PDF karartma hataları: siyah dikdörtgen veriyi silmez

Örtmek ile silmek aynı şey değil

Karartma ile ilgili hataların neredeyse tamamı tek bir yanlış anlamadan doğar: PDF'te bir şeyin üstünü kapatmak, onu dosyadan çıkarmaz. Sayfanın içerik akışı sıralı bir çizim listesidir. Önce metin yazılır, sonra siyah dikdörtgen çizilir. Ekranda ikinci komut birinciyi görsel olarak gizler, ama birinci komut olduğu yerde durur. Metni kopyalayıp yapıştıran, dosyayı bir metin çıkarıcıdan geçiren ya da arama yapan herkes altındaki yazıyı bulur.

Aynı mantık vurgulama ve not açıklamaları için de geçerlidir. Dikdörtgen bir açıklama (annotation) olarak eklendiyse sayfanın içeriğine hiç dokunulmamış demektir; açıklamayı silen bir okuyucu, korumak istediğiniz veriyi olduğu gibi gösterir. Görsel bir katman eklemek karartma değil, işaretlemedir.

Metin dışında veri nerede saklanır

Sayfadaki yazı temizlense bile aynı bilgi dosyanın başka köşelerinde durmaya devam edebilir. Karartmayı doğrulamadan önce bu listenin tamamına bakın.

• Belge bilgisi ve XMP: başlık, yazar, konu, anahtar kelimeler ve üretici yazılım. Sözleşmenin tarafının adı çoğu zaman belge başlığındadır.
• Açıklamalar ve yorumlar: silinmemiş notlar, düzeltme işaretleri, bağlantı hedefleri.
• Form alanları: görünüşte boş bir alanın değeri nesne sözlüğünde durabilir.
• Gömülü küçük resimler: bazı üreticiler her sayfa için önizleme görüntüsü yazar; önizleme karartmadan önceki halini gösterir.
• Görüntü verisinin tamamı: sayfada kırpılmış görünen bir fotoğrafın tam karesi dosyada durur. Kırpma yalnızca gösterim kutusudur.
• Katmanlar: isteğe bağlı içerik grupları kapalı görünür ama içerik dosyadadır.
• Ekler ve yer imleri: dosyaya iliştirilmiş kaynak tablo ya da bölüm adlarını taşıyan bir içindekiler ağacı.

En sinsi olanı artımlı kayıttır. PDF, dosyanın sonuna yeni nesneler ve yeni bir çapraz başvuru bölümü ekleyerek kaydedilebilir. Bu durumda önceki sürümdeki nesneler dosyanın içinde fiziksel olarak durmaya devam eder; yalnızca artık işaret edilmezler. Bir sayfayı silip artımlı kaydeden bir düzenleyici, sildiğiniz sayfayı dosyada bırakır.

Karartmanın doğru yapılışı

Gerçek karartma üç adımlıdır ve üçü de yapılmadan iş bitmez.

1. İçeriği kaldırın: karartılan alana denk gelen glif dizileri içerik akışından çıkarılır, akış yeniden yazılır. Aynı alandaki görüntü verisi ya kırpılır ya da o bölge piksel düzeyinde boyanır.
2. Yan kanalları temizleyin: belge bilgisi, XMP, açıklamalar, form alanı değerleri, ekler ve küçük resimler kaldırılır.
3. Dosyayı baştan yazın: artımlı kayıt yerine tam yeniden yazma yapılır, böylece eski nesne sürümleri dosyada kalmaz.

Sırası da önemlidir. Önce metni kaldırıp sonra sayfayı yeniden boyamak güvenlidir; önce siyah dikdörtgen çizip "nasılsa görünmüyor" demek değildir. Aracı kullanırken kapatılan alanın hangi gliflere denk geldiğini kontrol edin: kelimenin bir harfi dikdörtgenin dışında kalırsa o harf silinmez ve kalan parçadan kelimeyi tahmin etmek çoğu zaman kolaydır. PDF karartma aracı bu işi sayfadaki alanları seçerek yapar.

Çıktıyı doğrulamanın dört yolu

Karartma, yapıldığını varsayıp geçilecek bir işlem değildir. Sonucu her zaman ürettiğiniz dosya üzerinden sınayın, kaynağı üzerinden değil.

1. Metni geri çıkarın: çıktı dosyasından metin çıkarıp karartılan ifadeyi arayın. Bulunuyorsa hiçbir şey karartılmamıştır.
2. Ham baytlarda arayın: metin çıkarıcılar sıkıştırılmış akışları çözer, ama bir de dosyanın içinde düz arama yapın; adres, TCKN ya da hesap numarası gibi dizeler beklenmedik yerlerde çıkabilir.
3. Metadatayı okuyun: belge bilgisi ve XMP alanlarını listeleyin. Boş görünmüyorlarsa temizlik yarım kalmıştır.
4. Nesne sayısına ve boyuta bakın: onlarca sayfalık bir metni karartmanıza rağmen dosya boyutu ve nesne sayısı hiç değişmediyse büyük ihtimalle üstü kapatılmış, içerik kaldırılmamıştır.

