Como tarjar um PDF para que o texto suma de verdade

O jeito clássico de vazar um documento é desenhar retângulos pretos por cima das partes sensíveis e mandar o PDF. O retângulo é uma forma apoiada sobre a página. O texto continua embaixo, continua selecionável, continua sendo achado pela busca, e quem arrastar o cursor pela barra preta e colar recebe o nome que você queria esconder. Tarjar de verdade exige destruir o texto, não cobri-lo.

Digite as palavras em vez de pintar por cima

Envie o PDF e digite o que precisa sumir: um nome, um número de conta, uma rua. Cada ocorrência é localizada no documento inteiro, coberta de preto, e a página é reconstruída, de modo que as palavras não estão mais no arquivo. Você nunca precisa caçar a décima quarta menção na página 31.

Alguns detalhes de como a correspondência funciona, porque eles mudam o que você deve digitar:

• Separe os termos por vírgula. Um termo pode ter várias palavras, então João Silva pega o nome inteiro, desde que ele caiba em uma linha só. Se um nome ficar quebrado no fim da linha, liste as duas metades como termos separados.
• Maiúsculas não importam. confidencial pega CONFIDENCIAL e Confidencial.
• Correspondência parcial conta. 2024 também tarja 2024-06-15, e silva tarja Silveira. Costuma ajudar, mas confira o resultado se o termo for curto ou comum.

Se nenhum dos termos aparecer, o trabalho para com uma mensagem em vez de devolver um arquivo intacto com cara de tarjado.

O documento volta em imagens

Esse é o preço que torna a tarja real. Em vez de apagar caracteres e torcer para que nada mais no arquivo continue apontando para eles, cada página é renderizada como figura e as caixas pretas são pintadas sobre os pixels. Não sobra camada de texto para recuperar, em página nenhuma.

O que isso custa:

• Busca e seleção param de funcionar. O Ctrl+F não acha nada, e não dá para copiar um parágrafo.
• O arquivo normalmente engorda, às vezes bastante, porque imagens de página ocupam mais espaço que texto. Comprima depois se precisar enviar por e-mail.
• As propriedades do documento não são mantidas. A saída é um PDF novo, então título, autor e demais metadados originais somem. Para um documento que você está prestes a entregar, isso costuma ser o resultado certo.

Confira antes de enviar

Dois segundos de verificação, sempre. Abra o arquivo tarjado, pressione Ctrl+F e procure a palavra que você removeu. Depois tente selecionar o texto sob uma caixa preta. Não achar nada e não conseguir selecionar nada é a cara de uma tarja limpa.

Vale pensar à parte se o que foi tarjado pode ser deduzido do que sobrou. Um nome coberto num documento que em outro ponto traz o e-mail do remetente não está protegido. Leia as frases ao redor como se você fosse a pessoa tentando descobrir.

Recuperando a busca depois

Se o documento tarjado ainda precisa ser pesquisável, passe-o pelo OCR quando terminar. O OCR lê as imagens das páginas e cria uma camada de texto nova a partir do que está visível, então as palavras removidas não voltam. Faça nessa ordem: primeiro tarjar, depois OCR.

Perguntas frequentes

E se o texto a tarjar estiver em uma digitalização?

Não há texto para achar, então nada vai corresponder. Aplique OCR na digitalização primeiro para criar uma camada de texto, depois tarje, e rode o OCR de novo no fim se precisar da busca. Confira o resultado com atenção: se o OCR ler um caractere errado, aquela ocorrência não será pega e continuará ali, à vista.

Posso tarjar uma área em vez de palavras específicas?

Com esta ferramenta não, porque ela trabalha a partir das palavras que você digita. Quando a ideia é remover um cabeçalho, um rodapé ou um bloco de assinatura pela posição, recortar as margens encaixa melhor, lembrando que o recorte esconde o conteúdo em vez de apagá-lo. Se algo precisa sumir de verdade, coloque uma palavra daquela área na lista de termos.