Como ocultar dados em PDF digitalizado sem deixar rastros

A digitalização é uma imagem, e pintar um número sobre ela no visualizador significa colocar por cima uma camada que sai com um clique. O editor faz diferente: a página que tem uma área tarjada é redesenhada do zero já com a área pintada, e embaixo dela não sobram nem pixels nem camada de texto. As demais páginas não são tocadas. As propriedades do arquivo, os anexos e os marcadores não são limpos nesse processo; eles são conferidos à parte.

O locador pede uma cópia do RG, o banco pede o contrato digitalizado, e no contrato há o salário de um colega e a assinatura de outra pessoa. Enviar assim não dá vontade, e a primeira ideia é abrir o PDF no visualizador, desenhar um retângulo preto sobre o número e salvar. Parece seguro. Na prática, o destinatário seleciona o retângulo, aperta Delete e vê o número inteiro.

Com digitalizações esse erro é comum, porque a digitalização parece “só uma imagem”, com a qual não dá para fazer nada. Isso vale até a imagem virar parte de um PDF: ali dá para colocar qualquer coisa por cima, e tudo isso continua sendo uma camada separada. A ferramenta Tarjar PDF funciona de outro jeito: a página com uma área tarjada é redesenhada do zero. Vamos ver o que acontece nesse processo, onde os dados se escondem nas digitalizações e o que conferir antes de apertar “Enviar”.

Por que o retângulo do visualizador não oculta nada

O PDF é feito de camadas. Embaixo fica o conteúdo da página: numa digitalização, uma única imagem grande; num documento de editor de texto, texto e gráficos. Por cima ficam as anotações: comentários, marcações, carimbos e as formas que as ferramentas “Marcar” e “Forma” dos visualizadores desenham. A anotação sabe onde está e de que cor é, mas não mexe no conteúdo embaixo dela.

Daí vêm três jeitos de “tirar” esse retângulo, nenhum com programa especial: selecioná-lo e apagar, abrir o painel de comentários e removê-lo de lá, ou abrir o arquivo num editor que lista as anotações. Alguns visualizadores, ao “Imprimir em PDF”, gravam as anotações na página, e aí o retângulo fica, mas o número continua no arquivo, na imagem original. Os dados não foram removidos, só cobertos.

Na digitalização há ainda uma camada que muita gente esquece: se o arquivo passou por reconhecimento de texto, embaixo da imagem há uma camada de texto invisível com as mesmas letras. O retângulo não mexe nela, e o número do documento aparece numa busca comum.

O que o editor faz com a página que tem uma área tarjada

A página da ferramenta abre o editor de PDF do navegador num modo em que só restou a área tarjada. Você adiciona uma ou várias áreas, estica cada uma sobre o trecho certo e aperta “Aplicar alterações”. É aí que acontece o principal.

A página que tem pelo menos uma área tarjada não é editada, e sim redesenhada do zero como imagem: primeiro ela é renderizada inteira, depois a área é pintada sobre essa imagem, que substitui a página no arquivo final. Embaixo da área não sobra nada: nem os pixels da digitalização original, nem a camada de texto, nem o texto reconhecido. Não há de onde recuperá-los, porque no novo arquivo eles não existem.

Esse método tem um custo, e vale conhecê-lo antes. O texto da página redesenhada não pode mais ser selecionado nem encontrado pela busca, mesmo fora da área: a página inteira virou imagem. A resolução do redesenho fica em torno de 150 pontos por polegada, ou seja, abaixo dos 300 de uma digitalização típica: para ler na tela e enviar a portais isso basta, mas para impressão gráfica essa página sai mais suave que as outras. Os links que a área não cobriu são mantidos. As notas continuam notas. As demais páginas do documento passam para o arquivo final como estavam.

Esse custo compensa nas digitalizações: elas não têm camada de texto, ou têm só uma auxiliar, e transformar a página em imagem não tira nada de essencial.

Desfoque, pixelização e corte: o que não conta como ocultação

Além do retângulo por cima, circulam mais três truques, e cada um deixa os dados no arquivo.

Desfoque e pixelização. Eles não removem o trecho, apenas o degradam. Num texto curto de estrutura conhecida, como o número de um documento ou um valor, o trecho desfocado é descoberto por tentativa: pega-se cada valor possível, desfoca-se do mesmo jeito e compara-se com a imagem. Com números isso é rápido, e casos assim já foram expostos em público. Por isso no editor a área tarjada é só sólida: branca, preta ou de qualquer outra cor, sem desfoque. Uma cor sólida não tem com o que ser comparada.

