Abres un PDF, seleccionas un párrafo de texto, presionas eliminar, escribes texto nuevo en su lugar y guardas el archivo. El nuevo texto aparece en la pantalla. Envías el documento. El destinatario busca en el PDF un término que apareció solo en el texto anterior y la búsqueda lo encuentra. The old text you thought you deleted is still in the file, hidden behind the new text, invisible on screen but fully present in the document data. Esta inquietante experiencia revela una verdad fundamental sobre la edición de PDF: lo que ves no es todo lo que hay.
Las herramientas PDF Editor disponibles en navegadores y aplicaciones de escritorio básicas normalmente agregan contenido a un PDF en lugar de reemplazarlo realmente. Cuando elimina un párrafo y escribe texto nuevo, el editor dibuja un rectángulo blanco sobre el texto antiguo y coloca el texto nuevo encima. El texto antiguo permanece en la capa de datos del archivo. Cualquiera que extraiga el texto, busque el documento o lo convierta a otro formato podrá recuperar lo que creía eliminado.
Cómo funciona realmente la edición de PDF: superposición, no reemplazo
Los archivos PDF no están diseñados para ser editados. El formato se creó como formato de salida final, el equivalente digital de una página impresa. Cuando un editor de PDF modifica un documento, no reescribe los objetos de texto originales. Agrega nuevos objetos que se dibujan sobre los antiguos. Los objetos de texto originales permanecen en el archivo porque eliminarlos requeriría reconstruir el flujo de contenido de la página, lo cual es una operación significativamente más compleja que agregar una superposición.
Este enfoque de superposición tiene consecuencias importantes para la seguridad de los documentos y la integridad del PDF Format. El tamaño del documento aumenta con cada edición porque el contenido antiguo nunca se elimina, sólo se cubre. Un PDF que ha sido editado diez veces contiene el contenido original más nueve capas de ediciones. El tamaño del archivo aumenta con cada revisión aunque el número de páginas visibles y el contenido aparente siguen siendo los mismos.
El enfoque de superposición intercambia calidad de edición por velocidad de edición, y la compensación es invisible hasta que el contenido oculto resurge.
El problema de la superposición es más grave en la edición de texto. Un editor podría dibujar un rectángulo blanco para ocultar el texto antiguo y colocar el texto nuevo en un objeto de texto separado. El rectángulo blanco cubre visualmente el texto antiguo, pero el texto antiguo todavía está en la capa de texto. Un lector de pantalla lee tanto el texto antiguo como el nuevo. Una búsqueda encuentra ambos. Una herramienta de extracción de texto obtiene ambas cosas. La edición fue cosmética.
Una herramienta de redacción PDF Editor implementada correctamente elimina el contenido de la capa de texto. Es posible que la herramienta de edición de texto de uso general en la misma aplicación no lo haga. Los usuarios esperan razonablemente que eliminar signifique eliminar, pero el formato PDF hace que la eliminación sea más difícil que la adición, y muchos editores optan por el camino más fácil.
Cuando el texto antiguo puede reaparecer
El texto antiguo oculto por superposiciones puede reaparecer en varios escenarios comunes. Al convertir el PDF a otro formato, como Word o texto sin formato, se extrae todo el texto del documento, incluido el texto antiguo oculto. La herramienta de conversión lee la capa de texto PDF directamente y no ve los rectángulos superpuestos blancos porque son elementos visuales, no contenido de texto.
Abrir el PDF en un visor diferente puede revelar texto oculto. Un espectador que renderice la página de manera diferente podría colocar el rectángulo superpuesto blanco en la posición incorrecta o podría no renderizarlo en absoluto, exponiendo el texto antiguo. Los visores basados en navegador, las aplicaciones de PDF móviles y los visores de escritorio más antiguos tienen sus propias peculiaridades de representación que pueden afectar el posicionamiento de la superposición.
Al utilizar la función Buscar para buscar en el documento, se busca en la capa de texto, no en la capa visual. Una búsqueda de una palabra que aparece en el texto eliminado la encontrará, aunque la palabra no esté visible en la pantalla. Así es como los destinatarios descubren que el contenido supuestamente eliminado todavía está presente en el archivo.
Los lectores de pantalla y las herramientas de accesibilidad leen la capa de texto. Un usuario con discapacidad visual que depende de un lector de pantalla escucha tanto el texto actual como el texto eliminado, a menudo sin indicación de que parte de lo que está escuchando deba estar oculto. Los PDF Metadatos y la estructura también pueden conservar rastros de ediciones anteriores en el historial de modificaciones del documento.
Cómo verificar que el texto eliminado realmente desapareció
Después de editar un PDF, verifique que el texto eliminado realmente se haya eliminado ejecutando una extracción de texto en el archivo editado. Copie todo el texto del PDF usando Ctrl+A y péguelo en un editor de texto. Busque en el texto pegado las frases que eliminó. Si aparecen las frases, la eliminación fue cosmética. Alternativamente, convierta el PDF editado en un archivo de texto sin formato y busque allí el contenido eliminado.
Un segundo método de verificación utiliza la función Buscar PDF. Busque una palabra o frase distintiva del texto eliminado. Si la herramienta Buscar lo localiza, el texto todavía está en la capa de datos del documento. La herramienta Buscar en la mayoría de los lectores de PDF busca directamente en el flujo de contenido de texto y no se ve afectada por las superposiciones visuales.
