Ocultar informações em PDF

O mal-entendido mais grave em manuseio de documentos é achar que um retângulo preto esconde alguma coisa. Não esconde. Um PDF guarda o seu texto como caracteres com coordenadas, e desenhar uma forma preenchida nessas coordenadas acrescenta um objeto por cima, deixando cada caractere exatamente onde estava. Selecione a área, copie, cole — o texto aparece.

Isso já deu errado em público mais vezes do que se consegue contar: processos judiciais, documentos de defesa, divulgações corporativas e petições a órgãos reguladores em que os nomes “cobertos” foram extraídos poucos minutos depois da publicação. Quem produziu esses arquivos não foi descuidado no sentido comum. Usou uma ferramenta que parecia estar ocultando e não estava.

Ocultar de verdade destrói o conteúdo. Aqui isso significa que as páginas com alguma tarja são achatadas em imagem, com as marcas gravadas dentro, então os caracteres por baixo deixam de existir em vez de ficarem escondidos atrás de algo. Nada pode ser selecionado, copiado, pesquisado ou recuperado, porque não sobrou nada para recuperar.

Achatar uma página tem um preço real: a camada de texto vai junto. Uma página achatada não pode ser pesquisada, o seu conteúdo não pode ser copiado e um leitor de tela não consegue mais lê-la em voz alta. Isso não é um efeito colateral a ser minimizado — é o mecanismo pelo qual o texto escondido é destruído.

Por isso o custo é cobrado por página, e não por documento. As páginas que contêm uma tarja são achatadas; as que não contêm ficam completamente intactas, mantendo o texto original. Um relatório longo com tarjas em três páginas continua, portanto, pesquisável em todas as outras, e só perde acessibilidade onde realmente precisava perder.

Se o documento final precisar voltar a ser totalmente pesquisável — exigência comum em conjuntos de documentos para juntada —, aplicar OCR em PDF por cima dele lê as páginas achatadas de volta para uma camada de texto. E o essencial: ele lê o que está visível agora, então o conteúdo ocultado continua ausente.

A parte difícil não é marcar, é o que passa batido. Informação sensível se repete, e se repete justamente nos lugares que ninguém relê: uma nota de rodapé, um cabeçalho, uma entrada do sumário, um anexo, a terceira página de um cronograma. Tarjar as seis ocorrências óbvias e deixar a sétima passar anula todo o trabalho.

A marcação por busca é a resposta para tudo que tem forma constante — o nome de uma pessoa, um número de conta, um CPF, um e-mail, um código de referência. Ela varre todas as páginas de uma vez e mostra as ocorrências para você confirmar, o que transforma um problema de revisão de texto em um problema de conferência.

Depois, verifique as variações à mão. Nomes aparecem com e sem iniciais, números com e sem pontos ou hífens, endereços por extenso e abreviados. E leia o documento no fim como leitor, não como editor: uma informação pode ser reconstruída pelo contexto mesmo quando toda menção direta sumiu, e só a leitura do conjunto revela isso.

Ocultar o conteúdo da página deixa intacto tudo que está fora dela — e documentos carregam mais coisas assim do que a maioria imagina. As propriedades do documento registram o nome do autor, a organização, o programa usado e as datas de criação e de alteração. Remover metadados limpa isso, e vale a pena em qualquer arquivo publicado, e não apenas enviado a uma pessoa.

O nome do arquivo é o mais esquecido, justamente porque não faz parte do documento. Um arquivo cuidadosamente tarjado chamado acordo-silva-rascunho-final.pdf já contou bastante coisa antes de alguém abri-lo.

Por fim, decida quem pode ter a versão ocultada. Proteger PDF acrescenta uma senha para circulação controlada, e manter o original sem tarjas claramente separado — outra pasta, outro nome — é o que evita o pior desfecho de todos, que é enviar o arquivo errado.