Redaguj tekst w PDF
w przeglądarce.

Zakryć tekst, którego nie chcesz udostępnić

Powody zaczerniania (redact) PDF zwykle dotyczą ukrycia części dokumentu, pozostawiając resztę czytelną. Umowa z adresem domowym kontrahenta idzie do trzeciego recenzenta, który nie powinien zobaczyć tego adresu. Skierowanie medyczne dzielone jest z ubezpieczycielem, gdzie identyfikator pacjenta ma zostać zakryty. Sprawozdanie finansowe załączane jest do pakietu dla zarządu, ale numery rachunków na poziomie jednostki muszą być zakryte. Propozycja projektowa pokazywana jest kandydującym dostawcom z zaczernioną pozycją budżetową, by składali oferty bez zakotwiczania na liczbie. Zadanie tutaj jest małe i przewidywalne: wpisujesz słowa lub frazy do ukrycia, a narzędzie rysuje nieprzezroczysty czarny prostokąt nad każdym wystąpieniem na każdej stronie.

Przeczytaj uważnie przed zaczernieniem czegokolwiek wrażliwego: to jest zaczernianie wizualne, nie kryminalistyczne. Czarne prostokąty zakrywają tekst na ekranie i przy druku, ale tekst u spodu pozostaje w pliku. Każdy z narzędziem PDF wyciągnie go przez kopiuj-wklej, wyszukiwanie lub inspekcję content-stream. Jest to odpowiednie, gdy zwykli czytelnicy nie powinni widzieć tekstu — wysłanie szkicu, ukrycie niepublicznych numerów rachunków przed kolegą, maskowanie numeru telefonu na zrzucie ekranu. Nie jest odpowiednie dla publikacji w trybie dostępu do informacji publicznej, pism procesowych ani niczego, gdzie przeciwnik patrzy uważnie.

Jak działa dopasowanie

Wpisujesz jeden lub więcej wzorców. Każdy wzorzec wyszukiwany jest jako dopasowanie whole-substring nieczułe na wielkość liter wobec fragmentów tekstu wewnątrz PDF. Gdy fragment zawiera Twój wzorzec, nad całym bounding-rect fragmentu rysowany jest czarny prostokąt.

Praktyczne konsekwencje:

• Dopasowanie po podciągu, nie po całym słowie. Wzorzec art zakryje «art», «artist», «smart», «martin». Rób wzorce dostatecznie specyficzne — pełne nazwiska, pełne numery rachunków, pełne adresy e-mail.
• Nieczułe na wielkość liter. Wzorzec Anna zakryje «Anna», «anna», «ANNA».
• Bez regex, bez gwiazdek. To, co wpiszesz, jest dosłowną sekwencją do dopasowania.
• Pokrycie pofragmentowe. PDF przechowuje tekst we fragmentach; rysowany bounding rect zakrywa cały fragment. Jeśli wzorzec trafia w słowo we fragmencie zawierającym więcej tekstu, otaczający tekst też zostanie zakryty. Zwykle to, czego chcesz; czasem zobaczysz więcej zakrytego niż się spodziewałeś.
• Wzorce przekraczające granice fragmentów są pomijane. «Jan Kowalski» to jeden fragment w niektórych PDF, dwa w innych. Jeśli rozdzielony, wzorzec nie dopasuje się do scalonego ciągu. Dodaj części jako osobne wzorce: Jan Kowalski, Kowalski, Jan.

Czarny prostokąt ma 1 punkt wyściełania wokół wykrytego bounding boxa — z powodu subpikselowego rozmieszczenia glifów, by paski oryginalnego tekstu nie wystawały po brzegach.

Co jest zakryte vs. co nadal jest w pliku

Ta sekcja liczy się bardziej niż jakakolwiek inna. Czarny prostokąt to instrukcja rysowania w content-stream strony. Oryginalny tekst też jest w content-stream, pod nim. Czytniki PDF wyświetlają je w kolejności: najpierw tekst, potem prostokąt na wierzchu, więc prostokąt wygrywa wizualnie. Ale sam tekst nie jest usuwany.

Co to znaczy konkretnie:

• Kopiuj-wklej zwraca oryginalny tekst. Zaznaczenie zaczernionego obszaru w Adobe Reader i skopiowanie daje słowa, które chciałeś ukryć. Czarny prostokąt nie jest zaznaczalny; tekst pod nim — tak.
• Wyszukiwarki znajdą tekst. Jeśli zaczerniony PDF wgrany na stronę, wyszukiwanie po zaczernionym imieniu wyciągnie dokument.
• Ponowne zapisanie w innym narzędziu PDF może zachować obie warstwy. Niektóre narzędzia odbudowują content-stream i mogą porzucić zaczernienia; inne zachowują.
• Narzędzia kryminalistyczne wyciągają oryginał łatwo. Każdy parser PDF wymieni wszystkie content-streams tekstu. Prostokąt to po prostu osobny rysunek.