Görüntü tarafı için de bir kontrol ekleyin: sayfayı görüntüye çevirip yakınlaştırın. Siyah alanın kenarında yazının tepe noktaları görünüyorsa dikdörtgen yeterince büyük değil demektir.

Üç tipik senaryo

Word'den üretilmiş sözleşme. Metin vektördür, karartma temiz yapılabilir. Asıl risk yan kanallardadır: belge başlığı, son kaydeden kullanıcı, izlenen değişiklikler kaynak dosyadan PDF'e taşınmış olabilir. Burada içerik akışını temizlemek kadar belge bilgisini boşaltmak da gerekir.

Taranmış evrak. Sayfa bir görüntüdür, yani karartılacak glif yoktur; siyah alan görüntünün üstüne çizilir ve alttaki pikseller yerinde durur. Bu dosyalarda görüntünün kendisini yeniden üretmek zorunludur. Üstüne bir de arama için eklenmiş görünmez metin katmanı varsa iki kaynağı birden temizlemek gerekir.

Sistemden çıkan rapor. Raporlama motorları sıklıkla form alanları, gömülü küçük resimler ve katmanlar üretir. Sayfada görünen tablo temiz olsa bile aynı veri bir form alanının değerinde durabilir. Çıktıyı doğrularken yalnızca görünen metne bakmak bu yüzden yetmez.

Kaba ama güvenli yol: sayfayı görüntüye çevirmek

Sayfayı piksel olarak yeniden üretmek, metin katmanını tamamen ortadan kaldırır. Siyah alan görüntünün içindeyse altında hiçbir şey yoktur, çünkü artık yalnızca piksel vardır. Bu yöntem kesindir ve bedeli vardır:

• Dosya büyür; vektör metin yerine tam sayfa görüntü saklarsınız.
• Arama, kopyalama ve ekran okuyucu desteği biter; erişilebilirlik tamamen kaybolur.
• Baskı kalitesi seçtiğiniz çözünürlüğe sabitlenir.
• Yeni dosyanın metadatası yeniden yazılır, yani onu da temizlemeniz gerekir.

Akış basittir: karartmayı uygulayın, sayfaları görüntüye dönüştürün, ardından görüntülerden yeni bir PDF üretin ve son dosyayı yukarıdaki dört adımla sınayın.

Bulanıklaştırma ve pikselleştirme neden yetersiz

Bir alanı bulanıklaştırmak ya da mozaiklemek bilgiyi yok etmez, azaltır. Yazı tipi, punto ve olası değer kümesi biliniyorsa kalan sinyal genellikle yeterlidir: bir tarih alanında yalnızca sınırlı sayıda olasılık vardır, sabit genişlikli bir hesap numarasında da öyle. Düşük yoğunluklu bulanıklık, tersine işlemlerle kısmen geri alınabilir. Bilgi silinecekse gerçekten silinmeli; görüntüyü zorlaştırmak bir karartma yöntemi değildir.

Paylaşmadan önceki son kontrol

Dosyayı göndermeden önce şunlara bakın: dosya adı bir isim ya da numara içeriyor mu, belge başlığı okuyucu sekmesinde ne gösteriyor, ekler listesi boş mu, yer imlerinde bölüm başlıkları kalmış mı. Taranmış bir belgeyi karartıyorsanız sayfaya sonradan eklenmiş bir metin katmanı olabileceğini hatırlayın: OCR çıktısı görünmez ama aranabilir durumdadır, dolayısıyla karartmanın bu katmanı da kapsaması gerekir. Konu OCR katmanının nasıl oluştuğuysa ayrı yazıda ayrıntılı.

Görsellerde ise sorun genelde dosyanın kendisinde değil, EXIF alanlarındadır: konum, cihaz ve çekim zamanı fotoğrafla birlikte gider. EXIF temizleyici bu alanları alır. Belgeyi parola ile kapatmak isterseniz PDF parola koruma erişimi sınırlar, ama karartmanın yerini tutmaz: parolayı bilen kişi karartılmamış içeriği görür.

Son olarak işlem yeri: bu sitedeki PDF araçları dosyayı işlemek için sunucuya yükler. Gizlilik derecesi yüksek belgelerde, hiç yüklemeden çalışan yerel bir araç tercih edin; karartmayı hangi araçla yaparsanız yapın, sonucu kendi bilgisayarınızda doğrulayın.