Как правильно вымарать данные в PDF (чёрного прямоугольника недостаточно)

Вам нужно поделиться документом, но скрыть несколько чувствительных строк — зарплату, адрес, чьё-то имя. Вы рисуете поверх текста чёрный прямоугольник и отправляете файл. Выглядит так, будто данные вымараны. Но это не так. Именно эта ошибка приводила к утечкам судебных материалов, раскрывала информаторов и ставила в неловкое положение целые правительства — потому что слова по-прежнему лежат в файле, прямо под прямоугольником.

Если вы хоть раз закрашивали что-то чёрным и считали, что оно исчезло, эти две минуты стоит потратить.

Почему чёрный прямоугольник не работает

PDF хранит содержимое слоями. Текст — это одно; фигура, нарисованная поверх, — совсем другое. Когда вы кладёте чёрный прямоугольник поверх предложения, вы добавляете графику над словами, но самих слов не трогаете. Они по-прежнему на месте — настоящий, выделяемый текст, скрытый лишь визуально.

Вернуть их может кто угодно, и это не взлом. Выделите область и скопируйте. Или прогоните файл через извлечение текста. «Скрытый» текст выходит целиком, вместе с прямоугольником. Чёрный прямоугольник обманул ваши глаза, а не файл.

В этом можно убедиться самому. Возьмите PDF, где что-то закрыто прямоугольником, и извлеките из него текст. Якобы вымаранные слова появятся в результате, потому что их никогда не удаляли. Это и есть проверка — и одновременно предупреждение.

Та же ловушка с метаданными

Даже когда с видимым текстом разобрались, документ может выдать информацию через метаданные — скрытые свойства, хранящие имя автора, историю правок и многое другое. Настоящее вымарывание означает, что нужно думать и о том, что спрятано в структуре файла, а не только о том, что на странице.

По-настоящему безопасный способ вымарать данные — прямо в браузере

Надёжный принцип: не закрывайте текст, а уничтожьте его. Если чувствительных слов больше не существует в файле как текста, восстанавливать нечего. Вот как сделать это инструментами на основе браузера, ничего не загружая:

1. Закройте чувствительные фрагменты. Поместите сплошной блок поверх каждого куска текста, который нужно убрать, чтобы он был скрыт визуально. Само по себе это ещё не безопасно — важен следующий шаг.
2. Сведите страницы в изображения. Преобразуйте документ в изображения с помощью PDF в изображения. Так каждая страница превращается в плоскую картинку. Ключевой эффект: текст перестаёт быть текстом и становится пикселями. Всё, что было под вашим блоком, теперь просто часть изображения, а блок навсегда нарисован поверх него.
3. Соберите PDF заново. Превратите эти изображения обратно в PDF с помощью изображения в PDF. У вас снова есть документ — но такой, где вымаранного текста действительно больше не существует как восстановимого текста.
4. Проверьте. Прогоните результат через извлечение текста. Если чувствительных слов нет, значит, они по-настоящему исчезли. Эта проверка и есть весь смысл — делайте её каждый раз.

Стоит знать об одном компромиссе: сведение в изображения убирает настоящий текстовый слой из всего документа, поэтому весь файл становится картинкой и больше не доступен для поиска. Именно поэтому скрытый текст невозможно восстановить. Если вам нужно, чтобы остальная часть документа была доступна для поиска, вы можете потом применить к ней OCR — это заново создаёт текстовый слой из того, что видно, а вымаранные области, ставшие просто чёрными пикселями, OCR прочитать нечего.

Почему это должно оставаться на вашей машине

Подумайте, что именно вы вымарываете: оно по определению чувствительное — ведь именно поэтому вы его скрываете. Загрузить такой документ в онлайн-инструмент для «вымарывания» означает передать невымаранный оригинал, с полностью сохранным чувствительным текстом, на сервер постороннего. То, что вы пытаетесь защитить, раскрывается в самом акте защиты.

reader.me работает в вашем браузере. Каждый шаг выше происходит на вашем собственном устройстве: файл считывается в память локально, обрабатывается там же и сохраняется обратно вам, при этом ничего не загружается. Убедиться в этом можно через инструменты разработчика (F12) на вкладке «Сеть» (Network) или просто проделав всё в офлайне.

Настоящее вымарывание — это про удаление, а не про сокрытие. Чёрный прямоугольник прячет текст от ваших глаз; сведение в изображения убирает его из файла. Делайте это локально, проверяйте извлечением текста каждый раз без исключений — и вы сможете делиться документом, зная, что скрытое действительно исчезло.