07
Turite nufotografuotą sutartį, paso kopiją ar biure nuskenuotą atlyginimo lapelį. Reikia pašalinti vieną pavardę. Visi vadovai kartoja tą patį: pažymėkite tekstą ir pritaikykite slėpimą. Vedžiojate pele per pavardę, bet niekas neparyškėja. Net žymeklis nepakeičia formos.
Gali būti, kad ten tiesiog nėra teksto sluoksnio. Vien tai, kad teksto nepavyksta pažymėti, dar neįrodo, kokia yra failo struktūra.
01
Puslapis yra nuotrauka
Skaitmeniniame PDF tekstas saugomas kaip ženklų piešimo komandos su koordinatėmis ir šriftu. Paprastame skenuotame PDF gali būti tik puslapių vaizdai. Kituose būna ir teksto, metaduomenų ar papildomų objektų. Vaizde matoma pavardė yra tamsūs pikseliai, tokie pat kaip skaitytuvo dangčio šešėlis.
Jei puslapyje yra tik vaizdas, teksto žymėjimo įrankis neturi ko pažymėti. Puslapio turinio srautas iš esmės sako: nupiešk šį paveikslėlį. Teksto paieška ar ištraukimas tuomet gali nieko nerasti, nors pavardė aiškiai matoma.
02
Čia juodas langelis iš tikrųjų gali suveikti
Tai vienintelis atvejis, kai akivaizdžiausias būdas tinka. Keista tai girdėti šimtą kartų išgirdus, kad stačiakampiai nieko neslepia.
Puslapyje be teksto sluoksnio pavardę sudaro tik vaizdo pikseliai. Sukūrus naują puslapio vaizdą su įdegintu užtušavimu, šioje vietoje lieka langelio, o ne pavardės pikseliai. Originalus vaizdas ir kitos jo kopijos į naują failą neturi patekti.
Kuriant vaizdinį PDF kiekvienas puslapis atvaizduojamas iš naujo, užtušavimas įdeginamas į vaizdą, o iš šių vaizdų sudaromas naujas failas. Kitas galimas būdas – tiesiogiai pašalinti pažymėtus originalaus vaizdo pikselius ir persidengiantį tekstą, neverčiant viso puslapio nauju vaizdu. Jei įrankis tik uždeda figūrą ant originalo, pavardės nuotrauka lieka faile ir ją gali ištraukti PDF vaizdų ištraukimo įrankiai.
03
Patikrinkite, ar skenuotame dokumente yra teksto sluoksnis
Skenuotame dokumente gali būti ir tekstas. Skaitytuvo programinė įranga, dokumentų valdymo sistemos ir programos su parinktimi „searchable PDF“ atpažįsta tekstą OCR būdu ir įrašo žodžius kaip nematomą sluoksnį virš vaizdo. Puslapis atrodo taip pat. Tačiau faile jau yra ir pavardės nuotrauka, ir ištraukiama jos simbolių seka.
Užpiešę langelį ant vaizdo, pikselius paslėpėte tik akims. Teksto sluoksnis lieka nepaliestas ir nukopijuojamas kartu su tekstu. Tai ta pati juodo stačiakampio problema, tik su vaizdu po juo.
Pirmiausia tai patikrinkite. Atidarykite failą ir perbraukite pele per pagrindinio teksto eilutę. Jei ji paryškėja arba Ctrl+F randa puslapyje matomą žodį, teksto sluoksnis yra ir jį reikia pašalinti kartu su pikseliais. Tikrinkite puslapį po puslapio, nes mišrūs dokumentai įprasti: spausdintas titulinis lapas, po jo dvylika skenuotų puslapių, tada pasirašytas priedas.
Tada tą pačią patikrą atlikite su eksportuotu failu, o ne su tuo, kurį redagavote.
04
Anotacija nėra įdegintas langelis
Stačiakampis, išsaugotas kaip PDF anotacija, yra atskiras failo objektas su savo koordinatėmis, spalva ir įrašu puslapio anotacijų sąraše. Skaityklėse jį galima spustelėti, pastumti ar ištrinti. Net jei sąsaja to neleidžia, objektas lieka failo struktūroje, o anotacijas pašalinti nesunku.
Naujame rastriniame puslapio vaizde užtušavimas tampa tamsiais pikseliais. Jis nebėra atskira anotacija, kurią būtų galima pastumti ar ištrinti. Tačiau reikia patikrinti, ar faile neliko originalaus vaizdo ar kitų jo kopijų.
Spausdinimas į PDF neįrodo, kad duomenys pašalinti. Po uždengimu gali likti tekstas ar vaizdas. Net „suplokštinimas“ kartais reiškia tik anotacijų sujungimą su puslapiu, paliekant po jomis esantį turinį. Jei renkatės vaizdinį PDF, ieškokite aiškiai nurodyto rastravimo ir patikrinkite eksportuotą failą.
05
Raiška ir pamiršta kopija
Kai kurie eksporto būdai sumažina vaizdo raišką. Dokumentas gali tapti sunkiai įskaitomas, o prastesnė kokybė neįrodo, kad jautrūs duomenys pašalinti. Prieš siųsdami patikrinkite ir tekstą, ir užtušuotas vietas.
Privatumo problema gali slypėti kitoje failo vietoje. Skaitytuvų programos ir biuro programų paketai kartais įterpia puslapio miniatiūrą, o palaipsniui išsaugotame faile gali likti ankstesnės versijos. Prieš užtušavimą sukurta miniatiūra gali išsaugoti jautrius duomenis. Rinkitės eksportą, kuris perkuria failą ir pašalina paslėptą turinį, tada patikrinkite savybes bei priedus. Vien naujas failo pavadinimas ankstesnių versijų ar paslėptų kopijų nepašalina.
06
OCR, naudojamas sąmoningai
OCR visą šį darbą padaro lengviau pakeliamą. Pirmiausia atpažinkite tekstą, tada įrankis pakankamai gerai perskaitys puslapį ir pasiūlys galimus radinius: vardus, asmens kodus, gimimo datas, sąskaitų numerius. Langeliai atsiduria tinkamose vietose, nes atpažinimas grąžina kiekvieno žodžio koordinates, ne vien nuorašą.
Tačiau OCR klysta: blyškios fakso kopijos, pakrypę puslapiai, ranka prirašytos pastabos paraštėse, penketas, perskaitytas kaip S. Radinius laikykite tik pradžia ir puslapį perskaitykite patys. Eksportuojant turi būti pašalinti pažymėti pikseliai ir paslėptas tekstas – tiesiogiai iš PDF arba sukuriant naują vaizdinę kopiją. Tiksliai rasta pavardė nepadeda, jei langelis tik uždėtas ant jos.
Skenuotiems puslapiams hddn naudoja naršyklėje veikiantį OCR ir pateikia radinius jūsų peržiūrai. Pirmiausia bando eksportuoti įprastą PDF. Jei šio eksporto atlikti negalima, paaiškina priežastį ir siūlo vaizdinį PDF tik gavęs aiškų jūsų sutikimą. Tuomet patvirtinti užtušavimai įdeginami į naujus puslapių vaizdus. Prarandamas paieškai tinkamas tekstas ir prieinamumo informacija. Skenuotuose puslapiuose duomenis paslėpti galima, bet teksto redaguoti negalima.
Skenuotas dokumentas gali atrodyti saugesnis vien todėl, kad teksto nepavyksta pažymėti ar rasti paieška. Toks įspūdis klaidina. Prieš užtušuodami patikrinkite, ar faile yra teksto sluoksnis. Eksportavę įsitikinkite, kad pašalintas ir jautrus vaizdo turinys.