PDF脱敏涂黑的正确做法：删除内容，而不只是遮住
发布于:
涂黑听起来很简单：把不该被别人看到的部分涂黑，然后分享文档。但实际上，这是PDF操作中最容易出错的事情之一，因为屏幕上看起来被遮住的内容，并不一定已经从文件中删除。姓名上盖着一个黑色矩形，名字可能原封不动地躺在下面，只等有人把它选中，粘贴到文本编辑器里。
本文解释为什么会出现这种情况、真正的脱敏涂黑需要做什么、发送前如何检查涂黑后的PDF是否安全，以及我们的PDF涂黑工具是如何处理的。我们也会坦白说明其中的取舍，因为正确地涂黑是有代价的，值得了解清楚。
为什么画一个黑框并不能真正涂黑PDF？
PDF页面是由多个图层构成的。你看到的文字是以真实字符的形式存储的，带有位置和字体信息，而图片、形状和批注则绘制在它的上方或下方。当你用标注工具、批注工具或普通编辑器添加一个黑色矩形时，只是多加了一层，下面的文字丝毫未动，只是被涂料盖住了而已。
任何收到文件的人往往几秒钟就能恢复这些文字：用鼠标拖过黑色区域再复制、使用阅读器的搜索功能、在编辑器里删除或移动矩形，或者用任意转换工具提取文字。律师、记者和档案管理人员对这种失误再熟悉不过，正因为它太容易犯，已经多次导致看似涂黑得天衣无缝的文件泄露了敏感信息。
同样的问题也存在于把文字高亮成黑色、设置黑色背景色、使用涂白，或者用插入的图片盖住文字等做法中。只要原始字符还留在文件里，这种涂黑就只是表面功夫。
- 黑色矩形批注：文字仍在下面。
- 黑色高亮或文字背景：文字仍在，而且通常还能被选中。
- 涂白或粘贴的形状：文字仍在下面。
- 裁剪页面：被裁掉的区域通常仍保留在文件中。
真正的PDF涂黑到底做了什么？
真正的涂黑会删除底层内容，而不只是让它看不见。涂黑完成后，标记区域内的字符、图片像素以及其他任何数据都必须从文件中彻底消失。留下的黑框只是一个标记，告诉读者这里有内容被删除了。
工具实现这一点大致有两种方式。一些专业编辑器会重写页面内容，精确删除每个涂黑区域内的文字对象和图像区域，同时让页面其余部分保持为可选中的文字。另一些则采用扁平化：把页面渲染成一张图片，黑框直接烧录进去，再用这张图片替换原页面。无论哪种方式，原始数据都不复存在。
好的涂黑还会考虑页面之外的东西。作者姓名、文档标题等元数据，以及隐藏图层、批注、表单字段值、书签和附件，都可能包含你想删除的信息。分享敏感文件之前，想一想这些地方会不会泄露你刚刚涂黑的内容。
如何用pdfdots涂黑PDF？
我们的PDF涂黑工具完全在浏览器中运行。这一点对涂黑来说格外重要：需要涂黑的文档本身就是敏感文件，而使用pdfdots，它永远不会被上传到服务器。你只需一个免费账号，也没有水印。
应用涂黑时，凡是包含至少一个涂黑框的页面都会被扁平化：我们把该页渲染成一张画好黑框的图片，再用这张图片替换原页面。下载的文件中，该页上的文字、矢量图形以及黑框下的任何内容都不再以数据形式存在。没有涂黑的页面则保持原样。
我们选择扁平化，是因为这是我们能够打包票的方法。从PDF内容流中精确删除文字非常复杂，一个细微的漏洞就可能留下残余片段。而把页面渲染成像素，黑框下就什么也恢复不了。
- 打开PDF涂黑，拖入你的文档。
- 在每一个必须删除的姓名、号码、签名或段落上拖出黑框。
- 从头到尾翻看整份文档，包括附录和页脚。
- 应用涂黑并下载新文件。
- 按照下一节的检查方法验证结果。
如何验证涂黑是否真的生效？
永远不要想当然。无论使用什么工具，包括我们的工具，在文件发出之前都要对下载的文件进行测试。这些检查只需几分钟，几乎能发现所有表面功夫式的涂黑。
请在你真正要发送的最终文件上做这些检查，而不是在工作副本上。验证的是一个版本、附件却发了另一个版本，这种事比你想象的更常见。
- 选中并复制：用鼠标拖过每个黑框，复制后粘贴到纯文本编辑器中，不应出现任何被隐藏的内容。
- 搜索：用阅读器的查找功能搜索被涂黑的词语、姓名或号码，结果应为零。
- 换一个阅读器：用其他PDF阅读器或浏览器打开文件，确认显示没有差异。
- 转换一下：把文件转成纯文本或Word，检查输出中是否还有被删除的内容。
- 查看属性：检查文档属性中的标题、作者和主题字段，看是否暴露了姓名。
扁平化涂黑页面有哪些取舍？
由于涂黑的页面变成了图片，这些页面上的文字（包括没有涂黑的文字）都无法再被选中或搜索。读者无法从扁平化的页面复制段落，屏幕阅读器也无法朗读。与原来的矢量文字相比，这些页面的文件体积也可能变大。
我们认为，对大多数涂黑任务来说这个取舍是对的：收到涂黑文档的人是来阅读的，不是来编辑的，确保数据彻底消失比文字能否复制重要得多。如果你需要让涂黑后的文档重新可搜索，可以对结果进行OCR。OCR只能识别页面图片上可见的内容，因此无法恢复被涂黑的部分。
再给一个实用建议：涂黑时宁宽勿窄。每处都留一点边距，并且要注意，黑框的长度本身就可能暗示被删除的内容，比如短名字和长名字的区别。在这一点很重要时，请把黑框统一成相同大小。
除了显而易见的内容，还应该涂黑什么？
人们通常记得那些最显眼的信息，却漏掉了能识别同一个人或账户的辅助细节。应用涂黑之前，请检查以下这些常被遗忘的地方。
- 重复出现姓名或编号的页眉、页脚和页边空白。
- 扫描页面上的签名、姓名缩写和手写备注。
- 表格中的电子邮箱、电话号码和账号。
- 含有姓名、人脸或可见数据的图片和截图。
- 描述内容的文件名、文档标题和元数据。
常见问题
在文字上画一个黑色矩形就能涂黑PDF吗？
不能。画出来的矩形只是页面上方多出的一层，原始文字通常仍留在文件中，往往可以被选中、复制或通过搜索找到。请使用能删除或扁平化底层内容的涂黑工具。
pdfdots的PDF涂黑如何删除隐藏的文字？
每个带有至少一个涂黑框的页面都会被渲染成烧录了黑框的图片，并用这张图片替换原页面。黑框下的文字不再以数据形式存在。没有涂黑的页面保持不变。
用pdfdots涂黑时文档会被上传吗？
不会。PDF涂黑完全在浏览器中运行，文件在你的设备上处理，涂黑后的PDF也在本地生成，敏感的原件永远不会到达我们的服务器。
涂黑后的PDF还能被还原吗？
如果涂黑方法正确，就不能。底层内容一旦被删除或扁平化为像素，黑框下就没有任何东西可以恢复。但用形状或高亮做的表面涂黑，往往很容易被还原。
为什么涂黑后的页面无法再选中文字？
因为这些页面已被扁平化为图片，以确保隐藏内容彻底消失。如果需要可搜索的文字，可以对涂黑后的PDF进行OCR；它只识别可见内容，被涂黑的部分依然不会恢复。