हर कुछ महीनों में एक ख़बर उसी पटकथा पर चलती है। कोई सरकारी विभाग, लॉ फ़र्म या बड़ी कंपनी ऐसा डॉक्यूमेंट पब्लिश करती है जिसमें नाम, आँकड़े या हिस्से "काले कर दिए गए" होते हैं। कुछ ही घंटों में कोई पता लगा लेता है कि वह काले बॉक्स को हाइलाइट करके टेक्स्ट कॉपी कर सकता है और तथाकथित छिपे शब्दों को नए डॉक्यूमेंट में पेस्ट कर सकता है। रिडैक्शन बस ऊपर पोता गया रंग था; नीचे सब कुछ वहीं था।
ऐसा सावधान पेशेवरों के साथ होता है, और आम लोगों के साथ तो कहीं ज़्यादा होता है जो मकान-मालिक को बैंक स्टेटमेंट, किराया एजेंट को सैलरी स्लिप या एम्प्लॉयर को मेडिकल पत्र भेजते हैं। यह गाइड बताती है कि टेक्स्ट छिपाने और हटाने में क्या फ़र्क़ है, PDF को सही तरीक़े से कैसे रिडैक्ट करें, और कैसे जाँचें कि आपका रिडैक्शन सच में काम कर गया।
ढकना रिडैक्ट करना नहीं है
जब आप किसी PDF एडिटर, Word डॉक्यूमेंट या स्क्रीनशॉट टूल में भी टेक्स्ट के ऊपर काला आयत बनाते हैं, तो आप पेज के ऊपर एक नया ऑब्जेक्ट जोड़ते हैं। नीचे का टेक्स्ट नहीं बदलता। फ़ाइल खोलने वाला कोई भी व्यक्ति:
- "छिपे" टेक्स्ट को सिलेक्ट और कॉपी करके कहीं और पेस्ट कर सकता है
- डॉक्यूमेंट को सर्च करके ढके शब्द ढूँढ सकता है
- एडिटर में आयत को हटा या खिसका सकता है
- किसी भी PDF-to-text कन्वर्टर से टेक्स्ट निकाल सकता है, जो आयत को पूरी तरह अनदेखा करता है
टेक्स्ट को काले रंग से हाइलाइट करना, उसका रंग बैकग्राउंड जैसा करना, या उसे बहुत छोटे फ़ॉन्ट में करना भी इसी तरह नाकाम होता है। शब्द फ़ाइल में बने रहते हैं।
असली रिडैक्शन दो काम करता है: यह टेक्स्ट को डॉक्यूमेंट से डिलीट करता है, और फिर उस जगह को चिह्नित करता है, आम तौर पर काले बॉक्स से, ताकि पढ़ने वाले देख सकें कि कुछ हटाया गया है। असली अहमियत डिलीट करने की है।
Redact PDF क्या करता है
Redact PDF इसी फ़र्क़ पर बना है। आप वह शब्द, नाम या नंबर टाइप करते हैं जिसे हटाना है, और हमारा सर्वर:
- हर पेज पर वह टेक्स्ट खोजता है, बड़े-छोटे अक्षर का फ़र्क़ किए बिना, इसलिए "john smith" से "John Smith" भी मिलता है।
- रिडैक्शन के लिए हर मैच को चिह्नित करता है।
- PyMuPDF से रिडैक्शन लागू करता है, जो मिलते टेक्स्ट को पेज के कंटेंट से डिलीट करता है और उस जगह को ठोस काले बॉक्स से भर देता है।
- फ़ाइल को साफ़ करके दोबारा लिखता है, ताकि बचे हुए बेकार ऑब्जेक्ट बैकग्राउंड में छिपे रहने के बजाय हट जाएँ।
नतीजा एक नई PDF है जिसमें टेक्स्ट नहीं है। उसे सिलेक्ट, कॉपी, सर्च या एक्सट्रैक्ट नहीं किया जा सकता, क्योंकि वह अब मौजूद ही नहीं है। फ़ाइल HTTPS से भेजी जाती है और रिडैक्ट की गई PDF लौटाते ही सर्वर से डिलीट कर दी जाती है।
PDF को रिडैक्ट कैसे करें, क़दम दर क़दम
- जो हटाना है उसकी सूची बनाएँ। अकाउंट नंबर, नाम, पते, जन्मतिथि, फ़ोन नंबर, रेफ़रेंस नंबर। लिख लें कि डॉक्यूमेंट में हर चीज़ ठीक किस रूप में आती है।
- Redact PDF खोलें, फ़ाइल चुनें (100 MB तक) और पहला शब्द डालें।
