Censurar PDF
Censura un PDF: tapa palabras y elimínalas del propio archivo, para que no se puedan volver a copiar.
Tus archivos se quedan en este dispositivo. No se sube nada. Cómo comprobarlo
Cómo usar la herramienta Censurar PDF
Funciones principales de la herramienta Censurar PDF
Cada página se lee tal como la dibuja un visor, y solo se eliminan de los operadores que los dibujan los caracteres de tu coincidencia, dejando un espacio del mismo ancho. Las palabras vecinas permanecen en el archivo y en su sitio.
Los caracteres se decodifican mediante el mapa de texto propio de cada fuente, incluidas las fuentes de dos bytes que escriben Chrome, Word y LibreOffice, así que una frase que el diseño dividió en partes, con kerning o partida en una nueva línea, se sigue encontrando.
Dos botones añaden a tu lista, uno por línea, las direcciones de correo electrónico y los números de teléfono que se encuentran en el documento, para que puedas revisarla antes de censurar. Las fechas, los importes, los números de tarjeta, los IBAN y los códigos postales se dejan fuera a propósito.
Una opción sustituye cada página que tiene un recuadro por una imagen de sí misma a 200 dpi, con los recuadros incluidos, así que no queda nada bajo ellos, ni siquiera los píxeles de un escaneo.
El resultado se vuelve a leer con pdf.js y las palabras se cuentan de nuevo. Si sobrevive alguna coincidencia, el resultado indica que el archivo no está censurado de forma segura.
JavaScript busca, edita y guarda el archivo en tu navegador. No se envía nada a ningún servidor.
Acerca de la herramienta Censurar PDF
Censurar PDF hace las dos cosas que necesita una censura real: elimina del contenido de la página los caracteres coincidentes, conservando su ancho como espacio en blanco para que el resto de la línea no se mueva, y dibuja un recuadro negro opaco sobre el contorno de lo eliminado. El texto dentro de bloques gráficos reutilizados (form XObjects) se trata de la misma manera.
Sirve para contratos, informes y extractos con nombres o números que ocultar. Las palabras se buscan en el texto de las páginas, no en los píxeles de las imágenes, así que una página escaneada no tiene nada que encontrar hasta que OCR PDF le añade una capa de texto.
Cuándo usar la herramienta Censurar PDF
Un contrato firmado se va a reutilizar como plantilla para el próximo cliente. Escribe el nombre, la dirección y el número de referencia del cliente anterior, uno por línea, y cada aparición en todas las páginas se elimina en una sola pasada.
Un extracto bancario o de suministros se necesita como justificante de domicilio, pero el número de cuenta de cada página no es asunto de nadie más. Un extracto generado por el sistema del banco es texto y no un escaneo, así que el número se encuentra, se recuadra y se elimina del archivo.
Algunos trabajos necesitan otra herramienta. Si hay que eliminar una página entera, Eliminar páginas la quita directamente. Un nombre en los campos de título, autor o palabras clave no está en ninguna página; cámbialo con Metadatos de PDF.
Consejos y solución de problemas
- La coincidencia ignora mayúsculas, espacios y saltos de línea, así que «John Smith» también encuentra «JOHN SMITH», «JohnSmith» y un nombre partido entre dos líneas. Las ligaduras, las comillas tipográficas y los guiones coinciden con sus formas simples.
- Un término corto coincide dentro de palabras más largas: «ann» también encuentra «Anne» y «planning». Usa la forma distintiva más larga que puedas, como un nombre completo o un número de cuenta completo.
- Añadir direcciones de correo electrónico y Añadir números de teléfono solo rellenan la lista, así que elimina cualquier línea que quieras conservar antes de censurar. Los números de teléfono se encuentran en formato internacional (+44 20 7946 0958) y en formatos nacionales habituales como (555) 123-4567, 030 12345678 y 06-12345678. Un número escrito de otra forma se omite: escríbelo tú.
- «No se encontró ninguna de esas palabras en el texto del documento» cita las primeras palabras que la herramienta puede leer, para que puedas comparar la ortografía. Un recuadro negro que «está sobre una imagen» puede dejar las palabras visibles en esa imagen; vuelve a censurar el mismo archivo con la opción de imágenes marcada.
- Un archivo protegido con contraseña se detiene con un mensaje que remite a Desbloquear PDF; quita antes la contraseña.
