Como tarjar um PDF para que o texto não possa ser recuperado

Como cubro um texto de preto em um PDF de forma que ele realmente não possa ser recuperado?

Resposta curta

Desenhar um retângulo preto sobre um texto não remove o texto — as palavras continuam no arquivo, por baixo, e voltam direto com copiar e colar. Tarjar de verdade significa destruir o conteúdo que está por baixo, que é o que o /redact-pdf faz ao reconstruir as páginas marcadas como imagens, e você deve sempre conferir o resultado tentando extrair o texto de novo.

A versão curta

Um PDF é uma lista de instruções de desenho. Acrescentar um retângulo preto sobre um nome acrescenta mais uma instrução: desenhe um retângulo preto preenchido nestas coordenadas. A instrução que desenha o nome continua no arquivo, mais acima na mesma lista. O retângulo fica por cima dela visualmente e não faz nada com ela estruturalmente.

Selecione a área em um leitor de PDF e copie. O nome está na sua área de transferência; nada foi quebrado, o texto simplesmente foi lido do arquivo do jeito que qualquer leitor lê qualquer texto.

Uma tarja que resiste significa remover conteúdo, e não escondê-lo. Todo o resto aqui decorre dessa distinção.

Por que caixas pretas falham

Pela ISO 32000-1, a norma que define o PDF, as marcas de uma página vêm de um fluxo de conteúdo: uma sequência de operadores que posicionam uma fonte, definem uma cor e mostram uma sequência de caracteres. O texto é guardado como texto. É isso que torna um PDF pesquisável, e é por isso que um leitor consegue entregar as palavras quando você as seleciona.

1S E C R E T234

Cobrir não é remover

  1. Um retângulo preto desenhado por cima do texto. Parece pronto.
  2. O texto continua no arquivo, por baixo. Selecione, copie ou abra o arquivo em qualquer editor e lá está ele.
  3. Uma tarja de verdade reconstrói a página sem esses caracteres.
  4. Agora não há nada sob a marca, porque não sobrou nada para encontrar.

Uma forma desenhada depois é só mais um operador no mesmo fluxo. A ordem de pintura decide o que você vê; não decide o que existe. Então as palavras sobrevivem a qualquer caminho de acesso ao arquivo que não envolva olhar para ele:

  • Selecionar e copiar em qualquer leitor de PDF.
  • O pdftotext, ou qualquer outro utilitário de extração, que ignora completamente os gráficos e devolve a camada de texto.
  • A pesquisa — o documento continua indexável pelas palavras escondidas, inclusive por buscadores, se for publicado.
  • Abrir o arquivo em um editor e apagar o retângulo, o que devolve exatamente a aparência original.

Esse tipo de falha já causou vazamentos reais. O padrão se repete em peças processuais e em documentos divulgados por governos: um documento é publicado com nomes ou números cobertos por retângulos pretos e, em poucas horas, alguém já copiou o texto. A Agência de Segurança Nacional dos EUA publica orientações sobre como higienizar arquivos PDF exatamente por isso, e a instrução central é a de cima — cobrir conteúdo não é removê-lo.

O mesmo vale para todas as variações. Marca-texto amarelo sobre texto preto, texto branco em fundo branco, uma caixa colorida ou uma forma em uma camada de anotações são mudanças cosméticas no que é desenhado; os caracteres continuam no fluxo de conteúdo, e um extrator de texto os devolve. Branco sobre branco é o pior do grupo, porque nem parece tarjado.

O que realmente funciona

Uma tarja de verdade tem um único requisito: o conteúdo que levava a informação sensível não pode mais estar no arquivo. Há dois jeitos de chegar lá.

O primeiro é cirúrgico — analisar o fluxo de conteúdo, remover os operadores de texto que cobrem a área tarjada e regravar o fluxo. Preciso, mas frágil: o texto é posicionado em fragmentos que raramente coincidem com as palavras. Feito de forma imperfeita, deixa pedaços de texto para trás, que é o pior resultado possível, porque o arquivo então parece tarjado e não está.

O segundo é reconstruir a página para que os objetos de texto originais deixem de existir. É isso que a ferramenta de tarja do iBuildPDF faz. Você marca as áreas a remover; em cada página marcada, a ferramenta renderiza a página com o PDF.js, pinta as suas áreas de tarja como preenchimento sólido sobre os pixels renderizados e grava uma página nova feita a partir dessa imagem com a pdf-lib. A página reconstruída contém uma imagem e nenhum operador de texto. Não há nada por baixo das áreas pretas porque não há nada por baixo de coisa nenhuma — a página agora é feita de pixels.

