Kaip visam laikui pašalinti tekstą iš PDF failo

Klaidingą tekstą reikia pakeisti. Puslapis po to turi būti teisingai skaitomas, o pakaitalas čia visiškai tinka. Tai redagavimas. Niekas neleis teksto ištraukimo bibliotekos per jūsų pasiūlymą ieškodamas suklysto skaitmens. Jei faile kur nors liks seno numerio nuotrupa, tai bus netvarka, ne pavojus.

Jautraus teksto turi būti neįmanoma atkurti. Ne uždengto ir ne pakeisto žvaigždutėmis, o pašalinto iš baitų. Taip, kad atlaikytų žmogų, turintį failą, laiko ir norą sužinoti, ką iš jo išėmėte. Toks žmogus PDF pirmiausia atidarys teksto redaktoriumi, o tik tada imsis ko nors sudėtingesnio. Redagavimo tam neužtenka.

Daugumoje PDF programų abu veiksmai slepiasi tame pačiame meniu kampe. Todėl žmonės ir pasirenka ne tą.

Tekstas PDF faile yra simbolių seka turinio sraute, greta komandų, nurodančių, kur piešti kiekvieną ženklą. Užpiešę ant jo baltą stačiakampį, pridedate kitą piešimo komandą, o simbolių seka lieka nepaliesta. Tas pats nutinka su juodu langeliu ar nauju blanku, užklijuotu ant seno. Puslapis atrodo kitaip, bet failas nepasikeitė. Mechanizmas paaiškintas plačiau.

Taigi „visam laikui“ reiškia, kad simbolių seka pašalinama iš turinio srauto, o failas perrašomas be jos. Viskas, kas mažiau, yra dekoracija.

PDF nežino, kas yra pastraipa. Jame tėra ženklai su koordinatėmis. Išimkite tris žodžius iš abipus lygiuoto teksto vidurio, ir visi paskesni žodžiai atsidurs ne savo vietose, eilutėje liks netinkami tarpai, o kartais visą pastraipą teks iš naujo sutalpinti į tą patį plotą.

Čia ir prasideda tikrasis sunkumas, o įrankiai jį sprendžia labai skirtingai. Vieni pastraipą tvarkingai perlaužia. Kiti pastumia paskesnius žodžius kairėn, palikdami nelygius tarpus, arba uždeda teksto laukelį ant originalo skylės. Pataisius vieną žodį rezultatas dažniausiai geras, bet kuo daugiau keičiate, tuo prasčiau.

Kiti spąstai – šriftai. Į PDF įterpti šriftai dažnai būna poaibiai, turintys tik dokumente panaudotus ženklus. Jei naujam tekstui reikia ženklo, kurio originaliame puslapyje nebuvo, įrankis arba pakeis šriftą kitu, arba nieko nenupieš. Netikėta „é“ ar brūkšnys dažniausiai išduoda šią problemą.

Padeda du įpročiai. Naujas tekstas turėtų būti maždaug tokio pat ilgio kaip pašalintas, o rezultatą tikrinkite eksportuotame faile, priartinę vaizdą iki galo, ne redaktoriaus peržiūroje, kurią piešia visai kitas kodas.

Naudokite duomenų slėpimo funkciją. Ji yra kiekvienoje rimtoje PDF programoje, atskirta nuo piešimo įrankių ir paprastai įspėja, kad veiksmo nebegalima atšaukti. Iš to įspėjimo ir atpažinsite, kad tai ji.

Jei tame pačiame faile taisote skaičių ir šalinate pavardę, iš anksto nuspręskite, kas nutiks jiems persidengus. Naujas tekstas, įrašytas srityje, kurią vėliau paslepiate, neturėtų likti. Kai kurie įrankiai jį palieka.

Net ir po tikro pašalinimo dokumente tai, ką išėmėte, gali likti ne puslapyje, o kitoje vietoje.

Metaduomenyse gali būti autorius, pradinis failo vardas, programa, kuria jis sukurtas, o kartais ir pavadinimas iš kelių ankstesnių juodraščių. Dar pavojingesnis laipsniškas išsaugojimas: PDF leidžia programai pakeitimus prirašyti, užuot perrašius visą failą, todėl ankstesnės puslapių versijos su visu buvusiu turiniu gali likti dokumento pradiniuose baituose. Anotacijos ir komentarai yra už turinio srauto ribų, todėl juos lengva pražiopsoti, kai ekrane viskas atrodo švaru. Tas pats su PDF viduje tyliai keliaujančiais prisegtais failais. Maketavimo programoje apkarpytame paveikslėlyje dažnai lieka visas vaizdas, nes apkarpymas tėra rodymo nurodymas.

Nieko egzotiško. Tiesiog to nesimato ten, kur žiūrėjote.

Atidarykite eksportuotą failą, ne tą, kuris liko redaktoriuje. Pažymėkite sritį, nukopijuokite, įklijuokite į paprastą teksto redaktorių. Tada dokumente paieškokite pašalinto žodžio. Šios dvi patikros pagauna beveik viską, kas yra pačiame puslapyje.

Jautriems dokumentams eikite toliau. Atidarykite dokumento savybes ir perskaitykite autoriaus, pavadinimo ir raktažodžių laukus. Tada paleiskite per failą teksto ištraukimo įrankį, kad ir pdftotext, ir perskaitykite rezultatą: jis parodo visą teksto sluoksnį iš karto, o ne tą dalį, į kurią atsitiktinai žiūrite.

hddn abu atvejus tvarko naršyklėje. Redaguojant tekstą originalas pašalinamas ir įrašomas naujas, išlaikant įterptą šriftą, jei šriftas tai leidžia; patvirtinti slėpimai pritaikomi kaip tikras duomenų slėpimas, todėl uždengtas turinys iš failo pašalinamas. Persidengus slėpimui ir redaguotam tekstui, pirmenybė teikiama slėpimui, nes taip ir turi būti. Redaguoti galima tik puslapius su tikru tekstu: skenuotų puslapių, pasuktų eilučių ir iš dešinės į kairę rašomo teksto įrankis nesiima, užuot juos tyliai sudarkęs.

Kad ir ką naudotumėte, redaktorius rodo, ką ketinote padaryti. Gavėjas gauna eksportuotą failą, ir tik vieną iš šių dviejų galima pateikti kaip įrodymą.