Cómo censurar un PDF para que el texto desaparezca de verdad

La forma clásica de filtrar un documento es dibujar rectángulos negros sobre lo sensible y enviar el PDF. El rectángulo es una figura apoyada encima de la página. El texto sigue debajo, sigue seleccionable, lo sigue encontrando la búsqueda, y cualquiera que arrastre el cursor por la barra negra y pegue obtiene el nombre que querías ocultar. Una censura de verdad tiene que destruir el texto, no taparlo.

Escribe las palabras en vez de pintar encima

Sube el PDF y escribe lo que tiene que desaparecer: un nombre, un número de cuenta, una calle. Cada aparición se localiza en todo el documento, se tapa en negro y la página se reconstruye, de modo que esas palabras ya no están en el archivo. No tienes que ir a cazar la decimocuarta mención en la página 31.

Algunas cosas sobre cómo funciona la coincidencia, porque cambian lo que deberías escribir:

• Separa los términos con comas. Un término puede tener varias palabras, así que Juan García atrapa el nombre entero, siempre que quepa en una sola línea. Si un nombre queda partido por un salto de línea, pon cada mitad como término aparte.
• Las mayúsculas dan igual. confidencial atrapa CONFIDENCIAL y Confidencial.
• Las coincidencias parciales cuentan. 2024 también tacha 2024-06-15, y garcía tacha garcíaparra. Suele venir bien, pero revisa el resultado si tu término es corto o común.

Si ninguno de los términos aparece, el trabajo se detiene con un mensaje en lugar de devolverte un archivo intacto con pinta de censurado.

El documento vuelve convertido en imágenes

Este es el precio que hace que la censura sea real. En lugar de borrar caracteres y confiar en que nada más del archivo siga apuntando a ellos, cada página se renderiza como imagen y las cajas negras se pintan sobre los píxeles. No queda ninguna capa de texto que recuperar, en ninguna página.

Lo que eso te cuesta:

• La búsqueda y la selección dejan de funcionar. Ctrl+F no encuentra nada y no puedes copiar un párrafo.
• El archivo suele engordar, a veces bastante, porque las imágenes de página ocupan más que el texto. Comprímelo después si tienes que enviarlo por correo.
• Las propiedades del documento no se conservan. La salida es un PDF nuevo, así que el título, el autor y demás metadatos originales desaparecen. Para un documento que estás a punto de entregar, normalmente es lo que quieres.

Compruébalo antes de enviarlo

Dos segundos de verificación, siempre. Abre el archivo censurado, pulsa Ctrl+F y busca la palabra que quitaste. Después intenta seleccionar el texto que hay bajo una caja negra. No encontrar nada y no seleccionar nada es el aspecto de una censura limpia.

Aparte, merece la pena pensar en si lo tachado se puede deducir de lo que queda. Un nombre tapado en un documento que en otra parte incluye la dirección de correo del remitente no está protegido. Lee las frases de alrededor como si fueras la persona que intenta averiguarlo.

Recuperar la búsqueda después

Si el documento censurado también tiene que poder buscarse, pásalo por OCR cuando termines. El OCR lee las imágenes de las páginas y añade una capa de texto nueva construida a partir de lo visible, así que las palabras que quitaste no pueden volver. Hazlo en ese orden: primero tachar, después OCR.

Preguntas frecuentes

¿Y si el texto que tengo que tachar está en un escaneo?

No hay texto que encontrar, así que no coincidirá nada. Pasa primero el escaneo por OCR para añadir una capa de texto, luego tacha, y vuelve a aplicar OCR al final si necesitas la búsqueda. Revisa bien el resultado: si el OCR lee mal un carácter, esa aparición no se detectará y seguirá ahí a la vista.

¿Puedo tachar una zona en lugar de palabras concretas?

Con esta herramienta no, porque trabaja a partir de las palabras que escribes. Cuando el objetivo es quitar una cabecera, un pie o un bloque de firma por su posición, recortar los márgenes encaja mejor, teniendo en cuenta que recortar oculta el contenido en vez de borrarlo. Si algo tiene que desaparecer de verdad, mete una palabra de esa zona en la lista de términos.