PDF को सही तरीके से रिडैक्ट करना: काले बॉक्स काफ़ी क्यों नहीं हैं

रिडैक्शन की सबसे आम गलती दिखाई नहीं देती। किसी नाम पर बना काला बॉक्स स्क्रीन और कागज़ पर बिल्कुल ठीक दिखता है, लेकिन ज़्यादातर मामलों में नाम अब भी फ़ाइल में, ठीक उसके नीचे, मौजूद रहता है। कोई भी बॉक्स के नीचे का टेक्स्ट चुनकर कहीं और पेस्ट कर सकता है, या एक साधारण खोज से उसे ढूँढ सकता है। अदालती दस्तावेज़, सरकारी रिपोर्ट और कंपनियों के दस्तावेज़, सब इसी तरह प्रकाशित हो चुके हैं, और "छिपा हुआ" टेक्स्ट सेकंडों में वापस निकाल लिया गया। यह गाइड बताती है कि ढकना हटाना क्यों नहीं है, PDF में जानकारी किन कम दिखने वाली जगहों पर छिपी रहती है, और रिडैक्ट किए गए दस्तावेज़ को अपने हाथ से जाने से पहले कैसे जाँचें।

काला बॉक्स कुछ भी क्यों नहीं छिपाता

PDF का पेज परतों में बनता है, जैसे पारदर्शी शीटों का एक ढेर। टेक्स्ट एक शीट पर बनाया जाता है, और बाद में बनाया गया काला आयत उसके ऊपर की शीट पर रहता है। आपकी आँखें सिर्फ़ ढेर का ऊपरी हिस्सा देखती हैं, लेकिन हर परत अब भी फ़ाइल में होती है। कॉपी करना, खोजना, टेक्स्ट को बोलकर सुनाने वाला सॉफ़्टवेयर और सर्च इंजन, सब सीधे टेक्स्ट वाली परत पढ़ते हैं, और आयत से उन पर कोई फ़र्क नहीं पड़ता।

ज़्यादातर फटाफट उपायों के साथ भी यही होता है:

किसी PDF व्यूअर में जोड़ी गई काली हाइलाइटिंग या भरी हुई आकृति एक टिप्पणी होती है जो पेज के ऊपर रहती है। कोई भी उसे चुनकर मिटा सकता है, या किनारे खिसका सकता है।
Word में काली हाइलाइटिंग काले पर काले फ़ॉर्मैट में टेक्स्ट ही रहती है। जब दस्तावेज़ PDF के रूप में सेव होता है, तो शब्द भी साथ जाते हैं।
टेक्स्ट का रंग सफ़ेद कर देना उसे सिर्फ़ आँखों से छिपाता है, किसी और चीज़ से नहीं।

वे कम दिखने वाली जगहें जहाँ जानकारी छिपी रहती है

दिखने वाले टेक्स्ट को ठीक से संभाल लेने पर भी, PDF वही जानकारी ऐसी जगहों पर रख सकती है जहाँ कोई नहीं देखता।

स्कैन की टेक्स्ट परत। कई स्कैन की गई PDF में इमेज के पीछे अदृश्य OCR टेक्स्ट होता है, ताकि उनमें खोजा जा सके। किसी शब्द की तस्वीर को ढकने से उसकी वह अदृश्य कॉपी जस की तस रहती है।
इमेज के पिक्सेल। किसी फ़ोटो या स्कैन किए गए हस्ताक्षर पर बना बॉक्स उसे ढक देता है, लेकिन नीचे का इमेज डेटा पूरा रहता है। बॉक्स हटाने, या इमेज निकालने पर मूल दिख जाता है।
मेटाडेटा। दस्तावेज़ का शीर्षक, लेखक, विषय और कीवर्ड, और खुद फ़ाइल का नाम, अक्सर उन्हीं नामों को समेटे होते हैं जिन्हें रिडैक्ट किया जा रहा है।
टिप्पणियाँ, फ़ॉर्म फ़ील्ड और बुकमार्क। किसी समीक्षक का नोट, फ़ॉर्म में भरा गया कोई मान या "राजेश शर्मा के साथ समझौता" नाम का बुकमार्क वही बात दोहरा सकता है जो पेज छिपाता है।
अटैचमेंट। किसी PDF के अंदर दूसरी फ़ाइलें हो सकती हैं, जैसे वह स्प्रेडशीट जिससे आँकड़े आए।
पुराने संस्करण। कई PDF एडिटर बदलावों को फ़ाइल के आखिर में जोड़कर सेव करते हैं, इसलिए रिडैक्शन से पहले का संस्करण अब भी उसके अंदर होता है।
एक्सेसिबिलिटी जानकारी। टैग की गई PDF में स्क्रीन रीडर के लिए एक वैकल्पिक टेक्स्ट हो सकता है, जो पेज पर बने शब्दों को साफ़-साफ़ लिख देता है।

