CarvePDF离线工具箱更新:信息脱敏、文件对比、页面拼版的能力都提升!

上周有个同事问我：合同里对方的姓名、身份证号，用 PDF 编辑器涂黑再发出去，会不会泄露？

我说会。不信你用wps查找功能再搜一下姓名和身份证号看看。

他赶紧去查找搜了一下，然后原地愣住了，说那我这两年发出去的东西……

1

遮住，不等于删掉

黑块是画在页面上面的一层图形。文字本身一个字节都没少，它还在原来的位置，只是被一块不透明的色块压住了。

所以复制、搜索、全选、提取，全都能把它捞出来。

「视觉上看不见」和「文件里没有」，是两件完全不同的事。

CarvePDF 的脱敏做的是后者：按字形把内容流里的这些字真正删掉，同一条文本里补回推进量，后面的字不会错位；再整份重写文件，书签、表单、注释、标题作者这些隐藏信息一起清掉。

2

扫描件更难：连字都没有

合同、诉状、回单、发票，大量是扫描件。扫描件整页就是一张图片，没有文字层，选都选不中。

以前这类文件只能拒绝处理。这次把本地的文字识别接进来了，扫描件也走同一套框选。

第一步识别打开扫描页自动识别，进度条在浮层里走，不用等一个白屏。第二步框选和文字版 PDF 一样，拖拽框选、单击选整行，红框即时出现。第三步烧录保存时整页重新渲染，选中区域烧成黑色像素。

CarvePDF「PDF脱敏」：扫描件识别完成后，拖拽即可框选，红框即时出现

保存出来的页面，是按 2.5 倍重新渲染的一张图。选中的地方被烧成黑色像素，原图不会进入输出文件，也没有隐藏文字层可以再被提取。

目前的限制说清楚：旋转过的扫描页还不支持烧录，会明确提示；图片里的图章、手写字不在识别范围，需要单独框。也需要特别说明的是：目前扫描的pdf虽然支持脱敏功能了，但是建议还是人工核对一遍信息上方的黑色块遮盖是否到位，再使用！

3

顺手改掉的三件小事

一、预览不再一页一页翻。整份文档纵向排下来，滚到哪看到哪，翻页按钮还在，习惯不冲突。跨页拖拽也能连着选。

二、选中一处，同一句话全文档一起标。身份证号、同一个姓名、同一个账号，往往在文件里出现好几次。勾着「全文档同串批量标记」，选一次就够了；单字不会乱扩，避免把整页的「的」都标上。

三、对比扫描件也能逐行看差异。两份扫描件拖进 PDF 对比，会先给页面补一层本地识别的文字，再按文字内容比对；补不上才退回按版面几何比对。红框标 A 侧改动，蓝框标 B 侧改动，两栏滚动同步。

同一份文件改了三处，以前要两屏来回找，现在滚一遍，框自己跳出来。

4

文件不出去，才敢叫脱敏

识别和脱敏全部在浏览器里跑，不上传服务器。断网也能用，OCR 模型只在本机加载一次。

这点对法务、财务、政企办公不是加分项，是前提。一份要脱敏的合同，本来就不该先传到别人机器上。

5

PDF对比

前两份文件到底改了什么地方？平时我们非常疑惑的地方，这次不用打开两份文件一行一行看👀了，打开两份PDF文件，几秒钟不同的地方都给你用红色或者蓝色框标出来了，办公效率飞升！！！

6

页面拼版

前几天有网友反映页面拼版不能旋转角度，两张A5无法铺满一张A4，今天，这个问题终于一并解决了。

关注公众号「CarvePDF」，回复PDF，拿最新版下载地址和解压码。

觉得有用点个「❤」+「👍」，或者转给天天跟 PDF 搏斗的同事呗。