Tachar un PDF automáticamente

Por patrón, y gratis: direcciones de correo, teléfonos, números de tarjeta de pago (comprobados con Luhn para que no se ofrezcan números de factura), IBAN (comprobados con sus propios dígitos mod-97), números CPR daneses (con la fecha validada), números de seguridad social británicos y estadounidenses, direcciones IP, códigos postales británicos y daneses, y direcciones web. También adivina dos cosas que una regla normalmente no puede: un nombre de calle seguido de un número, y un nombre presentado por un tratamiento como Dr. o Sra. Con la pasada de IA: nombres de personas y direcciones postales en general, que es la única forma de que pueda quitar nombres de documentos PDF — ninguna regla encuentra un nombre sin tratamiento. Deliberadamente no ofrece nombres de empresa, cargos, fechas ni importes.

La mitad por patrón no sale nunca de tu navegador — es un conjunto de reglas aplicadas a un texto en tu propia máquina. La mitad con IA envía el **texto** del documento, no el archivo, porque las palabras son todo lo que un modelo necesita para detectar un nombre. No se guarda nada en ninguno de los dos casos, y si solo usas la mitad gratuita no se transmite absolutamente nada.

Porque encontrar datos personales en el texto de un documento es un juicio, y las dos mitades se equivocan, y en direcciones opuestas. Los patrones son literales: un número de referencia largo puede parecer un teléfono. Un modelo no es literal: puede pasar por alto un apellido poco común u ofrecer una calle que en realidad es un nombre de empresa. No es seguro actuar sobre ninguno sin supervisión, y el fallo sería silencioso — solo lo descubrirías después de enviar el documento. Marcar una lista lleva veinte segundos y elimina ese riesgo por completo.

Lo borra. La página se dibuja y se aplana, así que los caracteres ya no están en el archivo — puedes comprobarlo abriendo el resultado e intentando seleccionar la zona tachada, y no hay nada que seleccionar. Esto importa más de lo que parece: el fallo estándar es un rectángulo negro dibujado encima de un texto que se queda en el documento debajo, y ha avergonzado repetidamente a despachos de abogados, periódicos y ministerios.

Un escaneo es una fotografía de una página sin capa de texto, así que no hay nada que leer y no se encontrará nada. La herramienta lo dice en vez de informar de un documento limpio, que sería la respuesta peligrosa. Para un escaneo, pásalo antes por un OCR, o usa la herramienta de tachado manual y dibuja tú los recuadros.

Porque es la parte con un coste real por ejecución — un modelo lee el texto del documento cada vez. La mitad por patrón no nos cuesta nada, así que a ti no te cuesta nada, y encuentra la mayoría de lo que la gente quiere de verdad quitar de facturas y formularios. El crédito compra los nombres y las direcciones, que es la parte que ninguna regla puede encontrar.