- Los objetos que el documento ya no usa, incluidas las revisiones antiguas, se eliminan, así que el resultado tiene aproximadamente el tamaño de la entrada o menos. Con la opción de imágenes, cada página censurada se guarda como JPEG, lo que hace más grande un archivo que solo tenía texto, y se eliminan sus enlaces, comentarios y campos de formulario. El archivo se llama redacted_ seguido del nombre de archivo original.
- Lee cómo censurar un PDF correctamente para saber cómo elegir los términos y cómo confirmar que las palabras han desaparecido.
- Un recuadro sobre el texto es solo una de las formas en que un archivo delata lo que se ocultó; la guía ¿se puede deshacer la censura de un PDF? recoge las demás, como los metadatos y las versiones anteriores guardadas dentro del archivo, y una comprobación que conviene hacer antes de enviarlo.
Cómo funciona la herramienta Censurar PDF en tu navegador
pdf.js extrae el texto de cada página y se buscan en él tus términos; si no coincide nada, la herramienta se detiene y muestra lo que pudo leer. Después pdf-lib decodifica el flujo de contenido de cada página y lo interpreta: para cada operador que muestra texto (Tj, TJ, el apóstrofo y las comillas) sigue la fuente, el tamaño, el espaciado y la posición, y decodifica cada carácter mediante el mapa ToUnicode de la fuente o su codificación.
Donde el texto decodificado coincide con un término, esos caracteres se recortan de su operador y se sustituyen por un desplazamiento del mismo ancho, el nuevo contenido de página se guarda comprimido, y el flujo original se elimina para que no quede en el archivo. Se dibuja un rectángulo negro sobre el contorno de cada tramo eliminado y se guarda el documento.
Con la opción de imágenes, pdf.js dibuja después cada página que recibió un recuadro a 200 dpi, o a menos en una página demasiado grande para 16 millones de píxeles. En una página sin girar, un recuadro sobre una imagen se amplía primero sobre las marcas que toca, hasta las palabras vecinas de la capa de texto. El dibujo pasa a ser el único contenido de la página, como JPEG, con el mismo tamaño y rotación, y se eliminan las imágenes que ninguna otra página usa. Por último, pdf.js vuelve a contar los términos en el resultado, y ese recuento decide lo que dice la línea de resultado. No se envía nada a ningún sitio.
Preguntas frecuentes
¿Basta un recuadro negro para censurar un PDF?
Por sí solo, no: un recuadro solo oculta el texto, que aún se puede seleccionar o extraer. Esta herramienta también elimina el texto del contenido de la página, y después vuelve a leer el archivo para confirmar que las palabras han desaparecido.
¿Qué pasa si el resultado dice que algunas apariciones no se pudieron eliminar?
Esas coincidencias se tapan, pero su texto sigue en el archivo, porque la fuente lo dibuja con códigos que la herramienta no puede decodificar. No compartas ese archivo. Vuelve a censurar el mismo archivo con la opción Convertir también las páginas censuradas en imágenes marcada y comprueba después en Vista previa del documento que cada recuadro cubre su palabra.
¿Censura el texto en escaneos e imágenes?
No directamente: no se buscan píxeles, así que una palabra en un escaneo no se encuentra. Pasa el escaneo por OCR PDF y luego censura la copia con OCR con la opción Convertir también las páginas censuradas en imágenes marcada; cada página con un recuadro se convierte en una imagen con el recuadro dibujado. Revisa los recuadros en Vista previa del documento, ya que una palabra que el OCR leyó mal no se encuentra. Si las páginas están giradas mediante un ajuste de rotación, endereza primero el archivo con Aplanar PDF (Páginas a imágenes).
¿Puedo censurar dibujando un recuadro en lugar de escribir palabras?
No. Aquí la censura funciona solo por coincidencia de texto, así que no hay forma de seleccionar un área de una página. Dibujar en PDF puede pintar tinta sobre un área, pero eso oculta el texto sin eliminarlo y no es una censura.
¿Elimina las palabras de los marcadores, los metadatos o los comentarios?
No todos. Además del texto de la página, elimina las palabras de las apariencias de anotaciones, quita los enlaces cuya dirección las contiene y elimina las copias de accesibilidad del texto. Los marcadores, las propiedades del documento, los valores de los campos de formulario y los metadatos XMP se comprueban y se informan, no se modifican; edita las propiedades con Metadatos de PDF.
¿Se mueve el resto de la línea después de censurar?
No. Solo se eliminan los caracteres coincidentes y se conserva el espacio que ocupaban, así que las palabras anteriores y posteriores permanecen exactamente donde estaban.
Última revisión: