Tarjar à mão duzentas páginas é onde os erros acontecem: uma única ocorrência esquecida de um e-mail desfaz todo o trabalho. Isto as encontra por padrão — e-mails, telefones, cartões verificados pelo próprio dígito de controle, identificadores nacionais, IBAN —, localiza cada uma na página e a marca. Você pode acrescentar seus próprios termos para o que um padrão não tem como saber, como um nome. Cada marca é mostrada antes de exportar e pode ser clicada para ficar visível. A exportação queima os retângulos em páginas redesenhadas, então as palavras saem do arquivo.
Recursos
Nove detectores, de e-mails a cartões de pagamento e identificadores nacionais
Cartões são verificados pelo dígito de controle, então números longos comuns ficam intactos
Acrescente seus próprios termos para nomes e códigos que os padrões não conhecem
Ocorrências sobrepostas de detectores diferentes se fundem em um retângulo
Revisão página a página: clique em qualquer retângulo para deixar aquela ocorrência visível
Contagem do que foi encontrado, separada por tipo
A exportação queima os retângulos, então o texto por baixo some
Como usar Tarjar PDF automaticamente
Solte o PDF sobre a página
Escolha quais detectores rodar e acrescente seus próprios termos
Percorra as páginas e clique em qualquer retângulo que sobrar
Tarje, baixe e confira o resultado
Exemplo
Entrada
support-tickets.pdf — 46 pages, standard detectors plus "Project Halifax"
Saída
Email addresses: 112 · Phone numbers: 38 · Your own terms: 9
Ocorrências de cartão que falham no dígito de controle ficam fora desta contagem.
Erros comuns e solução de problemas
Nada foi encontrado num documento digitalizado. — Não há camada de texto para comparar. Passe antes pelo reconhecimento de texto, ou marque as áreas à mão com Tarjar PDF.
Um nome não foi detectado. — Nenhum padrão reconhece um nome que nunca viu. Acrescente-o aos seus próprios termos: ali a busca é literal e não diferencia maiúsculas.
Datas comuns foram tarjadas. — O detector de datas casa com qualquer data, não só as de nascimento. Ele vem desligado por padrão exatamente por isso.
O resultado não é mais texto selecionável. — É o que um tarjamento real custa: as páginas são redesenhadas para que as palavras removidas não existam no arquivo novo. Passe depois pelo reconhecimento de texto se precisar continuar buscável.
Perguntas frequentes
Dá para confiar só na detecção automática?
Não, e a ferramenta diz isso ao lado do botão. O padrão encontra coisas com forma de dado pessoal; ele perde nomes que não reconhece e não acha nada numa digitalização. Revise cada página antes de enviar o arquivo.
Qual a diferença para Tarjar PDF?
Tarjar PDF é manual: você arrasta sobre o que deve sair. Isto procura candidatos automaticamente em todas as páginas e você revisa em vez de caçar. As duas queimam o resultado do mesmo jeito.
Por que IPs e datas vêm desligados?
Porque casam o tempo todo em documentos comuns. Num log você os quer; num contrato tarjariam metade da página.
O texto removido pode ser recuperado?
Não. As páginas exportadas são desenhadas a partir de pixels com os retângulos já pintados, então os caracteres nunca chegaram a ser escritos no documento novo.
Também tarja os metadados?
Não. Os metadados ficam fora do conteúdo da página: analise o documento à parte e limpe-os como um segundo passo.
Ferramentas relacionadas
Tarjar PDF — Cobre texto e áreas, removendo-os do arquivo.