PDFを正しく墨消しする方法：黒い四角形だけでは不十分な理由

墨消しで最もよくある間違いは、目に見えません。名前の上に描いた黒い四角形は、画面でも紙でも完璧に見えますが、ほとんどの場合、名前はその真下のファイル内にまだ残っています。誰でも四角形の下のテキストを選択してほかの場所に貼り付けたり、簡単な検索で見つけたりできます。裁判所への提出書類、政府の報告書、企業の文書が、こうして「隠した」はずのテキストを数秒で読み取られる状態で公開されてきました。このガイドでは、覆うことが削除することではない理由、PDFの中で情報が隠れているわかりにくい場所、そして墨消しした文書を手放す前に確認する方法を説明します。

黒い四角形では何も隠せない理由

PDFのページは、透明なシートを重ねたように、層を重ねて作られています。テキストは1枚のシートに描かれ、後から描いた黒い四角形はその上のシートに載ります。目に見えるのは重なりの一番上だけですが、すべての層はファイルに残っています。コピー、検索、読み上げソフト、検索エンジンはどれもテキストの層を直接読み取るため、四角形があってもまったく影響を受けません。

手軽な対処法のほとんども同じです。

PDFビューアーで追加した黒いハイライトや塗りつぶした図形は、ページの上に載ったコメントです。誰でもそれを選択して削除したり、ずらしたりできます。
Wordでの黒いハイライトは、黒地に黒の書式のテキストとして残ります。文書をPDFとして保存すると、その語句もいっしょに保存されます。
文字の色を白に変えると、目には見えなくなりますが、それ以外の何からも隠れません。

情報が隠れているわかりにくい場所

見えているテキストを正しく処理しても、PDFは誰も見ない場所に同じ情報を持っていることがあります。

スキャンのテキスト層：スキャンしたPDFの多くは、検索できるよう、画像の裏に目に見えないOCRのテキストを持っています。語句の画像を覆っても、その見えない写しには手が付けられていません。
画像のピクセル：写真やスキャンした署名の上に描いた四角形はそれを覆いますが、その下の画像データは完全に残っています。四角形を取り除くか、画像を抽出すれば、元の画像が見えます。
メタデータ：文書のタイトル、作成者、件名、キーワード、そしてファイル名そのものに、墨消ししようとしている名前そのものが含まれていることがよくあります。
コメント、フォームフィールド、しおり：確認者のメモ、入力済みのフォームの値、「山田氏との和解」という名前のしおりなどが、ページで隠したことを繰り返していることがあります。
添付ファイル：PDFには、数字の元になったスプレッドシートなど、ほかのファイルを中に入れておくことができます。
以前の版：多くのPDF編集ソフトは変更をファイルの末尾に追加して保存するため、墨消しする前の版がまだ中に残っています。
アクセシビリティの情報：タグ付きPDFは、ページに描かれた語句を書き出したスクリーンリーダー用の代替テキストを持っていることがあります。

ファイルの保存にも、それ自体の落とし穴があります。当サイトが独自のツールを作る際にあるオンライン墨消しサービスをテストしたところ、ページからは正しく語句を取り除いていました。ところが、ページの元の内容を、どこからも参照されないオブジェクトとしてファイル内に残したまま保存していたのです。どのビューアーにも表示されず、テキストの抽出でも何も見つかりませんでしたが、墨消ししたはずの値はファイルから直接読み取れました。墨消ししたファイルの安全性は、その書き出し方で決まります。

正しい墨消しが行うこと

本当の墨消しは、見た目だけでなく、ファイルに含まれるものを変えます。

指定した各範囲の下にある文字を、ページの内容から削除します。
画像の覆われたピクセルを、画像そのものの中で上書きします。
範囲で完全に隠れる図形を削除します。
そのうえで、何かが削除されたことを示す目に見える印として、空いた場所に黒い四角形を描きます。
メタデータ、コメント、フォームフィールド、しおり、添付ファイル、その他の隠れた内容も削除します。
以前の版や残ったオブジェクトのない、新しいファイルとして書き出します。

範囲が一部にしかかかっていない文字の問題もあります。数字の半分を切り取る範囲では、読み取れるだけの部分が残ることがあるため、慎重なツールは、カード番号の半分をページに残すのではなく、範囲がかかった語句を丸ごと取り除きます。

「PDFを墨消し」の仕組み

当サイトの「PDFを墨消し」ツールは、こうしたルールに基づいて作られています。PDFを開き、画像の一部を含め、消す必要のあるものについてテキストを選択するか範囲を描きます。ファイルは当サイトのサーバーにアップロードされて自動で処理され、ページを閉じてから約5分後に削除されます。上限は256 MBです。

範囲で覆ったテキストは、ファイルそのものから取り除かれます。1文字ずつ削除され、範囲が一部にしかかかっていない語句は丸ごと削除されることがあります。画像の覆われたピクセルは、画像の中で消去されます。図形は範囲で全体を覆った場合にのみ削除されるため、範囲の外まで伸びている線や図形は、黒い部分の下の部分も含めてそのまま残ります。範囲に触れていないテキストと画像は、元のまま残ります。このツールは、文書のメタデータ、リンク、コメント、フォームフィールド、しおり、添付ファイル、文書のスクリプトも、削除した語句を書き出してしまう可能性のあるアクセシビリティの構造とともに取り除きます。

そして、自らの作業を確認します。完成したファイルを読み直し、どこからも参照されていないものも含め、中のすべての内容を展開して、範囲の下にあった語句を探します。そのうちの1つでもファイルに残っていれば、ファイルを渡す代わりにそのことをお知らせします。

どんなツールにも、できることには限界があります。「PDFを墨消し」が削除するのは、指定したものだけです。同じ名前が別のページ、ヘッダー、指定していない画像の中にあれば、それは残ります。確認では範囲の下にしかなかった語句を探すため、文書内のほかの場所にある名前も重要だということまでは判断できません。また、墨消しは元に戻せないので、元のファイルは安全な場所に保管しておきましょう。

墨消ししたPDFを自分で確認する方法

どのツールを使う場合でも、共有する前に結果を確認しましょう。数分で済みます。

墨消ししたすべての語句を検索する：削除した名前、数字、フレーズごとにCtrl+F（MacではCmd+F）を使います。数字の下4桁など、一部分でも試してみましょう。
すべてをコピーする：墨消しした各ページのテキストをすべて選択し、テキストエディターに貼り付けて、何が出てくるかを読みます。
2つの異なるリーダーを使う：ブラウザーとデスクトップのPDFリーダーでファイルを開きます。ファイルの読み方が違うため、一方では見えないものがもう一方で見えることがあります。
文書のプロパティを見る：タイトル、作成者、件名、キーワード、そしてファイル名を確認します。
サイドパネルを開く：コメント、しおり、添付ファイル、フォームフィールドを確認します。
すべてのページを読む：ヘッダー、フッター、キャプション、画像、署名欄など、指定していない場所に同じ情報がないかを探します。

まとめ

墨消しで大切なのは、画面に何が映っているかではなく、ファイルに何が入っているかです。テキストの上の黒い四角形は隠すだけですが、本当の墨消しはテキストを削除し、画像のピクセルを消去し、隠れたデータを取り除き、きれいなファイルを書き出します。覆うのではなく内容を削除するツールを使い、情報が現れるすべての場所を指定し、読み取ろうとする人の立場になって結果を確認しましょう。

墨消しする文書がありますか？「PDFを墨消し」をお試しください。

← ブログに戻る