फ़ाइल को सेव करना अपने आप में एक जाल है। अपना टूल बनाते समय जब हमने एक ऑनलाइन रिडैक्शन सेवा का परीक्षण किया, तो उसने पेज से शब्द ठीक से हटा दिए। लेकिन उसने फ़ाइल को इस तरह सेव किया कि पेज की मूल सामग्री अब भी उसके अंदर रही, एक ऐसे ऑब्जेक्ट के रूप में जिसका कोई हवाला नहीं देता था। कोई व्यूअर उसे नहीं दिखाता था और टेक्स्ट निकालने पर कुछ नहीं मिलता था, फिर भी रिडैक्ट किए गए मान सीधे फ़ाइल से पढ़े जा सकते थे। रिडैक्ट की गई फ़ाइल उतनी ही अच्छी होती है जितना अच्छा उसे लिखने का तरीका।

सही रिडैक्शन क्या करता है

असली रिडैक्शन यह बदलता है कि फ़ाइल में क्या है, सिर्फ़ यह नहीं कि वह कैसी दिखती है:

हर चिह्नित हिस्से के नीचे के अक्षर पेज की सामग्री से मिटा दिए जाते हैं;
किसी भी इमेज के ढके हुए पिक्सेल इमेज में ही बदल दिए जाते हैं;
जिन ड्रॉइंग को बॉक्स पूरी तरह छिपाता है, वे मिटा दी जाती हैं;
फिर खाली जगह में एक काला बॉक्स बनाया जाता है, यह दिखाने के निशान के रूप में कि कुछ हटाया गया है;
मेटाडेटा, टिप्पणियाँ, फ़ॉर्म फ़ील्ड, बुकमार्क, अटैचमेंट और दूसरी छिपी सामग्री भी हटा दी जाती है; और
फ़ाइल नए सिरे से लिखी जाती है, जिसमें न कोई पुराना संस्करण होता है और न कोई बचा हुआ ऑब्जेक्ट।

उन अक्षरों का सवाल भी है जिन्हें बॉक्स सिर्फ़ आंशिक रूप से ढकता है। जो बॉक्स किसी अंक का आधा हिस्सा काटता है, वह उसका इतना हिस्सा छोड़ सकता है कि उसे पढ़ा जा सके, इसलिए एक सावधान टूल बॉक्स से कटे शब्द को पूरा हटाता है, बजाय इसके कि पेज पर किसी कार्ड नंबर का आधा हिस्सा छोड़ दे।

PDF रिडैक्शन कैसे काम करता है

हमारा PDF रिडैक्शन टूल इन्हीं नियमों पर बना है। आप PDF खोलते हैं, फिर जो कुछ भी हटाना है, उसका टेक्स्ट चुनते हैं या उस पर बॉक्स बनाते हैं, जिसमें इमेज के हिस्से भी शामिल हैं। फ़ाइल हमारे सर्वरों पर अपलोड होती है, जहाँ वह स्वचालित रूप से प्रोसेस होती है और पेज बंद करने के लगभग पाँच मिनट बाद मिटा दी जाती है। सीमा 256 MB है।

बॉक्स जिस टेक्स्ट को ढकता है, वह फ़ाइल से ही निकाल दिया जाता है। उसे एक-एक अक्षर करके हटाया जाता है, और जिस शब्द को बॉक्स सिर्फ़ आंशिक रूप से ढकता है, वह पूरा हटाया जा सकता है। तस्वीर के ढके हुए पिक्सेल तस्वीर में ही मिटा दिए जाते हैं। कोई ड्रॉइंग तभी मिटाई जाती है जब बॉक्स उसे पूरी तरह ढक ले, इसलिए जो लाइन या आकृति बॉक्स के नीचे से बाहर निकलती है, वह पूरी रहती है, काले हिस्से के नीचे वाला भाग भी। जिस टेक्स्ट और जिन तस्वीरों को बॉक्स नहीं छूते, वे जैसे थे वैसे रहते हैं। टूल दस्तावेज़ का मेटाडेटा, लिंक, टिप्पणियाँ, फ़ॉर्म फ़ील्ड, बुकमार्क, अटैच की गई फ़ाइलें और दस्तावेज़ की स्क्रिप्ट भी हटाता है, साथ ही वह एक्सेसिबिलिटी ढाँचा भी, जो हटाए गए शब्दों को फिर से लिख सकता था।