Corte da página. Ele muda a área visível da folha, não o conteúdo: tudo o que ficou fora da moldura continua no arquivo e volta com um reset do corte em qualquer editor. Se é preciso tirar uma margem com anotações, ela é pintada com uma área, não cortada.

Redução da resolução. Uma digitalização muito comprimida fica pior de ler, mas com zoom os dígitos continuam distinguíveis, e para reconhecimento de texto essa qualidade costuma bastar. Isso não é proteção, é só um incômodo para o destinatário.

Os três truques têm algo em comum: mudam a aparência do trecho, mas não o tiram do arquivo. A ocultação no editor tira.

Cópia do RG e do contrato: o que ocultar e o que o destinatário precisa

Não vale a pena apagar tudo da cópia: um documento com os campos de conferência pintados volta com um pedido para mandar um normal. É mais simples decidir antes o que o destinatário precisa e ocultar o resto.

Para uma cópia de identidade pedida para confirmar quem você é, costumam bastar nome, data de nascimento e foto, e o número nem sempre é exigido: pergunte a quem pede. A página com o endereço só é necessária onde o endereço é verificado. A assinatura do titular quase nunca é necessária na cópia, e é justamente ela que mais se reproduz.

Num contrato, o destinatário normalmente precisa das partes, do objeto e das datas, não dos valores de outras cláusulas nem dos dados bancários da outra parte. Se o banco pede o contrato de aluguel como comprovante de endereço, os dados pessoais do locador não lhe servem para nada.

Num extrato bancário ou comprovante de renda, ocultam-se o número da conta e as operações sem relação com o pedido, mas os totais e os dados da organização ficam: sem eles o documento não pode ser conferido.

Decidido o que fica, passe pelo documento uma vez com exatamente essa lista. Assim você não apaga demais nem deixa passar um trecho que ficou fora da sua ideia inicial de “dados importantes”.

Onde os dados se escondem nas digitalizações

Os dados que motivam tudo costumam estar à vista: número, valor, sobrenome. O que passa despercebido é outra coisa.

Transparência do verso. Em papel fino, o texto espelhado do verso aparece através da folha, e na digitalização ele se lê com zoom. Se o verso contém dados, eles ficam visíveis na página da frente.

Assinaturas e carimbos. A assinatura é um dado pessoal por si só. O carimbo traz o nome da organização, o CNPJ e às vezes o endereço.

Anotações à mão nas margens: números de telefone, despachos, datas. Carimbos de protocolo com número de processo.

Códigos de barras e QR codes. Neles pode estar embutido o mesmo número do documento ou um link para uma página pessoal. O código não se lê a olho nu, mas se lê com o celular.

Cabeçalhos e rodapés. Sobrenome ou número do contrato no cabeçalho se repetem em cada página, e a área é necessária em cada uma.

Antes de começar, vale folhear o documento inteiro com zoom, e não só as páginas onde os dados são esperados.

Como encontrar todas as ocorrências em uma digitalização longa

Na página da ferramenta de tarja há busca no documento, mas não há botão de reconhecimento: numa digitalização sem camada de texto a busca não tem onde procurar, e as ocorrências são procuradas a olho. Para um documento de duas páginas, tudo bem. Para um contrato de quarenta páginas com o sobrenome em cada cláusula, é preciso outro caminho.

Abra o mesmo arquivo no editor completo Edição de PDF: lá, à área tarjada e à busca se soma o reconhecimento de texto. Aperte “Reconhecer texto (OCR)” nas páginas que não têm texto, depois digite o sobrenome em “Pesquisar no documento”. O editor mostra todas as correspondências por página. Adicione uma área em cada página encontrada, estique-a sobre a correspondência e aplique as alterações.

A camada reconhecida também vai para o arquivo final, mas não em toda parte: as páginas sem áreas a mantêm, mas as páginas com áreas são redesenhadas como imagem, e o texto reconhecido nelas some junto com o resto. A busca procura só no texto que existe, e nas páginas não reconhecidas não encontra nada. Se o documento já chega com camada de texto, o reconhecimento é dispensável e a busca funciona de imediato, inclusive na página da ferramenta de tarja.

O reconhecimento consome o limite diário de operações, assim como a ferramenta separada OCR de PDF. Na tela de escolha o editor mostra quais páginas serão reconhecidas e avisa se o limite acabou.

