ఒక బ్లాక్ బాక్స్ ఎందుకు సరిపోదు
చాలా PDF టూల్స్ సున్నితమైన టెక్స్ట్ పైన నలుపు రంగు దీర్ఘచతురస్రాన్ని గీయడం ద్వారా వినియోగదారులను "redact" (దాచడం) చేయడానికి అనుమతిస్తాయి. ఆ దీర్ఘచతురస్రం స్క్రీన్పై పదాలను దాస్తుంది, కానీ ఫైల్ యొక్క కంటెంట్ స్ట్రీమ్లో అసలు అక్షరాలు అలాగే ఉంటాయి. ఎవరైనా ఆ దాచిన టెక్స్ట్ను సెలెక్ట్ చేయవచ్చు, కాపీ చేయవచ్చు లేదా దానిని వెలికితీయడానికి ఒక సాధారణ స్క్రిప్ట్ను ఉపయోగించవచ్చు. మరో మాటలో చెప్పాలంటే, డేటా ఇంకా అక్కడే ఉంది; నలుపు రంగు పెట్టె కేవలం ఒక దృశ్యపరమైన ముసుగు మాత్రమే.
డెవలపర్ ఎదుర్కొన్న సమస్య
ఫైళ్లను సర్వర్కు అప్లోడ్ చేయకుండా, పూర్తిగా బ్రౌజర్లోనే నడిచే PDF ఎడిటర్ రచయితకు అవసరమైంది. ఆ పరిమితి కారణంగా, టెక్స్ట్ను తొలగించడానికి బ్యాక్-ఎండ్ సర్వీస్పై ఆధారపడటం అసాధ్యం అవుతుంది. ప్రస్తుతం ఉన్న క్లయింట్-సైడ్ సొల్యూషన్స్ కేవలం కంటెంట్పై ఒక ఆకారాన్ని (shape) జోడిస్తాయి, దీనివల్ల అసలు టెక్స్ట్ అలాగే ఉంటుంది. ఆపరేషన్ వేగంగా మరియు డాక్యుమెంట్ ఉపయోగకరంగా ఉండేలా చూస్తూనే, టెక్స్ట్ను శాశ్వతంగా తొలగించడమే ఇక్కడ సవాలు.
ఎంపిక చేసిన పేజీల రాస్టరైజేషన్: ప్రధాన ఆలోచన
మొత్తం PDFని ఇమేజ్గా మార్చడానికి బదులుగా—అలా చేస్తే ఫైల్ పరిమాణం పెరిగి, సెర్చ్ చేసే సామర్థ్యం దెబ్బతింటుంది—ఈ పరిష్కారం redactions ఉన్న పేజీలను మాత్రమే రాస్టరైజ్ చేస్తుంది. ఆ పేజీలు బిట్మ్యాప్లుగా మారుతాయి; మిగిలిన పేజీలన్నీ వెక్టర్ PDFలుగానే ఉంటాయి, తద్వారా టెక్స్ట్ సెలక్షన్, సెర్చ్ మరియు చిన్న ఫైల్ సైజు అలాగే ఉంటాయి.
ఈ విధానం వల్ల డాక్యుమెంట్ సాధారణంగా కనిపిస్తుంది: 19 పేజీలు స్పష్టంగా మరియు సెర్చ్ చేయడానికి వీలుగా ఉంటాయి, అయితే సున్నితమైన సమాచారం ఉన్న ఒక్క పేజీ మాత్రమే పిక్సెల్-ఓన్లీ ఇమేజ్గా మారుతుంది, అక్కడ దాచిన సమాచారం ఇక ఉండదు.
నమ్మదగిన కన్వర్షన్ కోసం మూడు ఆచరణాత్మక నియమాలు
- మూడు రెట్ల స్కేల్లో రెండర్ చేయండి – బిట్మ్యాప్ అనేది పేజీ యొక్క సాధారణ రిజల్యూషన్ కంటే మూడు రెట్లు ఎక్కువ రిజల్యూషన్లో రూపొందించబడుతుంది. తక్కువ రిజల్యూషన్ ఉన్న రెండర్, పక్కన ఉన్న వెక్టర్ పేజీల పక్కన మసకగా కనిపిస్తుంది, ఇది అనుమానాన్ని కలిగించవచ్చు లేదా వృత్తిపరంగా సరిగ్గా అనిపించకపోవచ్చు.
