Como ocultar texto num PDF corretamente (a caixa preta não chega)
Desenhar uma caixa preta sobre texto sensível não o remove, as palavras continuam por baixo. Eis porque isso falha, e uma forma genuinamente segura de ocultar texto num PDF no seu navegador.
Precisa de partilhar um documento, mas ocultar algumas linhas sensíveis, um salário, uma morada, o nome de alguém. Então desenha um retângulo preto sobre o texto e envia. Parece ocultado. Não está. Este exato erro já deu origem à fuga de processos judiciais, expôs informadores e envergonhou governos, porque as palavras continuam dentro do ficheiro, mesmo por baixo da caixa.
Se alguma vez tapou algo a preto e assumiu que tinha desaparecido, vale a pena gastar dois minutos com este texto.
Porque é que uma caixa preta falha
Um PDF guarda o seu conteúdo em camadas. O texto é uma coisa; uma forma desenhada por cima é outra. Quando coloca um retângulo preto sobre uma frase, adicionou um elemento gráfico acima das palavras, mas não tocou nas próprias palavras. Continuam lá, como texto real e selecionável, escondido apenas visualmente.
Qualquer pessoa as pode recuperar, e não se trata de pirataria. Selecione a área e copie. Ou passe o ficheiro por um extrator de texto. O texto “escondido” sai diretamente, caixa e tudo. O retângulo preto enganou os seus olhos, não o ficheiro.
Pode provar isto a si próprio. Pegue num PDF em que algo foi tapado com uma caixa e extraia o seu texto. As palavras supostamente ocultadas aparecem no resultado, porque nunca foram removidas. Esse é o teste, e é também o aviso.
A mesma armadilha com os metadados
Mesmo quando o texto visível é tratado, um documento pode deixar escapar informação através dos seus metadados, as propriedades ocultas que carregam um nome de autor, um histórico de edições e mais. Ocultar a sério significa pensar também naquilo que está escondido na estrutura do ficheiro, não apenas no que está na página.
Uma forma genuinamente segura de ocultar texto, no seu navegador
O princípio fiável: não tape o texto, destrua-o. Se as palavras sensíveis já não existirem como texto no ficheiro, não há nada a recuperar. Eis uma forma de fazer isso com ferramentas baseadas no navegador, sem nada carregado:
- Tape as partes sensíveis. Coloque um bloco sólido sobre cada pedaço de texto que precisa de eliminar, para que fique escondido visualmente. Por si só, isto ainda não é seguro, é o passo seguinte que conta.
- Achate as páginas em imagens. Converta o documento em imagens com PDF para imagens. Isto transforma cada página numa imagem plana. O efeito crucial: o texto deixa de ser texto e passa a ser pixels. Aquilo que estava por baixo do seu bloco passa a ser apenas parte de uma imagem, e o bloco fica pintado permanentemente por cima.
- Reconstrua o PDF. Volte a transformar essas imagens num PDF com imagens para PDF. Tem novamente um documento, mas um em que o texto ocultado genuinamente já não existe como texto recuperável.
- Verifique. Passe o resultado por extrair texto. Se as palavras sensíveis não aparecerem, desapareceram de verdade. Esta verificação é o objetivo de tudo, faça-a sempre.
Um compromisso a conhecer: achatar para imagens remove a camada de texto real de todo o documento, por isso a coisa inteira passa a ser uma imagem e deixa de ser pesquisável. É precisamente por isso que o texto oculto não pode ser recuperado. Se precisar que o resto do documento seja pesquisável, pode fazer-lhe OCR depois, o que reconstrói uma camada de texto a partir do que está visível, e as áreas ocultadas, agora apenas pixels pretos, não têm nada para o OCR ler.
Porque é que isto tem de ficar na sua máquina
Pense no que está a ocultar: é sensível por definição, é por isso que o está a esconder. Carregar esse documento para uma ferramenta de “ocultação” online significa entregar o original sem ocultação, com o texto sensível totalmente intacto, ao servidor de um estranho. Aquilo que está a tentar proteger fica exposto no próprio ato de o proteger.
O reader.me funciona no seu navegador. Cada passo acima acontece no seu próprio dispositivo: o ficheiro é lido para a memória localmente, processado ali e devolvido a si, sem nada carregado. Pode confirmá-lo com as ferramentas de programador (F12) no separador Rede, ou fazendo tudo offline.
Ocultar a sério tem a ver com remoção, não com encobrimento. Uma caixa preta esconde o texto dos seus olhos; achatar remove-o do ficheiro. Faça-o localmente, verifique com uma extração de texto todas as vezes, e poderá partilhar um documento sabendo que aquilo que escondeu desapareceu realmente.