Onde os dados ocultos se escondem
Um PDF é um contêiner, e a página visível é só parte do que ele carrega. Já vazaram documentos por cada um dos lugares abaixo com a página perfeitamente tarjada; por isso tirar o texto da página é necessário mas não encerra o trabalho.
Propriedades do documento e XMP
Todo PDF tem um bloco de propriedades — título, autor, assunto, palavras-chave, produtor, datas de criação e modificação — preenchido pelo programa que o gerou. O campo autor costuma trazer o nome real de uma pessoa ou um usuário de rede. O título traz com frequência o nome de arquivo original, que num ambiente profissional costuma trazer um cliente ou um número de processo. Ao lado, muitos arquivos trazem um **pacote XMP**: metadados estruturados que podem conter um histórico mais longo, com títulos anteriores e ferramentas de autoria. Nenhum dos dois aparece na página e ambos viajam com o arquivo.
Anotações, comentários e campos de formulário
Comentários, notas, realces e marcas de revisão ficam separados do conteúdo da página e são trivialmente legíveis. Campos de formulário são piores: um campo preenchido guarda o valor **como dado**, então um formulário que parece vazio pode continuar carregando o que foi digitado. E uma anotação removida visualmente às vezes só está marcada como oculta em vez de apagada.
Anexos, camadas e o que fica fora da tela
PDFs podem carregar arquivos embutidos — uma planilha anexada a um relatório é o caso típico — que não aparecem em nenhuma página e saem com um clique. Grupos de conteúdo opcional, que a maioria conhece como camadas, podem conter material desligado para exibição e totalmente presente no arquivo. Conteúdo também pode ficar fora da área visível: recortar muda a caixa da página, não apaga o que fica de fora, e desfazer o recorte é um item de menu.
Salvamentos incrementais e versões anteriores
PDFs permitem salvar alterações **acrescentando** ao arquivo em vez de reescrevê-lo. Um documento editado e salvo várias vezes pode carregar seus estados anteriores dentro do mesmo arquivo, recuperáveis por quem souber procurar. É um dos motivos de este aplicativo nunca editar o documento carregado e salvar por cima. A saída é sempre montada como documento novo, com páginas copiadas ou reconstruídas: não há estado anterior a que acrescentar nem objetos órfãos.
Perguntas frequentes
Onde fica o texto oculto num PDF?
Em geral nas propriedades, num pacote XMP, em anotações e comentários, em valores de campos de formulário, em anexos embutidos, camadas ocultas, conteúdo recortado ou revisões anteriores.
Tirar o texto da página limpa os metadados?
Não. São partes distintas do arquivo e precisam ser limpas à parte.
Uma área recortada pode ser recuperada?
Pode. O recorte muda o que é exibido; não apaga o conteúdo de fora e pode ser desfeito.
E um formulário preenchido que parece vazio?
Valores de campo são dados. O campo pode aparecer vazio e ainda carregar o que foi digitado.
Anexos aparecem ao ler o arquivo?
Na página não. Aparecem no painel de anexos do leitor e saem com um clique.
Como sei se meu arquivo tem alguma dessas coisas?
Leia as propriedades em qualquer leitor, veja os painéis de anexos e camadas, e faça uma varredura bruta dos fluxos pelos termos que importam.
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