Censurar un PDF

Por qué un rectángulo negro no es una censura

Este es el error que ha arruinado carreras y hecho perder juicios, así que vale la pena decirlo sin rodeos: dibujar un recuadro negro sobre texto en un PDF no oculta nada. Los caracteres siguen en el flujo de contenido de la página, debajo del rectángulo, y cualquiera puede seleccionarlos, copiarlos o extraerlos con una herramienta gratuita en unos cuatro segundos. Cada fallo de censura publicado del que hayas leído (las cifras de un acuerdo, los nombres de testigos, los escritos judiciales sin censurar) fue un documento en el que alguien dibujó una forma y se lo creyó.

Aquí el orden es el inverso. El texto dentro de tu rectángulo se elimina primero del flujo de contenido, y el recuadro se dibuja después como marca visual de dónde había algo. Copia la zona censurada y no obtendrás nada, porque no hay nada; extrae el texto de la página y las palabras no están. Se te muestra cuántos fragmentos se eliminaron, para que una censura que en silencio no coincidió con nada quede a la vista en lugar de darse por hecha.

Los gráficos son otro problema y tienen otra respuesta. Un nombre dentro de una página escaneada, o en una captura de pantalla pegada en un informe, no es texto en absoluto: son píxeles, y eliminar texto no puede tocarlos. Al activar la opción de contenido gráfico, esas páginas se vuelven a generar con la censura ya aplicada, así que los píxeles de debajo desaparecen de verdad en lugar de quedar tapados. El costo es real y se dice claramente: esas páginas pasan a ser imágenes, así que su texto deja de poder seleccionarse y el archivo pesa más.

Un PDF guarda nombres en más lugares que la página, y los demás no se tocan aquí. El índice de marcadores, los valores de los campos de formulario, los archivos adjuntos, la información del documento, el paquete de metadatos XMP y el propio nombre del archivo son almacenes aparte, y un nombre en cualquiera de ellos sobrevive a una censura perfecta de la página. Lo mismo ocurre con una versión anterior del documento si se guardó de forma incremental. Antes de que un archivo censurado vaya a algún lugar importante, abre las propiedades del documento y revísalas, y pasa el resultado por una reconstrucción que descarte lo que las páginas ya no usan.

Si buscas otra cosa

Cuando hay consecuencias legales en juego, usa software hecho para eso. La censura de Adobe Acrobat Pro aplica la misma lógica de eliminar y luego marcar, y agrega algo que esta página no puede ofrecer: un paso de saneamiento que quita metadatos, adjuntos, capas ocultas, scripts y revisiones guardadas anteriores de una sola vez. Para un escrito judicial, ese paso no es opcional.

El equivalente gratuito es una secuencia de dos comandos, y es realmente minuciosa. qpdf --qdf --object-streams=disable in.pdf out.pdf expone la estructura del documento como texto legible para que confirmes con tus propios ojos que un nombre desapareció, y exiftool -all:all= out.pdf borra los metadatos. Si después ejecutas gs -sDEVICE=pdfwrite -o final.pdf out.pdf, el archivo se reconstruye a partir de lo que las páginas realmente usan y se descartan los objetos huérfanos. Verificar es la parte que la gente se salta, y es la que importa.