Passo a passo

1. Abra Tarjar PDF e envie a digitalização. Um arquivo com senha de abertura o editor não lê: ele sugere remover a senha com Desbloquear PDF e abrir o arquivo desbloqueado. 2. Escolha a página e aperte “Adicionar tarja”. Na página aparece um retângulo, branco por padrão. Arraste-o até o lugar certo e estique-o com uma folga de alguns milímetros: as bordas das letras na digitalização são borradas, e uma área justa demais deixa restos legíveis. 3. Se precisar, troque a cor da área no campo “Cor” do painel à direita. O branco fica na digitalização como papel limpo; o preto mostra ao destinatário que algo foi removido ali. 4. Repita para cada trecho e cada página. Uma área cobre um retângulo; para dados espalhados pela página são necessárias várias. 5. Aperte “Aplicar alterações” e baixe o resultado. O arquivo original não muda.

Se for preciso ocultar a página inteira, a área não é necessária: é mais simples tirar a página toda com Remover páginas.

Como conferir o resultado

A conferência leva um minuto e protege do erro mais caro.

Abra o arquivo baixado e tente selecionar texto na página onde estava a área. Nada deve ser selecionado: a página virou imagem. Se o texto for selecionável, esse não é o arquivo certo, provavelmente é o original.

Dê zoom nas bordas de cada área. Restos de letras saindo de baixo do retângulo significam que a área ficou estreita: volte ao editor, estique-a e aplique as alterações de novo.

Faça uma busca no documento pelos valores ocultados: sobrenome, número, valor. Nas páginas com áreas a busca não encontra nada, porque o texto não existe mais lá. Se encontrou, o mesmo valor está numa página onde não havia área.

Folheie todas as páginas, inclusive as que não deveriam ter dados. Cabeçalhos e carimbos adoram se repetir.

O que fica no arquivo depois da ocultação

O editor redesenha as páginas, mas não limpa o documento inteiro, e avisa isso ao adicionar uma área. Três lugares merecem uma conferência separada.

Propriedades do documento. Autor, título, assunto e palavras-chave vivem nos metadados e aparecem em qualquer visualizador antes de o arquivo abrir. Uma digitalização feita com o celular muitas vezes traz o nome do dono como autor. Esses campos são limpos pela ferramenta Definir metadados PDF: nela há uma chave que remove todos os valores existentes, em vez de apenas sobrescrever os preenchidos.

Anexos. O PDF consegue carregar outros arquivos dentro de si, e o editor não mexe neles. Se o documento veio de outra pessoa, confira o painel de anexos.

Marcadores. O sumário do documento fica como estava, com os nomes das seções. Em geral é inofensivo, mas se uma seção tinha o nome de alguém, ele continua nos marcadores.

E por último, fora do arquivo: o nome. “RG_Silva.pdf” conta o conteúdo antes de o arquivo ser aberto. Renomeie antes de enviar.

O que acontece com o peso e a aparência do arquivo

A página redesenhada vive no arquivo como uma única imagem, e o peso do documento pode mudar nas duas direções. Uma página vinda de um editor de texto quase certamente fica mais pesada: texto e gráficos vetoriais pesam menos que a imagem deles. Numa digitalização o resultado depende de como o original estava comprimido e não dá para prever: é mais simples olhar o tamanho do arquivo final.

A página redesenhada só se distingue das vizinhas com muito zoom: as bordas das letras nela são mais suaves. No zoom normal e na impressão em impressora de escritório a diferença não aparece. Se o arquivo precisar ser compactado para envio, faça isso depois da ocultação, e não antes: compactar a digitalização original só piora a imagem da qual a página será montada.

Quando a ocultação não é o melhor caminho

A ocultação apaga o trecho para sempre e serve quando o destinatário não precisa dele. Em três situações outra coisa cabe melhor.

O destinatário precisa de todos os dados, mas o arquivo não pode circular adiante. A cópia do documento para uma imobiliária ou um locador não é tarjada, e sim marcada: uma marca d'água feita com Adicionar marca d'água, com a finalidade e a data, torna visível qualquer reutilização da cópia. Como isso funciona está no artigo sobre marca d'água em cópias de documentos.

O documento veio de um editor de texto, não de uma digitalização, e a camada de texto da página precisa ser mantida. A abordagem geral dos estilos de tarja e de quais dados procurar no documento inteiro está no artigo sobre como apagar dados sensíveis de um PDF.

É preciso ocultar quase a página inteira. Nesse caso a página é removida inteira, não pintada: assim não fica a dúvida sobre o que havia embaixo da área.