Para documentos confidenciales, utilice una herramienta de redacción dedicada en lugar de una herramienta de edición general para eliminar contenido. Las herramientas de redacción están diseñadas para eliminar el texto de la capa de datos, no solo para cubrirlo visualmente. La diferencia entre editar y redactar es la diferencia entre ocultar contenido y eliminarlo.
Cómo eliminar correctamente el texto de un PDF
WukongPDF proporciona herramientas de redacción, así como herramientas de edición generales. Cuando necesite eliminar permanentemente contenido de un PDF, utilice la función de redacción, no la función de edición de texto. La redacción elimina el texto de la capa de datos y coloca una marca negra o un espacio en blanco en su lugar. La extracción, búsqueda y conversión de texto posteriores no encontrarán el contenido redactado porque ya no existe en el archivo.
Si ya ha editado un PDF y necesita asegurarse de que el texto anterior no se pueda recuperar, el método más seguro es imprimir el PDF en un PDF nuevo. El proceso de impresión presenta cada página como una representación similar a una imagen, descartando todas las capas y superposiciones de texto ocultas. El PDF de salida contiene solo lo que es visible en la página. La desventaja es que el nuevo PDF pierde capacidad de búsqueda de texto, enlaces y otras características interactivas.
Otro enfoque es extraer sólo las capas de texto visibles y crear un nuevo PDF a partir de ellas, descartando el contenido oculto. Esto requiere una herramienta que pueda distinguir entre objetos de texto visibles y ocultos y exportar selectivamente sólo los visibles. El PDF resultante está limpio y contiene sólo el contenido previsto.
Prevención de la retención accidental de contenido
Al editar archivos PDF que se compartirán externamente, establezca un flujo de trabajo que incluya un paso de verificación de contenido. Después de editar, ejecute una extracción de texto y busque cualquier contenido que se suponía que debía eliminarse. Para documentos con datos legales, financieros o personales, este paso de verificación debería ser obligatorio antes de que el archivo salga de su control.
Considere la posibilidad de utilizar formatos distintos de PDF para documentos que requieren una edición exhaustiva. Edite el documento en su formato original, Word, Google Docs, InDesign, y exporte un PDF nuevo cuando el contenido sea definitivo. Una nueva exportación del documento de origen no contiene historial de ediciones ni contenido oculto. El PDF cumple su propósito previsto como formato de salida final, no como lienzo de edición.
El problema no se limita al texto. Las imágenes eliminadas de un PDF usando un editor básico también pueden permanecer en los datos del archivo. El editor dibuja un rectángulo blanco sobre la imagen antigua y coloca la nueva imagen encima. Los datos de la imagen original todavía están incrustados en el PDF, lo que aumenta el tamaño del archivo y pueden ser extraídos por cualquiera que abra el archivo con una herramienta que pueda enumerar todos los objetos incrustados.
La retención de información confidencial en archivos PDF es un riesgo de seguridad documentado. En 2023, la Dirección de Señales de Australia emitió una guía advirtiendo que la redacción de PDF realizada con herramientas no especializadas podría hacer que el contenido redactado fuera recuperable. La guía señala específicamente que dibujar cuadros negros sobre texto o imágenes no elimina los datos subyacentes y que los documentos convertidos podrían exponer el contenido supuestamente eliminado.
La forma más segura de compartir un PDF editado que no debe contener rastros de contenido anterior es reconstruir el PDF únicamente a partir del contenido visible. Imprima el documento editado en un nuevo PDF utilizando un controlador de impresora PDF. Este proceso muestra cada página tal como aparece en la pantalla y escribe solo el contenido visible en el nuevo archivo. El texto oculto, las imágenes eliminadas y el historial de edición se descartan porque no forman parte de la apariencia de la página renderizada.
Para las organizaciones que manejan documentos sujetos a divulgación legal o solicitudes de libertad de información, es esencial comprender la diferencia entre editar y redactar. Un documento elaborado en respuesta a una solicitud de divulgación que contiene texto oculto pero recuperable puede tener consecuencias legales graves. Los tribunales y los reguladores tratan el contenido oculto como contenido revelado, independientemente de si era visible en la página.
El flujo de trabajo de edición más seguro para archivos PDF que contienen información sensible o confidencial es editar el documento de origen, no el PDF. Realice cambios en el archivo original de Word, Google Doc o archivo de diseño y exporte un PDF nuevo desde la fuente editada. Una nueva exportación no contiene contenido oculto, historial de ediciones ni datos residuales de versiones anteriores que un destinatario determinado pueda recuperar.
| Escenario | Cómo se expone el texto oculto | Nivel de riesgo |
|---|---|---|
| Conversión de PDF a Word | Converter extrae todo el texto de la capa de datos | Alto: todo el texto oculto se vuelve visible |
| Buscar dentro de PDF | La función Buscar busca flujo de texto, no capa visual | Medio: revela la existencia de texto oculto |
| Acceso al lector de pantalla | Lee la capa de texto directamente, ignorando las superposiciones | Alto: lee texto antiguo y nuevo juntos |
| Visor de PDF diferente | Es posible que el visor alternativo no muestre la superposición correctamente | Medio: inconsistente entre los espectadores |
| Extracción de texto/copiar y pegar | Seleccionar todo captura todo el texto en la capa de datos | Alto: el texto oculto aparece en el búfer de pegado |