फिर यह अपने काम की जाँच करता है। यह तैयार फ़ाइल को दोबारा पढ़ता है, उसकी हर सामग्री को डीकंप्रेस करके, उसे भी जिसका कोई हवाला नहीं देता, और उन शब्दों को खोजता है जो आपके बॉक्स के नीचे थे। अगर उनमें से कोई अब भी फ़ाइल में है, तो वह फ़ाइल थमाने के बजाय आपको बता देता है।

कोई भी टूल आपके लिए क्या कर सकता है, इसकी सीमाएँ हैं। PDF रिडैक्शन वही हटाता है जो आप चिह्नित करते हैं, और सिर्फ़ वही। अगर वही नाम किसी दूसरे पेज पर, हेडर में या ऐसी तस्वीर के अंदर है जिसे आपने चिह्नित नहीं किया, तो वह बना रहता है। जाँच उन शब्दों को खोजती है जो सिर्फ़ आपके बॉक्स के नीचे थे, इसलिए वह यह नहीं जान सकती कि दस्तावेज़ में कहीं और मौजूद कोई नाम भी मायने रखता है। और रिडैक्शन को पलटा नहीं जा सकता, इसलिए अपनी मूल फ़ाइल किसी सुरक्षित जगह रखें।

रिडैक्ट की गई PDF को खुद कैसे जाँचें

आप कोई भी टूल इस्तेमाल करें, शेयर करने से पहले नतीजा जाँचें। इसमें कुछ मिनट लगते हैं:

रिडैक्ट किए गए हर शब्द को खोजें। आपने जो भी नाम, नंबर और वाक्यांश हटाया, उसके लिए Ctrl+F (Mac पर Cmd+F) इस्तेमाल करें। उसका कोई हिस्सा भी खोजकर देखें, जैसे किसी नंबर के आखिरी चार अंक।
सब कुछ कॉपी करें। रिडैक्ट किए गए हर पेज का सारा टेक्स्ट चुनें, उसे किसी सादे टेक्स्ट एडिटर में पेस्ट करें, और पढ़ें कि क्या निकलता है।
दो अलग-अलग रीडर इस्तेमाल करें। फ़ाइल को किसी ब्राउज़र में और किसी डेस्कटॉप PDF रीडर में खोलें। वे फ़ाइलें अलग तरह से पढ़ते हैं, और हो सकता है एक वह दिखाए जो दूसरा नहीं दिखाता।
दस्तावेज़ की प्रॉपर्टीज़ देखें। शीर्षक, लेखक, विषय और कीवर्ड जाँचें, और फ़ाइल का नाम भी।
साइड पैनल खोलें। टिप्पणियाँ, बुकमार्क, अटैचमेंट और फ़ॉर्म फ़ील्ड देखें।
हर पेज पढ़ें। वही जानकारी किसी ऐसी जगह पर देखें जिसे आपने चिह्नित नहीं किया: हेडर, फ़ुटर, कैप्शन, इमेज, हस्ताक्षर वाला हिस्सा।

निष्कर्ष

रिडैक्शन इस बारे में है कि फ़ाइल में क्या है, इस बारे में नहीं कि स्क्रीन पर क्या है। टेक्स्ट पर बना काला बॉक्स उसे सिर्फ़ छिपाता है, जबकि असली रिडैक्शन टेक्स्ट को मिटाता है, इमेज के पिक्सेल खाली करता है, छिपा डेटा साफ़ करता है और एक साफ़ फ़ाइल लिखता है। ऐसा टूल इस्तेमाल करें जो सामग्री को ढकने के बजाय हटाता हो, हर उस जगह को चिह्नित करें जहाँ जानकारी दिखती है, और नतीजे को ऐसे जाँचें जैसे आप वह व्यक्ति हों जो उसे पढ़ने की कोशिश कर रहा है।

कोई दस्तावेज़ रिडैक्ट करना है? PDF रिडैक्शन आज़माएँ।

← ब्लॉग पर वापस जाएँ