PDF 涂黑检查器

一个深色的填充矩形盖住了内容流里依然存在的文字。屏幕上看着像是涂黑了,但全选、复制,或者任何一个文本提取器,拿到的都是原文。这正是那种反复上新闻的错误。

修复: 用一个真正「应用」涂黑(删掉文字)的工具重新处理,再跑一遍这个检查。在文字上画一个框是排版,不是涂黑。

来源: yaktool 基于 PDF 32000 文件结构定的工程规则;阈值(「深色」= 灰度 ≤ 0.25,「盖住」= 覆盖单词框的 ≥ 60%)是我们对「看起来已涂黑」写明了的解读。

文件里带着 /Redact 注释——这是涂黑工具在「应用」这一步之前先放上去的标记。底下的内容完好无损;这些标记甚至精确地告诉读者该看哪里。

修复: 在生成这些标记的那个工具里打开文件,跑一遍它的「应用涂黑」步骤,再重新检查。

来源: yaktool 基于 PDF 32000 文件结构定的工程规则;阈值(「深色」= 灰度 ≤ 0.25,「盖住」= 覆盖单词框的 ≥ 60%)是我们对「看起来已涂黑」写明了的解读。

批注、便签与高亮标注把文字存在页面内容之外。涂黑页面碰不到它们——批注里的文字会跟着文件一起走。

修复: 发布前删除或拍平批注,再重新检查。

来源: yaktool 基于 PDF 32000 文件结构定的工程规则;阈值(「深色」= 灰度 ≤ 0.25,「盖住」= 覆盖单词框的 ≥ 60%)是我们对「看起来已涂黑」写明了的解读。

标题、作者、创建者与制作者这些字段存在文档信息字典里,不在任何一页上。一份元数据里带着作者姓名的文件,不管页面涂得多彻底,这个名字都会泄漏出去。

修复: 发布前清空文档属性(以及 XMP 元数据)。

来源: yaktool 基于 PDF 32000 文件结构定的工程规则;阈值(「深色」= 灰度 ≤ 0.25,「盖住」= 覆盖单词框的 ≥ 60%)是我们对「看起来已涂黑」写明了的解读。

出现不止一个 startxref 标记,意味着这份文件是增量保存的:它的对象的更早几代仍然留在里面。最新版本里「删掉」的内容,可能在更早的一代里完好无损。

修复: 用一次完整重写重新保存(大多数工具里的「另存为」,或者走一遍 qpdf / 打印成 PDF),这会丢掉历史记录。

来源: yaktool 基于 PDF 32000 文件结构定的工程规则;阈值(「深色」= 灰度 ≤ 0.25,「盖住」= 覆盖单词框的 ≥ 60%)是我们对「看起来已涂黑」写明了的解读。

这份 PDF 携带着附件文件。它们是独立的文档——对页面做的任何处理都碰不到它们的内容。

修复: 除非附件是有意留在那里的,否则发布前先移除它们。

来源: yaktool 基于 PDF 32000 文件结构定的工程规则;阈值(「深色」= 灰度 ≤ 0.25,「盖住」= 覆盖单词框的 ≥ 60%)是我们对「看起来已涂黑」写明了的解读。

大纲(书签)标题是文档级别的字符串。如果一个书签的名字正是你涂黑掉的那个东西,这个名字依然还在。

来源: yaktool 基于 PDF 32000 文件结构定的工程规则;阈值(「深色」= 灰度 ≤ 0.25,「盖住」= 覆盖单词框的 ≥ 60%)是我们对「看起来已涂黑」写明了的解读。

没有文本层的页面是图片。这里没有文字可以复原——但这个工具只判定文本层,不判定像素:如果一张扫描件上的方框半透明或者放错了位置,方框底下的内容可能依然能被肉眼或 OCR 读出来。

来源: yaktool 基于 PDF 32000 文件结构定的工程规则;阈值(「深色」= 灰度 ≤ 0.25,「盖住」= 覆盖单词框的 ≥ 60%)是我们对「看起来已涂黑」写明了的解读。