Cách che thông tin trong PDF để chữ biến mất thật sự

Cách kinh điển để làm lộ một tài liệu là vẽ mấy ô chữ nhật đen lên chỗ nhạy cảm rồi gửi tệp PDF đi. Ô chữ nhật ấy chỉ là một hình nằm trên trang. Chữ vẫn ở bên dưới, vẫn bôi chọn được, vẫn bị tìm kiếm tóm ra, và ai kéo con trỏ qua vệt đen rồi dán là có ngay cái tên bạn định giấu. Che thông tin cho ra che thì phải phá huỷ chữ, chứ không phải phủ lên nó.

Gõ từ ra, đừng tô đè lên

Tải PDF lên rồi gõ những gì cần biến mất: một cái tên, một số tài khoản, một địa chỉ. Mọi lần xuất hiện đều được tìm ra trong toàn tài liệu, bôi đen, và trang được dựng lại để những từ đó không còn nằm trong tệp nữa. Bạn không phải đi săn lần nhắc thứ mười bốn ở trang 31.

Vài điều về cách khớp từ, vì nó ảnh hưởng đến thứ bạn nên gõ vào:

• Ngăn cách các từ bằng dấu phẩy. Một mục có thể gồm nhiều từ, nên Nguyễn An bắt trọn cả cái tên, miễn là nó nằm gọn trên một dòng. Nếu một cái tên bị ngắt sang dòng dưới, hãy khai hai nửa thành hai mục riêng.
• Chữ hoa chữ thường không quan trọng. confidential tóm được cả CONFIDENTIAL lẫn Confidential.
• Khớp một phần cũng được tính. 2024 bôi đen luôn 2024-06-15, và an sẽ bôi đen cả Anh. Thường là tiện, nhưng hãy kiểm tra kết quả nếu từ của bạn ngắn hoặc quá phổ biến.

Nếu không từ nào xuất hiện, tác vụ dừng lại kèm thông báo thay vì trả cho bạn một tệp còn nguyên nhưng trông như đã được che.

Tài liệu quay về dưới dạng ảnh

Đây chính là cái giá khiến việc che trở thành thật. Thay vì xoá ký tự rồi hy vọng không còn chỗ nào khác trong tệp tham chiếu tới chúng, mỗi trang được dựng thành ảnh và các ô đen được tô lên điểm ảnh. Không còn lớp văn bản nào để khôi phục, ở bất kỳ trang nào.

Cái giá phải trả:

• Tìm kiếm và bôi chọn thôi hoạt động. Ctrl+F không tìm thấy gì, và bạn cũng không sao chép được một đoạn văn.
• Tệp thường phình to hơn, đôi khi to hơn nhiều, vì ảnh trang chiếm chỗ hơn chữ. Nén lại sau đó nếu cần gửi qua email.
• Thuộc tính tài liệu không được giữ lại. Kết quả là một tệp PDF dựng mới, nên tiêu đề, tác giả và các siêu dữ liệu gốc đều mất. Với tài liệu sắp bàn giao, đó thường lại là điều bạn muốn.

Kiểm tra trước khi gửi

Hai giây kiểm chứng, lần nào cũng vậy. Mở tệp đã che, nhấn Ctrl+F và tìm từ bạn vừa loại bỏ. Rồi thử bôi chọn phần chữ dưới một ô đen. Không tìm thấy gì và không chọn được gì, đó là dáng vẻ của một bản che sạch sẽ.

Một chuyện đáng cân nhắc riêng: từ bị che có thể suy ra từ phần còn lại không? Một cái tên bôi đen trong tài liệu mà chỗ khác vẫn ghi địa chỉ email người gửi thì coi như chưa được bảo vệ. Hãy đọc các câu xung quanh bằng con mắt của người đang cố đoán ra.

Lấy lại khả năng tìm kiếm sau đó

Nếu tài liệu đã che vẫn phải tìm kiếm được, hãy cho nó qua OCR sau khi xong. OCR đọc các ảnh trang và tạo một lớp văn bản mới từ những gì nhìn thấy, nên các từ bạn đã bỏ không thể quay lại. Làm đúng thứ tự này: che trước, OCR sau.

Câu hỏi thường gặp

Nếu chữ cần che nằm trong bản quét thì sao?

Không có chữ để tìm, nên chẳng có gì khớp cả. Hãy chạy OCR cho bản quét trước để thêm lớp văn bản, rồi che, rồi chạy OCR lần nữa ở cuối nếu bạn cần tìm kiếm. Kiểm tra kết quả thật kỹ: OCR đọc sai một ký tự là chỗ đó không được khớp, và nó vẫn nằm chình ình ra đấy.

Tôi bôi đen theo vùng thay vì theo từ được không?

Công cụ này thì không, vì nó làm việc dựa trên các từ bạn gõ vào. Khi mục tiêu là bỏ tiêu đề trang, chân trang hay khối chữ ký theo vị trí, cắt lề hợp hơn, nhưng nhớ rằng cắt chỉ giấu nội dung chứ không xoá. Với thứ buộc phải biến mất thật sự, hãy đưa một từ trong vùng đó vào danh sách cần che.