Punto chiave. Nulla viene caricato. I file sono aperti con FileReader, il testo PDF viene estratto in locale e l’output anonimizzato è testo che puoi copiare o scaricare.
Il problema concreto
Un documento contiene spesso più identificatori del paragrafo che volevi citare. Contratti, fatture e report ripetono nomi, date, coordinate bancarie e riferimenti interni.
La formattazione può nascondere significato. Una cella di tabella, un’intestazione o una nota a piè di pagina può contenere proprio il valore che identifica l’organizzazione.
I formati si comportano in modo diverso: trattare una scansione come un PDF testuale, o aspettarsi che lo stile DOCX sopravviva, genera false aspettative.
Procedura pratica
- Scegli il file o l’estratto più piccolo che contiene ciò che ti serve.
- Apri nell’editor un file .txt, un .pdf con testo incorporato oppure un .docx.
- Leggi la nota di estrazione: l’interfaccia segnala file lunghi, limiti PDF e conversione DOCX in testo semplice.
- Controlla le porzioni evidenziate e aggiungi manualmente gli identificatori in testo libero, soprattutto da tabelle e note.
- Copia o scarica il testo anonimizzato. Non aspettarti di ottenere un PDF o un DOCX riformattato.
Come aiuta PromptScrubber
I file di testo vengono letti come UTF-8 semplice. I PDF espongono solo il livello di testo incorporato, pagina per pagina. I DOCX vengono ridotti a testo semplice: layout, immagini e ordine delle tabelle non sono garantiti.
Dopo l’estrazione valgono le stesse regole del testo incollato: controllo dei rilevamenti, aggiunte manuali e segnaposto stabili per i riferimenti ripetuti.
Limiti e responsabilità
- I PDF scansionati o contenenti solo immagini vengono rifiutati: l’OCR non è implementato.
- La formattazione DOCX non viene conservata; l’esportazione è un file .txt.
- I file molto lunghi possono richiedere più tempo; gli input troppo grandi non vengono troncati silenziosamente.
- La mappa di ripristino contiene i valori originali e va protetta se esportata.
- L’estrazione può perdere struttura o riordinare contenuti: confronta il risultato con la fonte prima di basarti su di esso.
Domande frequenti
Quali formati sono supportati?
Formati di testo come TXT, MD e CSV, PDF con livello di testo incorporato e file DOCX. Gli altri formati vengono rifiutati con una spiegazione.
Riesci a fare OCR su un PDF scansionato?
No. L’OCR non è implementato. Un PDF senza testo utilizzabile viene rifiutato invece di essere elaborato in modo scorretto.
La formattazione DOCX sopravvive?
No. Lo strumento estrae testo semplice. Tabelle, stili e immagini non vengono conservati nell’output anonimizzato.
Dove finisce il file?
Da nessuna parte. Viene letto nel browser con FileReader ed elaborato in locale. Non esiste un endpoint di caricamento.
Prepara il tuo testo
Apri lo strumento: incolla, controlla e anonimizza il testo senza caricarlo.