Začernit text v PDF
ve vašem prohlížeči.

Zakrýt text, který nechcete sdílet

Důvody k redakci (redact) PDF se obvykle týkají skrytí částí dokumentu při zachování čitelnosti zbytku. Smlouva s domácí adresou protistrany jde třetímu recenzentovi, který by tu adresu vidět neměl. Lékařské doporučení se sdílí s pojišťovnou, kde má být identifikátor pacienta zakrytý. Účetní výkaz je přílohou pro představenstvo, ale čísla účtů na úrovni jednotky musí být zakrytá. Návrh projektu je ukazován kandidátským dodavatelům s přeškrtnutou rozpočtovou položkou, aby nezakotvili na čísle. Úkol je tu malý a předvídatelný: napíšete slova či fráze ke skrytí a nástroj nakreslí neprůhledný černý obdélník nad každý výskyt na každé stránce.

Před zakrýváním čehokoli citlivého si pečlivě přečtěte: toto je vizuální redakce, ne forenzní. Černé obdélníky zakrývají text na obrazovce a v tisku, ale podkladový text zůstává v souboru. Kdokoli s nástrojem na PDF jej vytáhne kopírováním-vkládáním, vyhledáváním nebo inspekcí content-streamu. Je to vhodné, když náhodní čtenáři text nemají vidět — odeslání návrhu, skrytí neveřejných čísel účtů kolegovi, maskování telefonního čísla na snímku. Není to vhodné pro publikace v režimu zákona o svobodném přístupu, soudní podání nebo cokoli, kde se protivník dívá pečlivě.

Jak shoda funguje

Zadáte jeden či více vzorů. Každý vzor se hledá jako case-insensitive whole-substring shoda proti textovým fragmentům uvnitř PDF. Když fragment obsahuje váš vzor, nad celým bounding-rect fragmentu se nakreslí černý obdélník.

Praktické důsledky:

• Shoda po podřetězci, ne po celém slově. Vzor art zakryje «art», «artist», «smart», «martin». Dělejte vzory dostatečně specifické — celá jména, celá čísla účtů, celé e-maily.
• Bez ohledu na velikost písmen. Vzor Anna zakryje «Anna», «anna», «ANNA».
• Žádné regex, žádné zástupné znaky. Co napíšete, je doslovná sekvence ke shodě.
• Pokrytí po fragmentech. PDF ukládá text ve fragmentech; nakreslený bounding rect zakryje celý fragment. Pokud váš vzor zasáhne slovo ve fragmentu, který obsahuje víc textu, okolní text se taky zakryje. Obvykle to chcete; někdy uvidíte víc zakrytého, než jste čekali.
• Vzory přes hranice fragmentů se minou. «Jan Novák» je v některých PDF jeden fragment a v jiných dva. Pokud je rozdělen, vzor se na složeném řetězci neshodne. Přidejte části jako samostatné vzory: Jan Novák, Novák, Jan.

Černý obdélník má 1 bod paddingu kolem zjištěného bounding boxu — kvůli sub-pixelovému umístění glyfů, aby na okrajích nevykukovaly proužky původního textu.

Co je skryté vs. co stále v souboru

Tato sekce je důležitější než jakákoli jiná. Černý obdélník je kreslicí instrukce v content-streamu stránky. Původní text je také v content-streamu, pod ním. PDF čtečky je zobrazují v pořadí: nejprve text, pak obdélník nahoře, takže obdélník vyhrává vizuálně. Ale text sám se nemaže.

Co to konkrétně znamená:

• Kopírování-vkládání získá původní text. Vybráním redigované oblasti v Adobe Readeru a kopírováním získáte slova, která jste chtěli skrýt. Černý obdélník není vybíratelný; text pod ním ano.
• Vyhledávače text najdou. Pokud je redigované PDF nahráno na web, vyhledávání po redigovaném jméně vynese dokument na světlo.
• Opětovné uložení v jiném PDF nástroji může obě vrstvy zachovat. Některé nástroje content-stream přebudují a mohly by redakce odhodit; jiné si je drží.
• Forenzní nástroje vytáhnou originál snadno. Jakýkoli PDF parser umí vypsat všechny content-streamy textu. Obdélník je jen samostatná kresba.

