Solte um PDF aqui, ou
Máx. 10 MB · processado em memória, nunca armazenado
Sem um PDF à mão? Use o exemplo:
Dois documentos fictícios. O memorando tem um nome e um valor de acordo sob tarjas pretas; a fatura não tem nenhum dos dois, e está aqui para você ver como é um relatório silencioso.
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.
Na tela as duas versões são idênticas. A diferença só aparece quando alguém seleciona a área, roda pdftotext ou abre o arquivo com qualquer biblioteca de PDF.
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 pretaOutras 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.
As três primeiras perguntas existem para manter o relatório silencioso em documentos honestos. A quarta é a única que distingue uma tarja de um elemento comum de diagramação.
Por que não basta procurar as marcas de tarja?
Porque isso pega só a metade fácil. O jeito óbvio de conferir uma
tarja é procurar as anotações /Redact e testar se o texto
sobrevive embaixo delas, e funciona, em documentos que têm anotações.
As falhas que viram notícia não têm. Alguém abriu o arquivo num editor
comum, desenhou um retângulo preenchido sobre um nome e salvou. Não há
marca nenhuma para procurar: a tarja é uma forma anônima, que pelo tipo
não se distingue da célula de uma tabela ou de uma faixa de cabeçalho.
A ordem de pintura é o que separa as duas, e é por isso que esta
página interpreta o fluxo de conteúdo em vez de ler a lista de
anotações. As duas falhas são reportadas. Marcas /Redact
não aplicadas têm um achado próprio, mas um verificador que para nas
anotações vai dizer que uma tarja desenhada por cima está limpa.
O que ele não enxerga
Um verificador que sugere mais cobertura do que tem é pior do que nenhum. Quatro coisas que este aqui perde, ditas sem rodeios.
A metade de metadados tem página própria: o que este arquivo revela sobre você. As demais caixas tracejadas viram sinais separados no relatório completo.
- 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, e a metade de metadados tem página gratuita própria: o que este arquivo revela sobre você lista os nomes de autor, os caminhos de máquina, as coordenadas e os números de série que um documento carrega, tenha ou não algo sido tarjado na página.
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.