- नतीजा डाउनलोड करें और अगले शब्द के लिए उसे ही इनपुट बनाएँ। हर बार चलाने पर एक सर्च शब्द हर जगह से हटता है।
- दोहराएँ जब तक आपकी सूची की हर चीज़ पूरी न हो जाए।
- नीचे दी जाँचों से आख़िरी फ़ाइल जाँचें।
- मूल फ़ाइल सुरक्षित रखें और सिर्फ़ रिडैक्ट की गई कॉपी भेजें। रिडैक्शन वापस नहीं किया जा सकता।
सोचें कि टेक्स्ट कैसे लिखा गया है
चूँकि रिडैक्शन ठीक वही टेक्स्ट ढूँढता है जो आप टाइप करते हैं (बड़े-छोटे अक्षर को छोड़कर), इसलिए रूपों का फ़र्क़ मायने रखता है। एक ही अकाउंट नंबर ऐसे दिख सकता है:
| ऐसे लिखा | अलग से चलाना होगा |
|---|---|
| 12345678 | हाँ |
| 1234 5678 | हाँ, स्पेस इसे अलग बनाता है |
| **5678 या ending 5678 | 5678 सर्च करें |
| 12-34-56 (sort code) | हाँ, डैश के साथ |
नाम भी ऐसे ही हैं: "Priya Sharma", "P. Sharma", "Ms Sharma" और "Sharma, Priya" चार अलग स्ट्रिंग हैं। सिर्फ़ उपनाम ("Sharma") सर्च करने से एक ही बार में इनमें से ज़्यादातर पकड़े जाते हैं, पर डॉक्यूमेंट में किसी और Sharma का नाम भी हट जाता है। क्या सही है, यह डॉक्यूमेंट पर निर्भर है।
एक काम की तरकीब: रिडैक्ट करने से पहले PDF खोलें और हर रूप ढूँढने के लिए अपने रीडर का सर्च (Ctrl+F या Cmd+F) इस्तेमाल करें। जो कुछ आपका रीडर ढूँढ सकता है, उसे Redact PDF हटा सकता है।
बड़ा अपवाद: स्कैन किए डॉक्यूमेंट
रिडैक्शन PDF की टेक्स्ट लेयर पर काम करता है। स्कैन किए डॉक्यूमेंट या पेज की फ़ोटो में टेक्स्ट लेयर नहीं होती, सिर्फ़ टेक्स्ट की तस्वीर होती है। सर्च में कुछ नहीं मिलता, इसलिए कुछ रिडैक्ट नहीं होता।
स्कैन के लिए पहले फ़ाइल को OCR PDF से चलाएँ। OCR इमेज के शब्द पहचानकर टेक्स्ट लेयर जोड़ता है, जिसे Redact PDF फिर सर्च कर सकता है। ध्यान रखें कि OCR पूरी तरह सटीक नहीं होता, ख़ासकर ख़राब स्कैन पर, इसलिए नतीजा जाँचना और भी ज़रूरी है। बाद में हर रिडैक्ट किए शब्द को सर्च से जाँचें, क्योंकि ग़लत पढ़ा गया एक अक्षर मतलब छूटा हुआ मैच।
हस्ताक्षर, हाथ की लिखावट, फ़ोटो और लोगो भी इमेज हैं। अगर उन्हें हटाना है, तो सर्च वाला रिडैक्शन उन्हें नहीं पकड़ेगा।
कैसे जाँचें कि रिडैक्शन काम कर गया
बिना परखे रिडैक्शन पर कभी भरोसा न करें। रिडैक्ट की गई PDF खोलें और:
- Ctrl+F से हर शब्द सर्च करें। कुछ नहीं मिलना चाहिए।
- किसी पेज पर सारा टेक्स्ट सिलेक्ट करें (Ctrl+A), कॉपी करें, और किसी सादे टेक्स्ट एडिटर में पेस्ट करें। हटाए गए शब्द नहीं होने चाहिए।
- काले बॉक्स पर क्लिक या ड्रैग करके देखें। उन्हें न खिसकना चाहिए, न कुछ दिखाना चाहिए।
- हर पेज देखें, हेडर, फ़ुटर और आख़िरी पेज समेत, जहाँ पते और रेफ़रेंस नंबर अक्सर छिपे होते हैं।
अगर कोई शब्द अब भी दिखता है, तो वह आपकी सर्च से अलग तरीक़े से लिखा गया था। जो रूप मिला, उसके साथ टूल फिर चलाएँ।
संवेदनशील डेटा की छिपी जगहें
दिखने वाला टेक्स्ट ही वह अकेली जगह नहीं जहाँ PDF जानकारी रखती है:
- डॉक्यूमेंट प्रॉपर्टी। लेखक का नाम, शीर्षक, विषय और इस्तेमाल हुआ सॉफ़्टवेयर फ़ाइल के मेटाडेटा में सेव होते हैं, और रिडैक्शन उन्हें नहीं छूता। उन्हें PDF metadata editor से जाँचें और साफ़ करें।
