanto, seu texto original, metadados, anotações e anexos exigem revisão separada.
- As páginas rasterizadas perdem o texto selecionável e podem ficar menos acessíveis.
- Uma caixa preta visual pode ocultar muito pouco se a marca não cobrir todo o glifo ou contexto circundante.
Lista de verificação de verificação
- Pesquise no PDF exportado cada nome, número e frase removidos.
- Tente selecionar ou copiar o texto de cada página rasterizada.
- Inspecione metadados, anexos, comentários e páginas não marcadas de forma independente; marcas de ocultação não as limpam.
Solução de problemas
- Se o texto aparecer fora de uma caixa, amplie a marca e exporte novamente.
- Se uma página parecer suave, compare a saída com zoom de leitura normal; a rasterização troca a editabilidade pelo achatamento destrutivo.
- Se o PDF contiver formulários, assinaturas, camadas ou anexos, use um fluxo de trabalho de segurança de PDF dedicado e inspecione esses objetos separadamente.
Perguntas que as pessoas fazem
Uma captura de tela da página é suficiente?
Uma captura de tela também nivela os pixels, mas as capturas de tela manuais podem cortar o conteúdo, reduzir a qualidade, alterar o tamanho da página ou omitir páginas. Uma exportação controlada é mais fácil de revisar.
Por que inspecionar páginas não marcadas?
Eles são copiados para preservar a qualidade, para que o texto pesquisável, as anotações, os metadados e os anexos não sejam removidos por marcas em outros lugares.
Os anexos ocultos podem ser redigidos com retângulos?
Não. Os retângulos afetam os pixels da página renderizada. Anexos e outros objetos em nível de documento exigem remoção e inspeção separadas.