Tarjar um PDF sem enviar o arquivo.

A maioria das tarjas que vazam não foi vítima de um ataque. Alguém desenhou uma forma preta sobre um nome no Word ou em um editor de PDF, enviou o arquivo, e quem recebeu selecionou o texto que estava por baixo e colou em outro lugar. A forma muda a aparência da página, não o conteúdo do arquivo: o texto original, a posição dele e, muitas vezes, o autor e o histórico do documento continuam lá dentro.

O Clean Room não cobre o texto, ele elimina a página em que o texto está. Em um PDF, cada página é redesenhada como imagem a 200 dpi, as caixas são pintadas nessa imagem e um PDF novo é montado só com as imagens. Não sobra camada de texto, objeto original, campo de título, autor ou produtor, anexo nem anotação. Antes do download, a ferramenta lê os bytes do arquivo novo e procura cada valor que você ocultou; se algum ainda estivesse lá, nada seria baixado.

O preço disso é claro: uma página achatada não pode mais ser pesquisada nem copiada. É justamente o que se espera de uma cópia feita para ser compartilhada. Guarde o original e envie a cópia tarjada.

As ferramentas gratuitas de tarja online costumam enviar o seu documento para os servidores delas, processá-lo lá e prometer apagá-lo depois de uma hora. Para um holerite, um laudo médico, um contrato ou uma petição, essa hora é exatamente o problema. O Clean Room faz o contrário: a página e o código dela carregam do nosso site como qualquer página da web, e depois o arquivo é lido, analisado e reescrito dentro da aba do seu navegador.

Você não precisa confiar na nossa palavra. Abra a página, desligue o Wi-Fi e tarje um documento: continua funcionando, porque depois que a página carrega nada mais precisa da rede (as páginas escaneadas também, quando o navegador já guardou os modelos de OCR). Na página, um contador medido pelo seu próprio navegador mostra quantas requisições saíram da aba desde que você soltou o arquivo, sem contar os arquivos do próprio site nem o sinal de estatísticas anônimas. Ele foi feito para ficar em zero.

A ferramenta é grátis para todo mundo, visitantes inclusos. Não há conta para criar nem cota para contar, porque quem faz o trabalho não são os nossos servidores.

A detecção automática é boa com o que tem formato rígido: um IBAN tem dígitos de controle, um número de cartão passa no teste de Luhn, um e-mail tem um @. Ela se sai mal com o que só faz sentido para um leitor: um nome no meio de uma frase, a data de uma consulta, o nome de uma rua citado de passagem. Nenhuma ferramenta pode prometer achar tudo, e nós não afirmamos isso.

Por isso a revisão é obrigatória. Cada detecção aparece contornada na página com o seu tipo, e um clique remove uma caixa que não deveria estar ali. Digite uma palavra ou uma expressão e todas as ocorrências são ocultadas de uma vez. Desenhe uma caixa à mão sobre uma assinatura, um carimbo ou uma foto. Os nomes que você oculta com frequência podem entrar na sua própria lista, e o próximo documento já começa com eles encontrados.

Um PDF escaneado não tem texto, só imagens de texto. O Clean Room lê essas páginas por OCR no navegador, no idioma da interface e em inglês, até 60 páginas escaneadas por documento. Os modelos de OCR são baixados uma única vez do nosso próprio site e ficam guardados no seu navegador; já o arquivo continua sem ir a lugar nenhum. Uma palavra que o OCR leia errado não pode ser encontrada pela detecção, então as páginas escaneadas merecem um olhar mais atento, e uma caixa desenhada à mão cobre o que a leitura deixou passar.

E-mails, telefones, IBANs, cartões e endereços IP são encontrados em qualquer idioma. Os endereços postais são reconhecidos nos formatos europeus e norte-americanos mais comuns. O texto vertical em chinês, japonês ou coreano ainda não é tratado: desenhe caixas nessas páginas.