- फ़ाइल के नाम। "Statement-Priya-Sharma-acct-12345678.pdf" सावधानी से किए रिडैक्शन पर पानी फेर देता है। भेजने से पहले नाम बदलें।
- बुकमार्क और कमेंट। एनोटेशन और बुकमार्क में नाम या नोट हो सकते हैं। उन्हें अपने PDF रीडर में देखें।
- पुराने वर्ज़न। बिना रिडैक्ट की मूल फ़ाइल किसी निजी जगह रखें, उसी साझा फ़ोल्डर में नहीं।
रोज़मर्रा की स्थितियाँ जहाँ रिडैक्शन मदद करता है
मकान-मालिक के लिए आय या पते का सबूत। उन्हें आपकी सैलरी क्रेडिट या आपका पता देखना है, आपकी हर ख़रीदारी नहीं। पहले कार्ड नंबर और अकाउंट नंबर हटाएँ, और सिर्फ़ ज़रूरी पेज भेजने पर विचार करें; PDF से पेज निकालने की हमारी गाइड बताती है कैसे।
एम्प्लॉयर या HR के लिए डॉक्यूमेंट। मेडिकल पत्र को शायद हर बात बताए बिना किसी स्थिति की पुष्टि करनी हो।
उदाहरण के रूप में कॉन्ट्रैक्ट शेयर करना। असली कॉन्ट्रैक्ट को टेम्पलेट बनाने से पहले क्लाइंट के नाम और कीमतें हटाएँ।
डॉक्यूमेंट पब्लिश करना। मिनट्स, रिपोर्ट या केस स्टडी ऑनलाइन डालने से पहले तीसरे पक्ष की निजी जानकारी हटाएँ।
AI टूल को डेटा भेजना। डॉक्यूमेंट का टेक्स्ट किसी चैटबॉट में पेस्ट करने से पहले नाम और पहचान वाली जानकारी हटाएँ। PDF की जगह टेक्स्ट के लिए PII Anonymizer नाम, ईमेल और नंबर को प्लेसहोल्डर से बदल देता है; AI इस्तेमाल करने से पहले निजी डेटा गुमनाम करने की हमारी गाइड बताती है कि कब कौन-सा तरीक़ा अपनाएँ।
रिडैक्ट करने के बाद
रिडैक्ट होने के बाद डॉक्यूमेंट को अक्सर कुछ अंतिम स्पर्श से फ़ायदा होता है। Watermark PDF से "REDACTED COPY" जैसा लेबल जोड़ें ताकि कोई उसे मूल फ़ाइल न समझे। अगर बचा हुआ कंटेंट अब भी गोपनीय है, तो उसे Protect PDF से एन्क्रिप्ट करें; PDF को पासवर्ड से सुरक्षित करने की हमारी गाइड मज़बूत पासवर्ड चुनना और शेयर करना बताती है।
अक्सर पूछे जाने वाले सवाल
क्या टेक्स्ट सच में हटता है, या बस ढकता है?
सच में हटता है। हर मैच डॉक्यूमेंट से डिलीट होता है और उस जगह को काला भर दिया जाता है, इसलिए उसे सिलेक्ट, कॉपी या सर्च नहीं किया जा सकता।
क्या एक साथ कई शब्द रिडैक्ट कर सकते हैं?
हर बार चलाने पर एक शब्द हर जगह से हटता है। अगले शब्द के लिए नतीजे पर टूल फिर चलाएँ।
क्या रिडैक्शन वापस किया जा सकता है?
नहीं। यही तो मक़सद है। ज़रूरत पड़ने के लिए अपनी मूल फ़ाइल किसी निजी जगह रखें।
क्या यह लेखक का नाम और दूसरा मेटाडेटा हटाता है?
नहीं। डॉक्यूमेंट प्रॉपर्टी साफ़ करने के लिए मेटाडेटा टूल इस्तेमाल करें।
क्या यह स्कैन किए डॉक्यूमेंट पर काम करता है?
सिर्फ़ तब जब OCR ने टेक्स्ट लेयर जोड़ दी हो। अकेले स्कैन में सर्च होने लायक़ टेक्स्ट नहीं होता।
रिडैक्शन उतना ही अच्छा है जितना उसका सबसे कमज़ोर क़दम। टेक्स्ट को ढकने के बजाय हटाएँ, हर रूप सर्च करें, नतीजा जाँचें, और मेटाडेटा साफ़ करें। Redact PDF और पाँच मिनट की जाँच के साथ, जो जानकारी आप छिपाना चाहते थे, वह छिपी रहेगी।
