Antes de compartir: qué hacen de verdad Sanitize y Redact
Sanitize quita scripts, embeds y metadatos; Auto Redact ennegrece las páginas coincidentes. Ninguno basta por sí solo, y una caja negra no elimina contenido.
Compartir un PDF con seguridad son dos tareas. Sanitize quita los extras activos u ocultos (JavaScript, archivos incrustados, metadatos, enlaces). Auto Redact se ocupa del texto visible que no quieres que se lea en la página. Primero redacta lo que no debe poder leerse y después sanitiza lo que no debe viajar con el archivo.
Sanitize no oculta los nombres de la página
Sanitize (POST /api/v1/security/sanitize-pdf) edita el catálogo del documento y los diccionarios de página. Con los valores predeterminados del portal (casi todos los flags de eliminación en true y removeFonts en false) quita:
- Hooks de JavaScript de documento y de página (
AA,OpenAction) - Árboles de nombres de archivos incrustados
- Metadatos XMP e Info
- Anotaciones de enlace
No reescribe el texto de los párrafos. Un número de la Seguridad Social que esté en el stream de contenido seguirá ahí después de sanitizar. Trata Sanitize como higiene para compartir archivos con elementos incrustados y scripts, no como redacción de datos privados.
Auto Redact busca coincidencias de texto y oscurece la página
Auto Redact (POST /api/v1/security/auto-redact) recibe un listOfText separado por comas. En cada página extrae la capa de texto y comprueba si aparece alguno de los términos. Cuando hay coincidencia, pinta un rectángulo negro a página completa sobre esa página.
Es una medida contundente a propósito: las páginas que coinciden se oscurecen y las que no, quedan intactas. Los escaneos que son solo imagen y no tienen capa de texto no coincidirán con ningún término hasta que les apliques OCR antes. Revisa siempre la descarga (con selección y copia o con una extracción de texto) antes de enviar el archivo.
Caja negra frente a redacción real
Dibujar un rectángulo negro en un visor no es lo mismo que borrar los objetos de texto subyacentes. La «falsa redacción» clásica deja los glifos en el stream de contenido, de modo que copiar, buscar o pdftotext todavía pueden recuperar el secreto que hay bajo la tinta. La redacción real elimina o sustituye esos objetos para que la cadena desaparezca de los bytes del archivo.
Auto Redact de PDF123 es un paso del servidor que busca y superpone para higiene de patrones, y exige revisión. No es una suite certificada de redacción para e-discovery. Si tu política exige garantías de eliminación de contenido, verifícala extrayendo el texto de la salida (y conserva el original sin sanitizar según tus reglas de retención).
Una ruta práctica antes de compartir
- Desbloquea solo si tienes permiso para eliminar el cifrado.
- Aplica OCR a los escaneos para que Auto Redact pueda ver los términos.
- Ejecuta Auto Redact con las cadenas que no deben salir.
- Ejecuta Sanitize en una copia destinada a distribuirse.
- Abre el resultado y confirma las páginas, los adjuntos y el comportamiento del texto.
Las herramientas del navegador no piden cuenta. Para las mismas ops desde un script, consulta Desarrolladores.