Prüfen, ob der Text wirklich weg ist

Jedes Werkzeug kann behaupten, es habe Ihr Dokument geschwärzt. Die Behauptung ist genau so viel wert wie die Prüfung dahinter, und die Prüfung muss auf der **erzeugten Datei** laufen, nicht auf der Vorstellung des Editors davon. So sieht eine echte Prüfung aus, und so machen Sie sie selbst.

Prüfung eins: den Text extrahieren

Öffnen Sie das fertige PDF erneut und ziehen Sie den Text so heraus, wie es ein Kopieren tut, indem die Kodierung jeder Schrift aufgelöst wird. Das ist die maßgebliche Prüfung des Seiteninhalts: was hier zurückkommt, bekommt ein Empfänger, wenn er die Seite markiert und kopiert. Erscheint hier ein geschwärzter Begriff, hat die Schwärzung **nicht stattgefunden**. Die App führt das automatisch auf ihrer eigenen Ausgabe aus, vergleicht mit den entfernten Begriffen, ignoriert Leerzeichen und Groß-/Kleinschreibung, weil die Extraktion einen Namen regelmäßig in Bruchstücke wie „Jo hn" zerlegt, die eine naive Suche verfehlen würde.

Prüfung zwei: die Rohdatenströme scannen

Textextraktion liest nur Seiteninhalt. Sie liest nicht die Metadaten des Dokuments, sein XMP-Paket, Kommentare und Annotationen, angehängte Dateien oder irgendetwas in einem Strom, der nicht Teil einer Seite ist. Ein Name kann an all diesen Orten überleben, während die Seite selbst tatsächlich sauber ist. Die zweite Prüfung dekomprimiert daher **jeden Strom** der Datei und durchsucht die Bytes nach denselben Begriffen. Sie ist gröber und findet, was die Extraktion strukturell nicht finden kann. Keine ersetzt die andere, also laufen beide, und die Ausgabe gilt nur als sauber, wenn beide sauber zurückkommen.

Von Hand

Für eine Plausibilitätsprüfung brauchen Sie kein Werkzeug. Öffnen Sie die Datei in einem normalen Betrachter, markieren Sie die ganze Seite samt der schwarzen Flächen, kopieren Sie, und fügen Sie in einen einfachen Texteditor ein — erscheinen die geschwärzten Wörter, hören Sie auf. Öffnen Sie dann die Dokumenteigenschaften und lesen Sie Titel, Autor, Betreff und Stichwörter. Für einen tieferen Blick gibt jedes Extraktionswerkzeug den Text eines PDFs auf der Konsole aus, und in dieser Ausgabe nach dem entfernten Begriff zu suchen ist ein Befehl. Es lohnt sich, das einmal mit einer Datei zu tun, die Sie mit Ihrem üblichen Werkzeug erzeugt haben.

Was die Prüfung nicht sagen kann

Sie kann die Abwesenheit einer Zeichenkette belegen. Sie kann nicht belegen, dass ein Dokument unbedenklich ist. Wenn der geschwärzte Name weiterhin als Bild einer Unterschrift erscheint, wenn sich die entfernte Zahl aus einer stehen gebliebenen Zwischensumme ableiten lässt, oder wenn die Person aus Funktion, Datum und Ort erkennbar ist, besteht die Datei jede automatische Prüfung und offenbart trotzdem. Die beiden Suchen beantworten eine eng gefasste Frage — ist dieser Text noch in dieser Datei — und sie zu beantworten ist notwendig, nicht hinreichend. Die Entscheidung, was zu entfernen ist, bleibt bei Ihnen.