چه چیزهایی در سند شما پنهان است؟

آنچه Harry بررسی می‌کند

در متن. نویسه‌هایی که شما نمی‌بینید اما وجود دارند: فاصله‌های بدون عرض، نویسه‌های کنترلی که جهت خواندن را برمی‌گردانند، فاصله‌های خاص و انتهای خطوط، و حروفی از سیریلیک، یونانی یا ارمنی که مانند حروف معمولی به نظر می‌رسند. این‌ها هنگام کپی کردن متن از یک پنجره چت، یک pdf یا یک وب‌سایت وارد می‌شوند و در آنچه بعداً می‌فرستید باقی می‌مانند.

در فایل. یک فایل Word نام شخصی را که آن را ایجاد کرد و آخرین بار ذخیره کرد، شرکتی که در برنامه وارد شده بود، چند دقیقه کار روی آن، کدهای نسخه‌بندی که دو سند را به هم پیوند می‌دهند، متنی که کسی فکر می‌کرد حذف کرده است، و نظراتی در حاشیه حمل می‌کند. یک pdf نیز این را حمل می‌کند و بیشتر — در اینباره در زیر.

چه اتفاقی برای سند شما می‌افتد

چیزی بیرون نمی‌رود. Harry از هوش مصنوعی استفاده نمی‌کند و هیچ سرویس دیگری را فراخوانی نمی‌کند. این برنامه‌ای است که می‌خواند و مقایسه می‌کند. فایل شما در حافظه سرور ما خوانده می‌شود و جای دیگری نمی‌رود.

ما سند شما را ذخیره نمی‌کنیم. بدون فایل، بدون متن، بدون کپی. آنچه برای برگرداندن فایل تمیز به شما لازم است، یک ربع ساعت در حافظه کاری قرار دارد و بعد از آن خود به خود ناپدید می‌شود. در صورت pdf، این خود فایل است — یک pdf در محل ویرایش می‌شود و از متن دوباره ساخته نمی‌شود، بنابراین بدون اصل هیچ‌چیز برای تمیز‌کردن وجود ندارد. چیزی روی دیسک و چیزی در پایگاه داده نمی‌رود.

آنچه ما می‌شماریم. متن بچسباندن می‌تواند نامحدود باشد و شمارش نمی‌شود. برای فایل‌ها یک فایل در روز بدون حساب است، و برای این کار ما باید بتوانیم بشماریم که امروز چند بار فایل را برای بررسی دادید. این با یک شماره تصادفی در یک کوکی و آدرس اینترنتی شما به صورت رمزگذاری شده اتفاق می‌افتد — کافی برای شمارش، کافی نیست برای پیدا کردن کسی. بعد از هفت روز، این هم ناپدید می‌شود.

شما تصمیم می‌گیرید. Harry بدون اینکه شما آن را تیک بزنید چیزی حذف نمی‌کند، و برای هر یافته نشان می‌دهد چرا آن جا نباید باشد.

آنچه در یک pdf وجود دارد

یک pdf همان نوع داده‌های یک فایل Word را حمل می‌کند، و معمولاً بیشتر: علاوه بر نویسنده و مهرزمان‌ها نیز یک شماره سند که هر صادرات از همان فایل منبع را به هم پیوند می‌دهد، تاریخچه ویرایش با مهرزمان‌ها، و گاهی یک فایل کاملاً تعبیه شده یا داده‌های EXIF یک عکس — مدل دوربین، شماره سریال، و در صورت عکس تلفنی مکانی که گرفته شده است.

و نکته اصلی: یک pdf بازنویسی نمی‌کند، چسبانده می‌شود. سندی که سه بار ویرایش شده است، هر سه نسخه را کاملاً حاوی است — صفحات حذف‌شده، فرمولاسیون‌های قبلی، متنی که کسی فکر می‌کرد حذف کرده است. Harry فایل را یک بار دوباره ساخته و با این کار تمام این تاریخچه ناپدید می‌شود. این اتفاق جانبی نیست بلکه مهم‌ترین تمیز‌کاری است.

آنچه Harry در یک pdf می‌یابد و حذف نمی‌کند: متن زیر یک بند سیاه، متن که کشیده نمی‌شود، متن در رنگ کاغذ، و محتوای خارج از برش. اینها اثری در پوسته نیستند بلکه محتوای صفحه هستند؛ حذف آنها تغییر می‌دهد آنچه خواننده می‌بیند، و این تصمیمی از نویسنده است و نه از برنامه‌ای برای تمیز‌کاری. شما می‌بینید که چه چیزی وجود دارد و در کدام صفحه.

دو چیز که باید بدانید

یک فایل Word پاکی‌شده دوباره ساخته می‌شودتنها متن، عنوان‌ها، فهرست‌های سریال و جداول بازمی‌گردند. این دقیقاً به همین دلیل است که دیگر نام نویسنده و زمان ویرایش در آن وجود ندارد — آن‌ها در پوسته بودند، و این پوسته جدید است. قالب‌بندی که خود اعمال کرده بودید، همراه نمی‌آید.

در مورد pdf اوضاع متفاوت است، و این باید اینطور باشد: قالب‌بندی ثابت کل دلیل اینکه فایل pdf است. این از متن دوباره ساخته نمی‌شود بلکه در محل ویرایش می‌شود — صفحات دقیقاً همانطور که بودند باقی می‌مانند، و هر چیزی که هویت را حمل می‌کند حذف می‌شود. یک pdf با رمز عبور را Harry نمی‌تواند بررسی کند؛ ابتدا حفاظت را برداشته ‌ای.

و Harry وعده عدم یافتنی‌بودنرا نمی‌دهد. او نویسنده، مهرهای زمانی، تاریخچه و پیوست‌ها را حذف می‌کند. اما نحوه ساخت یک فایل هنوز هم نشان می‌دهد که با کدام برنامه ساخته شده است — پس از پاکی‌زی، آن برنامه مال ما است. این معمولاً دقیقاً آن چیزی است که می‌خواهید، اما یکسان نیست با هیچ‌گونه اثری نداشتن.

Harry علامت آب آماری را حذف نمی‌کند، و این را هم وعده نمی‌دهد. چیزی که به‌عنوان کاراکتر در متن وجود ندارد، او نمی‌تواند آن را حذف کند. هر کس چیز دیگری وعده دهد، چیزی را می‌فروشد که وجود ندارد.