Jak usunąć dane z PDF – czarny prostokąt to za mało

Czarny prostokąt w PDF może zasłonić nazwisko i nadal pozwalać je skopiować. Żeby usunąć dane, potrzebujesz funkcji cenzurowania treści, zastosowania zmian i kontroli zapisanego pliku. Sam wygląd strony nie rozstrzyga, czy informacja zniknęła.

Sprawdziliśmy to na autorskim dokumencie z fikcyjnym identyfikatorem. Na jednej stronie dodaliśmy czarną nakładkę. Na drugiej naprawdę usunęliśmy tekst. Obszary obu kart wyglądają identycznie, ale odczyt zawartości daje inny wynik. Możesz pobrać cały eksperyment, sprawdzić go w swoim czytniku i wykorzystać stronę kontrolną do próby własnego narzędzia.

Nie trzeba zdejmować prostokąta, żeby odczytać tekst

W naszym pliku identyfikator MEWA-482 jest zwykłym tekstem. Na stronie 2 narysowaliśmy nad nim nieprzezroczysty prostokąt. Litery przestały być widoczne, ale nie zniknęły z zapisu strony. Dwie biblioteki odczytujące PDF, pypdf i PyMuPDF, niezależnie zwróciły ten identyfikator.

Na stronie 3 zastosowaliśmy właściwą operację usuwania tekstu w zaznaczonym obszarze, po czym zapisaliśmy nowy plik. Oba narzędzia przestały odczytywać kod z tej strony. Pozostały tekst karty, między innymi „Fragment raportu”, nadal był dostępny. To ważna kontrola: nie usunęliśmy całej strony, żeby otrzymać oczekiwany wynik.

Porównaliśmy także wyrenderowany obszar karty, piksel po pikselu. Nakładka i zastosowane usunięcie dały identyczny obraz w tym obszarze. W tym przykładzie zrzut ekranu nie pozwala odróżnić wady od prawidłowego wyniku. Dowodem jest zawartość pliku, nie czarna plama.

Powiększ

Sprawdź swój czytnik na bezpiecznym pliku

Załącznik ma cztery strony. Pierwsza zawiera widoczny tekst kontrolny, druga nakładkę, trzecia zastosowane usunięcie. Czwarta to karta odbioru kopii przeznaczonej do wysyłki. Nie ma tu nazwisk, adresów ani danych prawdziwych osób.

1. Otwórz pobrany PDF i wyszukaj kod MEWA-482. Zanotuj, na których stronach czytnik znajduje wynik.
2. Na stronie 2 spróbuj zaznaczyć i skopiować tekst karty do pustego lokalnego dokumentu. Nie musisz przesuwać czarnego prostokąta.
3. Powtórz próbę na stronie 3. W odczycie tekstu tej strony kodu nie powinno być.
4. Jeśli chcesz sprawdzić swój edytor, pracuj na osobnej kopii strony 1. Usuń kod narzędziem cenzurowania, zastosuj operację, zapisz wynik i otwórz go ponownie.

Wynik naszego testu to „jest / jest / nie ma” dla stron 1, 2 i 3. Wyszukiwanie w całym załączniku nadal znajdzie kod na dwóch pierwszych stronach — celowo je pozostawiliśmy jako próbki. Gdy sprawdzasz własną kopię do udostępnienia, nie pozostawiaj w niej stron kontrolnych z danymi, które miały zniknąć.

Jeśli nie możesz wyszukać kodu nawet na stronie 1, próba nie daje wiarygodnego porównania. Najpierw sprawdź sposób zaznaczania, zapytanie i ograniczenia kopiowania. Pomocny będzie osobny poradnik o tym, dlaczego PDF nie wyszukuje tekstu. Nie obchodź zabezpieczeń dokumentu.

Właściwa operacja ma etap zastosowania zmian

Wybieraj funkcję przeznaczoną do usuwania zawartości, zwykle nazwaną Redact lub cenzurowaniem. Rysowanie kształtu, zakreślacz i zmiana koloru liter nie są jej zamiennikami. Samo oznaczenie fragmentu do usunięcia także nie kończy pracy.

Poniższa ścieżka pochodzi z dokumentacji desktopowego Adobe Acrobat Pro. Nazwy podajemy po angielsku, żeby nie zgadywać tłumaczeń poszczególnych wersji interfejsu. Nie jest to instrukcja dla samego bezpłatnego Readera.

1. Zachowaj oryginał w miejscu z odpowiednimi uprawnieniami. Otwórz roboczą kopię.
2. Wybierz All tools → Redact a PDF, następnie Redact text and images.
3. Zaznacz tekst lub obraz przeznaczony do usunięcia. Sprawdź, czy zaznaczenie obejmuje cały fragment.
4. Wybierz Apply. To zastosowanie operacji, nie tylko zapowiedź cenzurowania.
5. W oknie potwierdzenia włącz usuwanie ukrytych informacji, przejdź dalej przez Continue i zapisz wynik pod odrębną nazwą.
6. Otwórz właśnie zapisany plik i skontroluj go przed udostępnieniem.

