Tarjar um PDF

Por que um retângulo preto não é uma tarja

Esse é o erro que já acabou com carreiras e fez perder processos, então vale dizer sem rodeios: desenhar um retângulo preto sobre um texto em um PDF não esconde nada. Os caracteres continuam no fluxo de conteúdo da página, por baixo do retângulo, e qualquer pessoa pode selecioná-los, copiá-los ou extraí-los com uma ferramenta gratuita em uns quatro segundos. Toda falha de tarja publicada que você já leu — os valores de acordos, os nomes de testemunhas, os autos sem tarja — foi um documento em que alguém desenhou uma forma e acreditou nela.

Aqui acontece na ordem inversa. O texto dentro do seu retângulo é apagado primeiro do fluxo de conteúdo, e a tarja é desenhada depois, como marcação visual de onde havia algo. Copie a área tarjada e você não recebe nada, porque não há nada; extraia o texto da página e as palavras não estão lá. A quantidade de trechos removidos é mostrada para você, para que uma tarja que não pegou nada em silêncio fique visível em vez de presumida.

O conteúdo gráfico é um problema à parte, com uma resposta à parte. Um nome dentro de uma página digitalizada, ou em uma captura de tela colada em um relatório, não é texto — são pixels, e apagar texto não os alcança. Ativar a opção de conteúdo gráfico renderiza essas páginas de novo com a tarja já aplicada, então os pixels por baixo desaparecem de verdade em vez de ficarem cobertos. O custo é real e dito com clareza: essas páginas viram imagens, então o texto nelas deixa de ser selecionável, e o arquivo fica maior.

Um PDF guarda nomes em mais lugares além da página, e esses outros lugares não são alterados aqui. Os marcadores, os valores dos campos de formulário, os anexos, as informações do documento, o pacote de metadados XMP e o próprio nome do arquivo são armazenamentos separados, e um nome em qualquer um deles sobrevive a uma tarja perfeita da página. O mesmo vale para uma versão anterior do documento, se ele foi salvo de forma incremental. Antes de um arquivo tarjado ir para qualquer lugar importante, abra as propriedades do documento e confira, e passe o resultado por uma reconstrução que descarte o que as páginas não usam mais.

Quando você precisa de outra coisa

Quando o que está em jogo é jurídico, use um software feito para isso. A tarja do Adobe Acrobat Pro aplica a mesma lógica de apagar e depois marcar e acrescenta o que esta página não tem como oferecer: uma etapa de limpeza que remove metadados, anexos, camadas ocultas, scripts e revisões salvas anteriormente de uma só vez. Para um documento a ser protocolado na Justiça, essa etapa não é opcional.

O equivalente gratuito é uma sequência de dois comandos, e ela é realmente minuciosa. qpdf --qdf --object-streams=disable in.pdf out.pdf expõe a estrutura do documento como texto legível para você confirmar com os próprios olhos que um nome sumiu, e exiftool -all:all= out.pdf limpa os metadados. Depois, gs -sDEVICE=pdfwrite -o final.pdf out.pdf reconstrói o arquivo a partir do que as páginas realmente referenciam, descartando objetos órfãos. Verificar é a parte que as pessoas pulam, e é a parte que importa.