- అన్ని విజువల్ ఎలిమెంట్స్ను బిట్మ్యాప్లో విలీనం చేయండి – పేజీని రాస్టరైజ్ చేసే ముందు అనోటేషన్లు, సంతకాలు, వాటర్మార్క్లు మరియు redaction రెక్టాంగిల్ అన్నింటినీ కలిపి రూపొందిస్తారు. ఒకే పేజీలో వెక్టర్ అనోటేషన్లను రాస్టర్ ఇమేజ్తో కలపడం వల్ల PDF రీడర్లలో గందరగోళం ఏర్పడి, డిస్ప్లే లోపాలకు దారితీయవచ్చు.
- పిక్సెల్స్కు కాకుండా వ్యూపోర్ట్కు ఆంకర్ చేయండి – అనోటేషన్లు పేజీ యొక్క వ్యూపోర్ట్ కోఆర్డినేట్స్కు అనుసంధానించబడి ఉంటాయి. వినియోగదారు జూమ్ చేసినప్పుడు, ఎలిమెంట్స్ స్థానభ్రంశం చెందడం లేదా అసమానంగా స్కేల్ అవ్వడం జరగదు, తద్వారా అసలు టెక్స్ట్ బయటపడకుండా ఉంటుంది.
రేస్ కండిషన్స్ (Race conditions) నుండి రక్షణ
ప్రతి పేజీని రెండర్ చేయడం అనేది ఒక అసింక్రోనస్ టాస్క్. వినియోగదారు బ్రౌజర్ విండోను వేగంగా రీసైజ్ చేస్తే, బహుళ రెండర్ పనులు ఒకదానిపై ఒకటి వచ్చి, కాన్వాస్పై విరిగిన లేదా ఒకదానిపై ఒకటి ఉన్న ఫ్రేమ్లను సృష్టించవచ్చు. దీనిని నివారించడానికి ఈ ఇంప్లిమెంటేషన్ ప్రతి పేజీకి ఒక 'రెండర్ టోకెన్'ను పరిచయం చేస్తుంది: ప్రతి కొత్త రెండర్ రిక్వెస్ట్ పాత టోకెన్ను చెల్లకుండా చేస్తుంది, తద్వారా పాత టాస్క్ తనంతట తానుగా రద్దవుతుంది. దీనివల్ల వేగవంతమైన UI మార్పుల సమయంలో కూడా సాఫీగా, ఎటువంటి లోపాలు లేని అనుభవం లభిస్తుంది.
లాభనష్టాలు (Trade-offs) ఎలా ఉంటాయి
ఒక పేజీని బిట్మ్యాప్గా మార్చడం వల్ల దాచిన టెక్స్ట్ ఏదీ ఉండదు, కానీ ఆ పేజీలోని కంటెంట్ను సెర్చ్ చేసే లేదా కాపీ చేసే సామర్థ్యం కూడా కోల్పోతాము.
ఇది భవిష్యత్తులో ఎటు వెళ్లవచ్చు
ముగింపు (Takeaway)
ఒక సాధారణ నలుపు రంగు పెట్టె డేటాను తొలగించదు; అది కేవలం దానిని దాస్తుంది మాత్రమే. redaction అవసరమైన పేజీలను మాత్రమే హై-రిజల్యూషన్ బిట్మ్యాప్లుగా మార్చి, మిగిలిన PDFని వెక్టర్-ఆధారితంగా ఉంచడం ద్వారా, బ్రౌజర్-ఓన్లీ ఎడిటర్ డాక్యుమెంట్ను వేగంగా, సెర్చ్ చేయదగినదిగా మరియు ప్రైవేట్గా ఉంచుతూనే సున్నితమైన టెక్స్ట్ను శాశ్వతంగా తొలగించగలదు. ఈ పద్ధతి భద్రత మరియు సౌలభ్యానికి మధ్య సమతుల్యతను పాటిస్తుంది, అయితే వినియోగదారులు చాలా పేజీలను redaction చేసేటప్పుడు ఫైల్ సైజ్ మరియు సెర్చ్ సామర్థ్యంపై పడే సంచిత ప్రభావాన్ని గమనించాలి.