Cómo censurar bien un PDF: por qué los recuadros negros no bastan

El error de censura más común es invisible. Un recuadro negro dibujado sobre un nombre se ve perfecto en pantalla y en papel, pero en la mayoría de los casos el nombre sigue en el archivo, justo debajo. Cualquiera puede seleccionar el texto que hay bajo el recuadro y pegarlo en otro sitio, o encontrarlo con una simple búsqueda. Así se han publicado escritos judiciales, informes gubernamentales y documentos de empresas, con el texto “oculto” recuperado en segundos. Esta guía explica por qué tapar no es eliminar, los lugares menos evidentes donde un PDF esconde información y cómo revisar un documento censurado antes de que salga de tus manos.

Por qué un recuadro negro no oculta nada

Una página de PDF se construye por capas, como una pila de hojas transparentes. El texto se dibuja en una, y un rectángulo negro dibujado después queda en una hoja superior. Tus ojos solo ven la parte de arriba de la pila, pero todas las capas siguen en el archivo. Al copiar o buscar, el software de lectura en voz alta y los motores de búsqueda leen directamente la capa de texto, y para ellos el rectángulo no cambia nada.

Lo mismo ocurre con la mayoría de los arreglos rápidos:

Un resaltado negro o una forma rellena añadidos en un visor de PDF son un comentario que queda encima de la página. Cualquiera puede seleccionarlo y eliminarlo, o apartarlo.
Un resaltado negro en Word sigue siendo texto, con formato negro sobre negro. Cuando el documento se guarda como PDF, las palabras se van con él.
Cambiar el color del texto a blanco lo oculta a la vista, y de nada más.

Los lugares menos evidentes donde se esconde la información

Incluso cuando el texto visible se trata correctamente, un PDF puede llevar la misma información en lugares que nadie mira.

La capa de texto de un escaneo. Muchos PDF escaneados tienen texto OCR invisible detrás de la imagen, para poder hacer búsquedas. Tapar la imagen de una palabra deja intacta esa copia invisible.
Los píxeles de una imagen. Un recuadro dibujado sobre una foto o una firma escaneada la tapa, pero los datos de la imagen que hay debajo están completos. Al quitar el recuadro, o al extraer la imagen, aparece el original.
Los metadatos. El título, el autor, el asunto y las palabras clave del documento, y el propio nombre del archivo, suelen contener precisamente los nombres que se están censurando.
Los comentarios, los campos de formulario y los marcadores. La nota de un revisor, el valor de un formulario rellenado o un marcador llamado “Acuerdo con J. Pérez” pueden repetir lo que la página oculta.
Los archivos adjuntos. Un PDF puede llevar otros archivos dentro, como la hoja de cálculo de la que salieron las cifras.
Las versiones anteriores. Muchos editores de PDF guardan los cambios añadiéndolos al final del archivo, así que la versión anterior a la censura sigue dentro.
La información de accesibilidad. Los PDF etiquetados pueden llevar un texto alternativo para lectores de pantalla que reproduce las palabras dibujadas en la página.

Guardar el archivo es una trampa en sí misma. Cuando probamos un servicio de censura en línea mientras creábamos nuestra propia herramienta, eliminó correctamente las palabras de la página. Sin embargo, guardó el archivo con el contenido original de la página todavía dentro, como un objeto al que nada hacía referencia. Ningún visor lo mostraba y la extracción de texto no encontraba nada, pero los valores censurados se podían leer directamente en el archivo. Un archivo censurado solo es tan bueno como la forma en que se escribe.

Qué hace una censura bien hecha

Una censura real cambia lo que contiene el archivo, no solo su aspecto:

los caracteres que hay bajo cada zona marcada se eliminan del contenido de la página;
los píxeles cubiertos de cualquier imagen se sobrescriben en la propia imagen;
los dibujos que el recuadro oculta por completo se eliminan;
después se dibuja un recuadro negro en el espacio vacío, como señal visible de que se eliminó algo;
también se eliminan los metadatos, los comentarios, los campos de formulario, los marcadores, los archivos adjuntos y demás contenido oculto; y
el archivo se escribe de nuevo desde cero, sin versiones anteriores ni objetos sobrantes.

