黒い四角は墨消しではありません

PDF についての誤解の中で最も高くつくものであり、証人の名前、給与、医療情報、未墨消しの契約書を、誰も数えきれないほど何度も公の場に流出させてきました。語の上に黒い長方形を描いても、その語は消えません。長方形が描かれるだけです。語はその下に、そのまま残っています。

PDF のページとは実際には何か

PDF のページは画像ではありません。描画命令のリストです。この字形をこの位置にこの書体で置け、この線を引け、この長方形を塗れ。ワープロや PDF ビューアーの注釈ツール、あるいはたいていの「墨消し」拡張で黒い長方形を足すと、そのリストの**末尾に命令がもう一つ**足されます。手前にある文字の命令はそのままです。見た目には後から塗られた長方形が字形を覆います。構造としては文字は元の位置にあり、ファイルを*見る*のではなく*読む*もの — コピー＆ペースト、テキスト抽出、検索インデックス、読み上げソフト — はすべて長方形を素通りして文字を読みます。

文字はどうやって出てくるか

三通り、どれも高度ではありません。PDF を開き、黒くなった領域をカーソルで選び、コピーして任意のテキストエディターに貼る。隠れていた語が現れます。任意の抽出ツールをファイルにかければ、ページの文字がそのまま返ります。あるいはファイルの生の内容を開けば、文字列がそのまま見えていることも多い。これはハッキングではなく、ファイルが設計どおりに動いているだけです。厄介なのは、文書を作った本人には気づきようがないことです。画面上では墨消しされて見えるからで、注意深い人にこそ起き続ける理由がそこにあります。

本当の墨消しがすべきこと

文字オブジェクトが出力に**存在してはいけません**。誠実な道は二つ。該当する文字オペレーターを取り除いて内容ストリームを組み直すか、対象ページを画像に変換し、四角を画像の上に塗り、その画像からページを組み直すか。このアプリは意図的に後者を採ります。半端に終われない道だからです。墨消し枠のあるページはラスタライズされ、枠が画像の上に塗られ、ページはその結果から組み直されます — 下に復元できる文字オブジェクトは残りません。枠のないページは原本からそのまま複製され、ベクター文字も鮮明さも選択可能性も保たれます。

代償を、はっきりと

ページのラスタライズには代償があり、隠すより言うほうを選びます。墨消ししたページでは文字が選択できず検索もできなくなり、ファイルは大きくなります。それが保証の値段です。だからこそ実際に墨消ししたページだけを変換します — 五十ページの契約書で二ページ墨消しなら、四十八ページは本物の文字のままです。そして出力を原本に上書きせず**常に新しい文書として組み立てる**理由でもあります。保存時にオブジェクト表全体を書き直すライブラリーは、ページから外した後でも元の文字オブジェクトを孤立オブジェクトとしてファイルに残すことがあります。一から組み直せば構造的に起こり得ません。