Pro situace, kdy podkladový text musí opravdu zmizet — publikace v režimu transparentnosti, důkazy u soudu, vše, co jde k protivníkovi — potřebujete jiný workflow: znovu exportovat zdrojový dokument se smazaným citlivým textem, nebo převést stránku na obrázek a znovu provést OCR (což trvale odstraní textovou vrstvu).

Co přežije a co ne

• Viditelný obsah stránek zůstává stejný. Vše, co se neshodlo, zůstává přesně jako bylo — stejné fonty, stejná sazba, stejné obrázky.
• Záložky, anotace, odkazy, pole formuláře — vše přežije. Obdélníky jsou přidané kresby; nic jiného se nepřebudovává.
• Původní text se zachovává pod ním. Viz sekce výše. To je ústřední omezení.
• Digitální podpisy se zneplatní. Jakákoli úprava dokumentu, včetně přidání obdélníků, poruší vazbu podpisu.
• Šifrovaná PDF je třeba nejprve odemknout. Protáhněte přes unlock-pdf s heslem před redakcí.

Když něco vypadá divně

• «At least one redaction pattern required». Seznam vzorů byl prázdný. Napište alespoň jedno slovo nebo frázi.
• Vzor se shodl, ale zakryl víc textu, než se čekalo. PDF uložilo tu linku jako jediný fragment a obdélník je po fragmentech. Obvykle přijatelné; pokud je to problém, je nutné znovu exportovat zdroj se správně odstraněným textem.
• Vzor se neshodl s tím, co jsem čekal. Tři obvyklé příčiny: (1) text je v naskenovaném obrázku, ne v textové vrstvě — nástroj v obrázku text nevidí; nejprve OCR přes pdf-to-txt nebo dedikovaný nástroj. (2) Vzor přesahuje fragmenty — rozdělte na kratší. (3) PDF používá nelatinské znaky s rozbitým kódováním; kopírování z prohlížeče pro ověření, co tam je, je nejrychlejší diagnostika.
• Redigoval jsem, ale kolega vytáhl text kopírováním-vkládáním. Funguje, jak je dokumentováno — pouze vizuální redakce. Pro skutečné odstranění znovu exportujte ze zdroje.

Praktické poznámky

1. Používejte pro vizuální skrytí, ne pro scénáře s protivníkem. Skrýt jméno v návrhu odeslaném kamarádovi, který nebude extrahovat: ok. Skrýt jméno v soudním podání, kde druhá strana spustí forenzní nástroje: ne ok.
2. Specifické vzory před generickými. Redigujte +420-2-555-0123, ne 0123. Redigujte [email protected], ne jane. Specifické vzory méně přepokrývají a stejně dobře skryjí, co jste chtěli.
3. Ověřujte kopírováním. Po redakci otevřete výsledek v prohlížeči, vyberte redigovanou oblast, zkopírujte. Pokud vyjde původní text, omezení jste potvrdili — pokračujte jen, pokud vám vizuální skrytí stačí.
4. Pro trvalé odstranění použijte zdroj. Pokud dokument vznikl z Wordu, upravte Word a znovu exportujte. Pokud z DB, dotažte se znovu bez citlivých polí. Nástroj redakce PDF je pro případy, kdy zdroj nemáte.
5. Původní soubor zůstává nedotčen. Stahujete nové redigované PDF; zdroj na disku se nemění.

Co se děje s vaším souborem

Redakce běží ve vašem prohlížeči. Napsané vzory a obsah souboru tuto záložku nikdy neopouštějí. Otevřete DevTools a sledujte záložku Network během operace — žádné odchozí požadavky s obsahem souboru ani vzory. PDF zůstává na disku; redigovaná verze je nové stažení vedle něj.