También está la cuestión de las letras que un recuadro solo cubre en parte. Un recuadro que corta medio dígito puede dejar lo suficiente para leerlo, así que una herramienta cuidadosa elimina entera la palabra que el recuadro roza, en lugar de dejar en la página la mitad del número de una tarjeta.

Cómo funciona Censurar PDF

Nuestra herramienta Censurar PDF se basa en esas reglas. Abres el PDF y luego seleccionas texto o dibujas recuadros sobre todo lo que deba desaparecer, incluidas partes de imágenes. El archivo se sube a nuestros servidores, donde se procesa automáticamente y se elimina unos cinco minutos después de que cierres la página. El límite es de 256 MB.

El texto que cubre un recuadro se elimina del propio archivo. Se elimina carácter a carácter, y una palabra que un recuadro solo cubre en parte puede eliminarse entera. Los píxeles cubiertos de una imagen se borran en la imagen. Un dibujo solo se elimina cuando un recuadro lo cubre por completo, así que una línea o forma que sobresale de un recuadro se conserva entera, incluida la parte que queda bajo el negro. El texto y las imágenes que los recuadros no tocan quedan como estaban. La herramienta también elimina los metadatos del documento, los enlaces, los comentarios, los campos de formulario, los marcadores, los archivos adjuntos y los scripts del documento, junto con la estructura de accesibilidad que podría reproducir las palabras eliminadas.

Después revisa su propio trabajo. Vuelve a leer el archivo terminado, descomprimiendo cada parte de su contenido, incluida la que nada referencia, y busca las palabras que estaban bajo tus recuadros. Si alguna sigue en el archivo, te lo dice en lugar de entregarte el archivo.

Hay límites a lo que cualquier herramienta puede hacer por ti. Censurar PDF elimina lo que marcas, y solo eso. Si el mismo nombre aparece en otra página, en un encabezado o dentro de una imagen que no marcaste, se queda. La comprobación busca las palabras que solo existían bajo tus recuadros, así que no puede saber que un nombre en otra parte del documento también importa. Y la censura no se puede deshacer, así que guarda tu original en un lugar seguro.

Cómo revisar tú mismo un PDF censurado

Uses la herramienta que uses, revisa el resultado antes de compartirlo. Lleva unos minutos:

Busca cada término censurado. Usa Ctrl+F (Cmd+F en Mac) para cada nombre, número y frase que eliminaste. Prueba también con una parte, como los cuatro últimos dígitos de un número.
Cópialo todo. Selecciona todo el texto de cada página censurada, pégalo en un editor de texto sin formato y lee lo que sale.
Usa dos lectores distintos. Abre el archivo en un navegador y en un lector de PDF de escritorio. Leen los archivos de forma diferente, y uno puede mostrar lo que el otro no.
Mira las propiedades del documento. Revisa el título, el autor, el asunto y las palabras clave, y revisa el nombre del archivo.
Abre los paneles laterales. Mira los comentarios, los marcadores, los archivos adjuntos y los campos de formulario.
Lee todas las páginas. Busca la misma información en algún lugar que no marcaste: un encabezado, un pie de página, un pie de foto, una imagen, un bloque de firma.

Conclusión

Censurar tiene que ver con lo que hay en el archivo, no con lo que hay en la pantalla. Un recuadro negro sobre un texto solo lo oculta, mientras que una censura real elimina el texto, borra los píxeles de la imagen, limpia los datos ocultos y escribe un archivo limpio. Usa una herramienta que elimine el contenido en lugar de taparlo, marca todos los lugares donde aparece la información y revisa el resultado como si fueras la persona que intenta leerlo.

¿Tienes un documento que censurar? Prueba Censurar PDF.

← Volver al blog