Dla sytuacji, w których tekst u spodu naprawdę musi zniknąć — publikacje w trybie jawności, dowody w sądzie, wszystko, co idzie do przeciwnika — potrzebujesz innego workflow: ponownie wyeksportuj dokument źródłowy z usuniętym wrażliwym tekstem, lub przekształć stronę w obraz i ponownie OCR (co trwale usuwa warstwę tekstową).

Co przetrwa, a co nie

• Widoczna zawartość stron pozostaje taka sama. Wszystko, co się nie dopasowało, zostaje dokładnie jak było — te same fonty, ten sam układ, te same obrazy.
• Zakładki, adnotacje, linki, pola formularzy — wszystko przetrwa. Prostokąty to dorysowane dodatki; nic innego nie jest odbudowywane.
• Oryginalny tekst zostaje zachowany pod spodem. Zobacz sekcję wyżej. To centralne ograniczenie.
• Podpisy cyfrowe tracą ważność. Każda modyfikacja dokumentu, w tym dodawanie prostokątów, zrywa powiązanie podpisu.
• Zaszyfrowane PDF muszą najpierw zostać odblokowane. Przepuść przez unlock-pdf z hasłem przed zaczernieniem.

Jeśli coś wygląda nie tak

• «At least one redaction pattern required». Lista wzorców była pusta. Wpisz przynajmniej jedno słowo lub frazę.
• Wzorzec dopasował się, ale zakrył więcej tekstu niż oczekiwałem. PDF zachował tę linię jako jeden fragment, a prostokąt jest pofragmentowy. Zwykle akceptowalne; jeśli to problem, źródło trzeba ponownie wyeksportować z poprawnie usuniętym tekstem.
• Wzorzec nie dopasował się do tego, czego oczekiwałem. Trzy zwykłe przyczyny: (1) tekst jest w skanowanym obrazie, nie w warstwie tekstowej — narzędzie nie widzi tekstu w obrazie; najpierw OCR przez pdf-to-txt lub dedykowane narzędzie. (2) Wzorzec rozciąga się przez fragmenty — podziel na krótsze. (3) PDF używa znaków niełacińskich z popsutym kodowaniem; kopiowanie z przeglądarki, by zobaczyć, co tam naprawdę jest, to najszybsza diagnoza.
• Zaczerniłem, ale kolega wyciągnął tekst przez kopiuj-wklej. Działa zgodnie z dokumentacją — tylko zaczernienie wizualne. Dla rzeczywistego usunięcia ponownie wyeksportuj ze źródła.

Notatki praktyczne

1. Używaj do wizualnego ukrywania, nie do scenariuszy z przeciwnikiem. Ukrycie nazwiska w szkicu wysłanym do znajomego, który nie będzie wyciągał: ok. Ukrycie nazwiska w piśmie procesowym, gdzie strona przeciwna uruchomi narzędzia kryminalistyczne: nie ok.
2. Wzorce specyficzne nad generycznymi. Zaczerniaj +48-22-555-0123, nie 0123. Zaczerniaj [email protected], nie jane. Wzorce specyficzne mniej nadpokrywają i równie dobrze ukrywają to, co chciałeś.
3. Sprawdzaj kopiowaniem. Po zaczernieniu otwórz wynik w przeglądarce, zaznacz zaczerniony obszar, skopiuj. Jeśli wyjdzie oryginalny tekst, potwierdziłeś ograniczenie — kontynuuj tylko jeśli ukrycie wizualne wystarczy.
4. Dla trwałego usunięcia użyj źródła. Jeśli dokument pochodzi z Worda, edytuj Worda i ponownie wyeksportuj. Z bazy — odpytaj ponownie bez wrażliwych pól. Narzędzie zaczerniania PDF służy do przypadków, gdy źródła nie ma.
5. Plik źródłowy pozostaje nietknięty. Pobierany jest nowy zaczerniony PDF; źródło na dysku się nie zmienia.

Co dzieje się z twoim plikiem

Zaczernianie działa w twojej przeglądarce. Wpisane wzorce i zawartość pliku nigdy nie opuszczają tej karty. Otwórz DevTools i obserwuj zakładkę Network podczas operacji — żadnych żądań wychodzących z zawartością pliku ani wzorcami. PDF zostaje na dysku; wersja zaczerniona to nowe pobranie obok.