Tarja não apagou o texto: o PDF é imagem, e agora?
Por que a tarja deixa palavras visíveis em PDF escaneado, como marcar a área à mão e como conferir se o dado sumiu de verdade antes de enviar o arquivo.
A tarja não pegou o dado porque, num PDF escaneado, o texto é uma imagem. A ferramenta procura as palavras depois de ler a página com OCR, e o que o OCR não reconhece não entra na busca. Tarje o que foi encontrado, marque à mão a área do resto e confira o arquivo final pesquisando o dado.
Por que o texto continua visível
Há dois casos parecidos que têm causas diferentes. No primeiro, o PDF tem texto selecionável e o dado foi coberto por um retângulo preto desenhado num leitor: o texto continua no arquivo, por baixo da marca. Esse caso é outro problema, explicado no guia sobre tarja preta que não apaga o texto.
No segundo caso, que é o deste guia, o PDF é uma imagem. A tarja automática não encontrou o dado porque o OCR não o leu. Nenhum dos dois casos é resolvido com um retângulo desenhado por cima. Aqui, a tarja acontece de forma diferente: a página é refeita como imagem depois de receber as tarjas, então o conteúdo de baixo não sobra.
Como a tarja encontra o que apagar
A tarja tem três maneiras de achar o dado. Você pode escrever palavras ou nomes, e a busca não diferencia maiúsculas de minúsculas nem acentos. Só a palavra inteira conta, então tarjar “Ana” não apaga “banana”. Você pode escolher tipos de dado, como CPF, CNPJ, e-mail, telefone, CEP, cartão e datas, reconhecidos nos formatos em que costumam aparecer. E você pode marcar áreas na página, que são cobertas exatamente onde você pediu.
Para páginas escaneadas, a busca usa uma cópia lida por OCR, em português e inglês. É aí que o problema aparece: o que o OCR não lê não é encontrado. Se nada do que você pediu for encontrado em lugar nenhum, a ferramenta avisa e não gera o arquivo; mas se ao menos um dado for achado, os que passaram despercebidos ficam sem tarja, e nenhum aviso diz isso. Por isso a conferência final é obrigatória. Outro limite: o OCR lê até 60 páginas escaneadas por vez, então num escaneado maior a busca por termos e tipos de dado recusa o arquivo; divida o PDF ou marque as áreas à mão. A tabela mostra onde a tarja acerta e onde precisa de ajuda.
| Tipo de página | Como a tarja encontra o dado | Quando falha |
|---|---|---|
| Página com texto selecionável | Pesquisa direta nas palavras da página | Raramente, quando o dado está quebrado em duas linhas |
| Página escaneada | OCR de uma cópia, depois pesquisa | Letra borrada, fonte pequena, carimbo sobre o texto |
| Foto de documento | OCR, se houver texto legível | Sombra, reflexo ou ângulo que deforma o texto |
| Área marcada à mão | Não depende de leitura | Quando a área marcada está deslocada |
Passo a passo para tarjar de verdade
- Abra o PDF e tente selecionar um trecho de texto. Se não selecionar, trate o arquivo como imagem desde o início.
- Envie o arquivo para a tarja e escolha os termos e os tipos de dado que você precisa apagar. Não deixe de incluir variações, como o nome com e sem acento.
- Baixe o resultado e revise cada página com dado sensível. Procure o que ficou sem tarja.
- Para cada dado que ficou visível, volte à ferramenta e marque a área à mão, cobrindo o dado inteiro com uma margem de segurança.
- Refaça a tarja e confira o arquivo final pesquisando cada dado no leitor. Se o dado aparecer, ele não foi removido.
Um retângulo preto desenhado por cima do texto só esconde. Só uma tarja que refaz a página como imagem remove o conteúdo de baixo, e a conferência final continua sendo responsabilidade de quem envia.
O que confirma que o dado sumiu
A conferência tem de ser feita no arquivo final, e não na ferramenta. Abra o PDF tarjado, use a busca do leitor e procure o CPF, o nome e o e-mail, com e sem pontuação. Tente também selecionar o texto da página com o dado. Se nada for encontrado e nada for selecionado nas páginas tarjadas, o dado não está no arquivo. As páginas sem tarja continuam com texto selecionável, o que é esperado.
Lembre que o título e o autor do documento também são apagados. Se o nome da pessoa estava nas propriedades do arquivo, ele some do resultado. Mesmo assim, um nome que aparece no corpo do texto precisa de tarja própria, e, para tirar também cargo, datas e outros identificadores indiretos, o guia anonimizar PDF para pesquisa ou processo completa o passo a passo.
Quando a tarja não resolve
Há casos em que nenhuma ferramenta lê o dado. Um escaneado com baixa resolução, uma foto tremida ou um carimbo que cobre o número deixam o OCR sem chance. Nesse caso, a marcação à mão é o único caminho confiável (o guia tarja de verdade ou retângulo explica a diferença), e vale a pena rever o original com a pessoa que enviou o documento. Se a dúvida for sobre o que deve sair do documento, pense antes de enviar: remover o dado do conteúdo é mais seguro do que confiar que alguém o encontre e ignore. O guia tarjar documento para publicar mostra o fluxo completo.
Onde o AjustaPDF entra
A ferramenta de tarjar PDF cobre termos, tipos de dado e áreas marcadas, e, por padrão, lê de volta as páginas tarjadas com OCR para que o resto do texto continue pesquisável. Se você quer ver antes o texto que o OCR reconhece, rode o OCR do PDF primeiro, e confira o que ficou legível. Para uma visão geral de cuidados antes de enviar um documento com dados pessoais, veja o guia sobre enviar CPF e RG em PDF.
Para o caso de publicar um documento com CPF, veja ocultar CPF em PDF antes de publicar.
Perguntas frequentes
Por que a tarja não pegou o CPF que aparece no PDF escaneado?
Porque num escaneado não há texto para procurar. A tarja lê a página com OCR e procura as palavras no resultado. Se o OCR não reconhece um número, por letra borrada, fonte pequena ou carimbo por cima, o CPF não é encontrado e não é tarjado. Marque essa área à mão, na página, e confira o arquivo final.
Como tarjar um PDF que é só imagem?
Use a tarja por termo ou por tipo de dado para o que o OCR encontra, e marque as áreas à mão para o resto. As áreas marcadas não dependem de leitura, então funcionam em qualquer imagem. Depois, abra o arquivo final e confira cada dado sensível, porque a tarja só cobre o que você mandou cobrir.
Como confirmar que o dado tarjado não ficou no arquivo?
Abra o arquivo final e tente selecionar o texto da página tarjada e pesquisar o dado com Ctrl+F. Se o dado aparece na busca, ele continua no arquivo. Nas páginas tarjadas, o conteúdo vira imagem, então o dado não deve ser encontrado. Faça a conferência em um leitor diferente do que você usou para tarjar.
A tarja automática apaga o texto das outras páginas?
Não. Só as páginas com alguma tarja são refeitas como imagem. As demais permanecem exatamente como estavam, com o texto selecionável. Título e autor do documento são apagados no arquivo final, porque costumam identificar a pessoa, mesmo quando a página não tem dado sensível.