Як правильно вилучити дані з PDF (чорного прямокутника недостатньо)

Вам потрібно поділитися документом, але приховати кілька чутливих рядків — зарплату, адресу, чиєсь ім’я. Тож ви малюєте чорний прямокутник поверх тексту й надсилаєте файл. Виглядає, ніби дані вилучено. Це не так. Саме ця помилка вже зливала судові матеріали, викривала інформаторів і ставила уряди в незручне становище, бо слова досі лежать у файлі — прямо під прямокутником.

Якщо ви колись щось зачорнювали й вважали, що воно зникло, ці дві хвилини варті уваги.

Чому чорний прямокутник не працює

PDF зберігає вміст шарами. Текст — це одне; фігура, намальована згори, — інше. Коли ви кладете чорний прямокутник на речення, ви додаєте графіку над словами, але не торкаєтеся самих слів. Вони досі там — справжній, виділюваний текст, прихований лише візуально.

Будь-хто може їх повернути, і це не злам. Виділіть область і скопіюйте. Або проженіть файл через екстрактор тексту. «Прихований» текст виходить назовні разом із прямокутником і всім іншим. Чорний прямокутник обдурив ваші очі, а не файл.

Ви можете довести це собі самі. Візьміть PDF, де щось накрито прямокутником, і витягніть із нього текст. Нібито вилучені слова з’являться у виводі, бо їх ніколи й не видаляли. Це і тест, і водночас попередження.

Та сама пастка з метаданими

Навіть коли видимий текст оброблено, документ може зливатися через метадані — приховані властивості, що несуть ім’я автора, історію редагувань тощо. Справжнє вилучення означає думати й про те, що приховано в структурі файлу, а не лише про те, що на сторінці.

По-справжньому безпечний спосіб вилучити дані — у браузері

Надійний принцип: не накривайте текст, знищуйте його. Якщо чутливих слів більше не існує як тексту у файлі, повертати нема чого. Ось як це зробити браузерними інструментами, нічого не завантажуючи:

1. Накрийте чутливі частини. Покладіть суцільний блок на кожен фрагмент тексту, який треба прибрати, щоб він зник візуально. Само по собі це ще не безпечно — важливий наступний крок.
2. Зведіть сторінки в зображення. Перетворіть документ на зображення за допомогою PDF у зображення. Це робить кожну сторінку пласкою картинкою. Ключовий ефект: текст перестає бути текстом і стає пікселями. Те, що було під вашим блоком, тепер просто частина зображення, а блок назавжди намальований поверх нього.
3. Зберіть PDF заново. Перетворіть ці зображення назад у PDF за допомогою зображення в PDF. Ви знову маєте документ — але такий, де вилученого тексту справді більше не існує як відновлюваного тексту.
4. Перевірте. Проженіть результат через витягання тексту. Якщо чутливі слова не з’являються — вони справді зникли. Ця перевірка і є вся суть; робіть її щоразу.

Один компроміс варто знати: зведення в зображення прибирає справжній текстовий шар з усього документа, тож він стає картинкою й більше не придатний для пошуку. Саме тому прихований текст не можна відновити. Якщо вам потрібна решта документа з пошуком, можете потім запустити OCR, який відбудовує текстовий шар із видимого, — а вилучені області, тепер просто чорні пікселі, не містять для OCR нічого, що можна прочитати.

Чому це має залишатися на вашій машині

Подумайте, що ви вилучаєте: воно чутливе за визначенням, саме тому ви його ховаєте. Завантажити такий документ в онлайн-інструмент «вилучення» означає віддати незмінений оригінал — з повністю цілим чутливим текстом — на сервер незнайомця. Те, що ви намагаєтеся захистити, оголюється в самому акті захисту.

reader.me працює у вашому браузері. Кожен крок вище відбувається на вашому пристрої: файл зчитується в пам’ять локально, обробляється там і повертається до вас, нічого не завантажуючи. Ви можете підтвердити це через інструменти розробника (F12) на вкладці Network або зробивши все офлайн.

Справжнє вилучення — це про видалення, а не приховування. Чорний прямокутник ховає текст від ваших очей; зведення в зображення прибирає його з файлу. Робіть це локально, перевіряйте витяганням тексту щоразу — і зможете поділитися документом, знаючи, що приховане справді зникло.