A troca é real, e você deve contar com ela. Em cada página tarjada, todo o texto deixa de ser selecionável, e não só a parte tarjada. Essas páginas deixam de ser pesquisáveis, copiáveis ou legíveis por um leitor de tela, e o tamanho do arquivo normalmente aumenta, porque a imagem de uma página de texto é maior do que o texto era.

As páginas que você não marca ficam exatamente como estavam, então um relatório de 200 páginas com duas páginas tarjadas mantém 198 pesquisáveis. Onde a troca for inaceitável — uma exigência de acessibilidade, ou um documento que precisa continuar pesquisável do começo ao fim —, tarje na origem: remova o texto no original e exporte um PDF novo. Em qualquer caso, tarje por último: exportar de novo a partir do original depois disso devolve, em silêncio, tudo o que você removeu.

Como conferir se funcionou

Nunca entregue um documento tarjado que você não testou. O teste leva dois minutos.

  1. Copie e cole. Abra o arquivo baixado, selecione a área tarjada com uma boa margem em volta, copie e cole em um editor de texto simples. Em uma página reconstruída corretamente, não vem nada, porque não há texto para selecionar.
  2. Extraia o documento inteiro. Passe o resultado pelo PDF para texto e procure o texto tarjado no resultado. Essa é a verificação que mais importa, porque cobre o arquivo inteiro, e não só a área que você selecionou — inclusive uma página em que o mesmo nome aparece e você esqueceu de marcar. Procure também por partes: só o sobrenome, os seis últimos dígitos de um número de conta.
  3. Confira os metadados. Abra o arquivo no editor de metadados. Termos sensíveis sobrevivem com frequência nos campos Título ou Palavras-chave, e o Título muitas vezes é o nome original do arquivo — Smith-settlement-confidential.pdf derruba a tarja da página quatro sem que ninguém precise ler a página.

As três ferramentas rodam no seu navegador, então conferir um arquivo confidencial não significa enviá-lo. Se a pesquisa encontrar alguma coisa, trate o arquivo como não tarjado, em vez de remendá-lo com mais um retângulo.

O que a tarja não consegue fazer

Quatro limites, ditos com clareza.

  • Ela só afeta a cópia que você baixa. A tarja gera um arquivo novo. O original continua igual no seu disco, e qualquer cópia já enviada, arquivada ou guardada em backup ainda contém tudo. Se a versão sem tarja já saiu do seu controle, tarjar agora não muda nada nisso.
  • A ordem importa ao rasterizar. Reconstruir uma página como imagem só é seguro porque a área tarjada é preenchida antes de a imagem ser gravada — os pixels pretos substituem os pixels que mostravam o texto. Um processo que primeiro rasteriza a página e depois coloca um retângulo preto sobre a imagem resultante recriou o problema original de outra forma: as palavras continuam lá como pixels sob a caixa, recuperáveis por qualquer um que a remova. Confirme com o teste de extração acima, em vez de supor que uma ferramenta acertou a ordem.
  • A imagem de uma página ainda pode ser lida por uma máquina. Rasterizar impede copiar e colar e extrair o texto; não torna o texto visível que sobrou ilegível para o reconhecimento óptico de caracteres, um recurso comum de programas amplamente disponíveis. A tarja protege o conteúdo coberto, não o resto da página. O próprio iBuildPDF tem uma ferramenta de OCR, como muitos outros programas — então isto é sobre o que qualquer pessoa pode fazer com o seu resultado.
  • Os metadados são um sistema à parte. Os campos de informações do documento e o bloco XMP ficam fora do conteúdo das páginas e não são tocados por nada que se faça nas páginas. Limpe-os com o Remover metadados de PDF, e veja o que os metadados de PDF contêm para saber o que esses campos guardam.

O hábito que evita a maioria das falhas de tarja é simples: suponha que o arquivo ainda contém o que você removeu e faça-o provar o contrário, extraindo o texto e pesquisando nele.

Ferramentas que este artigo aborda

Fontes

Documentação primária das afirmações acima.

Última revisão: 16 de setembro de 2026

Publicado pelo iBuildPDF.

Mais da base de conhecimento