Uma tarja preta não é tarjamento
É o mal-entendido mais custoso que existe sobre PDFs, e já colocou em público nomes de testemunhas, salários, dados de saúde e contratos sem tarjar mais vezes do que alguém contou. Desenhar um retângulo preto sobre uma palavra não apaga a palavra. Desenha um retângulo. A palavra continua ali embaixo, inteira.
O que é de fato uma página PDF
Uma página PDF não é uma imagem. É uma lista de instruções de desenho: ponha este glifo nesta posição com esta fonte, trace esta linha, preencha este retângulo. Quando você acrescenta um retângulo preto num editor de texto, na ferramenta de marcação de um leitor ou na maioria dos complementos de «tarjamento», acrescenta **mais uma instrução** ao fim dessa lista. A instrução de texto anterior fica intacta. Visualmente o retângulo cobre os glifos porque é pintado depois. Estruturalmente o texto está exatamente onde estava, e tudo que *lê* o arquivo em vez de *olhar* para ele — copiar e colar, um extrator de texto, um índice de busca, um leitor de tela — passa direto pelo retângulo.
Como o texto volta a aparecer
De três jeitos, nenhum avançado. Abra o PDF, selecione com o cursor a área escurecida, copie, cole em qualquer editor de texto: as palavras escondidas aparecem. Passe qualquer ferramenta de extração no arquivo e ela devolve o texto da página inteiro. Ou abra o conteúdo bruto do arquivo, onde as cadeias muitas vezes estão à vista. Isso não é hackear; é o arquivo funcionando como foi projetado. O desconfortável é que quem fez o documento não tem como perceber, porque na tela parece tarjado — e é justamente por isso que continua acontecendo com gente que estava sendo cuidadosa.
O que um tarjamento real precisa fazer
O objeto de texto **não pode existir** na saída. Há dois caminhos honestos: remover os operadores de texto e reconstruir o fluxo de conteúdo, ou converter a página afetada em imagem, pintar as tarjas sobre a imagem e reconstruir a página a partir dela. Este aplicativo escolhe deliberadamente o segundo, porque é o que não pode ser feito pela metade. Uma página com tarja é rasterizada, as tarjas são pintadas sobre o raster e a página é reconstruída do resultado — não sobra objeto de texto embaixo para recuperar. Páginas sem tarja são copiadas do original sem tocar, mantendo texto vetorial, nitidez e seleção.
O custo, dito com clareza
Rasterizar uma página custa algo e preferimos dizer a esconder: numa página tarjada o texto deixa de ser selecionável e pesquisável, e o arquivo cresce. É o preço da garantia. Por isso só as páginas que você realmente tarjou são convertidas — um contrato de cinquenta páginas com duas tarjadas mantém quarenta e oito páginas de texto real. E por isso a saída é sempre montada **como documento novo** em vez de salva por cima do original: uma biblioteca que ao salvar reescreve toda a sua tabela de objetos pode deixar os objetos de texto originais no arquivo como órfãos mesmo depois de removidos da página. Construir do zero torna isso estruturalmente impossível.
Perguntas frequentes
Basta desenhar um retângulo preto para tarjar?
Não. O retângulo fica por cima; o texto continua no arquivo e volta com copiar e colar ou com qualquer extrator. É a causa número um de divulgação acidental em PDF.
Não posso marcar o texto de preto?
Não — o realce é uma anotação sobre a página e o texto embaixo fica intacto. Alguns leitores até permitem tirar o realce.
Achatar o PDF resolve?
Não de forma confiável. Achatar geralmente funde anotações no conteúdo; não necessariamente apaga os operadores de texto.
Por que o aplicativo transforma minha página em imagem?
Porque assim o objeto de texto é removido em vez de coberto. Só páginas com tarja são convertidas.
Isso deixa o arquivo maior?
Sim, nas páginas tarjadas. É o custo honesto de o texto realmente ter sumido.
Dá para recuperar o texto da imagem?
Os glifos sumiram, não há o que extrair. Continua legível o que você deixou visível: o tarjamento remove o que você cobriu, não o que você deixou.
Tire o texto e prove que ele sumiu. O Redact tira as palavras da página em vez de cobri-las, depois reabre o arquivo que acabou de gerar e o vasculha duas vezes — por extração de texto e por varredura dos fluxos brutos — antes de deixar você baixar. O arquivo não sai do seu navegador.
Tarjar um PDF no navegador