Nie testowaliśmy interfejsu Acrobata. Nasz eksperyment wykonano narzędziami plikowymi: PyMuPDF zastosował usunięcie, a nowy zapis usunął nieużywane obiekty. Dokumentacja PyMuPDF rozróżnia oznaczenie obszaru od zastosowania operacji i wskazuje znaczenie odpowiedniego zapisu dokumentu.

Jeżeli Twój program udostępnia tylko rysowanie prostokątów, zatrzymaj się. Poproś właściciela dokumentu o przygotowanie oczyszczonej kopii albo użyj zatwierdzonego w organizacji narzędzia do cenzurowania. Nie wysyłaj poufnego pliku do przypadkowego serwisu online w poszukiwaniu tej funkcji.

Dlaczego samo Ctrl+F nie wystarcza

Wyszukiwanie daje mocny sygnał błędu, kiedy odnajduje informację przeznaczoną do usunięcia. Brak wyniku jest słabszą informacją. Nazwisko może być obrazem, tekst może mieć błędną warstwę OCR, a ważna treść może znajdować się poza widocznym akapitem.

Dlatego oddziel dwie kontrole. Pierwsza dotyczy strony: obejrzyj cały dokument, sprawdź odczyt tekstu i powtórzenia usuwanych informacji. Druga dotyczy danych ukrytych. Adobe opisuje oczyszczanie PDF obejmujące między innymi metadane, komentarze i ukryte warstwy. Widoczna strona nie jest kompletną listą zawartości pliku.

Załączony eksperyment dotyczy prostego PDF z tekstem. Nie sprawdzaliśmy w nim skanów, podpisanych dokumentów, formularzy ani osadzonych załączników. Nie wyciągaj z jego wyniku wniosku, że każda metoda eksportu lub drukowania do PDF usuwa wszystko. Gdy dokument jest złożony, a stawka wysoka, potrzebna jest kontrola odpowiednia do jego struktury.

Usunięte nazwisko nie zawsze oznacza nierozpoznawalną osobę

Nawet poprawnie wykonana operacja techniczna nie rozwiązuje problemu kontekstu. W fikcyjnym cytacie „jako jedyna dyrektorka szkoły w miejscowości…” czarna plama zamiast nazwiska może niewiele zmienić. Odbiorca nadal może wiedzieć, o kim mowa.

To osobna decyzja redakcyjna: które szczegóły zachować, uogólnić lub pominąć, żeby dokument nadal spełniał cel i nie ujawniał tego, czego nie powinien. Przy zapisie rozmów opisujemy ją w poradniku o anonimizowaniu transkrypcji. Techniczne cenzurowanie PDF nie jest automatycznie pełną anonimizacją.

Sprawdź dokładnie ten plik, który zamierzasz wysłać

Na końcu liczy się konkretny załącznik, nie udana próba w edytorze. Zamknij dokument roboczy, otwórz plik z folderu wysyłki i sprawdź nazwę, zakres stron, treść oraz dane ukryte. Karta na stronie 4 pomaga zapisać wynik i nierozstrzygnięte wątpliwości. Nie wpisuj do niej kopii usuniętych danych — wystarczą ich kategorie, na przykład „dane kontaktowe”.

Jeśli odnajdziesz informację, która miała zniknąć, nie wysyłaj dokumentu. Jeśli narzędzie nie pozwala ocenić wyniku, przekaż kopię do kompetentnej osoby. Oryginał i wersję przeznaczoną do udostępnienia przechowuj osobno, zgodnie z przyjętym planem zarządzania plikami. Usunięcie danych z jednej kopii nie usuwa ich z oryginału ani wcześniejszych załączników.

Po usunięciu poufnego fragmentu zwykle przekazujesz gotowy PDF razem z innymi materiałami. Zobacz, jak połączyć PDF-y i odebrać kolejność stron, aby poprawnie ocenzurowana karta nie zgubiła się w wynikowym pliku.

Po bezpiecznym usunięciu poufnych danych odbierz również gotowy dokument przed przekazaniem. Jeśli zawiera pola do wypełnienia, sprawdź osobno, czy zapisany formularz PDF zachował odpowiedzi; kontrola cenzury i kontrola formularza rozwiązują różne problemy.

Jeśli dokument ma pozostać czytelny tylko dla wybranej osoby, a nie wymaga trwałego usunięcia treści, zobacz jak ustawić hasło otwarcia PDF i sprawdzić wysyłaną kopię. Hasło nie jest jednak zamiennikiem opisanego tutaj cenzurowania.

Podobna pomyłka dotyczy zdjęć: informacja może być w pliku, choć nie jest widoczna w kadrze. Osobny test pokazuje, jak rozpoznać współrzędne GPS w JPG-u i nie wysyłać ich z iPhone’a.