A tarja esconde de você. Do arquivo, não.

O que isto encontra

Duas falhas — erros diferentes, mesmo resultado.

Texto embaixo de uma forma que o cobre

Alguém desenhou um retângulo sobre um nome. O retângulo é um objeto novo na página; o nome continua exatamente onde sempre esteve. Selecione a área em qualquer leitor, rode pdftotext ou abra o arquivo com qualquer biblioteca de PDF e as palavras saem inteiras. O relatório devolve essas palavras — porque, se este verificador consegue lê-las, quem recebeu o documento também consegue.

Marcas de tarja que nunca foram aplicadas

O PDF tem uma anotação de tarja de verdade. Ela é uma marca — um pedido para que uma região seja tarjada — e o conteúdo só sai do arquivo quando alguma ferramenta aplica as marcas. Um documento enviado entre esses dois passos parece pronto, porque a maioria dos leitores desenha as marcas como caixas sólidas, e não está.

Como ele decide

Pela ordem de pintura, que é a única coisa que separa uma tarja de um elemento comum de diagramação. O fundo de uma tabela, uma faixa de destaque e um cabeçalho colorido são todos retângulos preenchidos que dividem coordenadas com um texto — e todos eles são pintados antes desse texto, porque é a única forma de o texto ficar visível. Um retângulo pintado depois do texto está em cima dele, escondendo-o.

Os mesmos dois objetos, nas duas ordens possíveis

pinta o fundo         fundo — o texto fica por cima e é lido normalmente
pinta o texto

pinta o texto         cobertura — o texto fica embaixo, e continua no arquivo
pinta a tarja preta

Outras três regras mantêm o resultado silencioso em documentos honestos. Preenchimentos translúcidos são ignorados, porque um marca-texto não esconde nada. Formas maiores que 40% da página são tratadas como marcas d’água e carimbos, não como tarjas. E o texto invisível — a camada de OCR embaixo de um documento digitalizado — fica de fora, já que ele é projetado para ser ilegível na tela e extraível por máquina.

O que ele não enxerga

• Tarjas dentro de form XObjects. Blocos de conteúdo reutilizáveis não são percorridos, então uma forma que cobre texto dentro de um deles passa despercebida. Quando a página usa esses blocos o achado avisa, e a contagem é um piso, não um total.
• Documentos achatados. Se a página foi exportada como imagem não sobrou camada de texto para encontrar — o que também significa que a tarja funcionou.
• Fontes sem mapa de caracteres. A cobertura continua sendo reportada, mas as palavras podem não ser recuperáveis por esta ferramenta. Quem tiver os arquivos da fonte ainda consegue.
• Tudo que está fora do conteúdo da página. Um nome retirado da página visível pode sobreviver nos metadados do documento, em um anexo, em um campo de formulário ou em uma revisão anterior. Esses são sinais separados no relatório completo.

Como tarjar de um jeito que se sustente

Use o recurso de tarja da sua ferramenta e depois aplique as tarjas — o passo que apaga o conteúdo embaixo. Exportar para imagens achatadas também funciona, e custa o texto pesquisável. O que não funciona: desenhar um retângulo preenchido, usar um marca-texto preto, deixar a cor do texto igual à do fundo ou cobrir a área com uma imagem. Os quatro deixam cada caractere dentro do arquivo.