Perguntas frequentes
O essencial sobre o SANITIZE.
O que o SANITIZE faz?
Ele detecta dados pessoais e identificadores, substitui esses valores por marcadores reversíveis e permite que o conteúdo sanitizado seja revisado antes de seguir para outro sistema. Quando o usuário cria um cofre local, os valores originais podem ser restaurados depois.
O SANITIZE analisa, resume ou interpreta documentos?
Não. O produto é deliberadamente limitado a extração necessária para sanitização, pseudonimização reversível, revisão e restauração. OCR serve apenas para tornar texto de imagens e PDFs digitalizados legível pelo sanitizador.
Quais formatos são aceitos?
Texto direto, TXT, DOCX, XLSX, PDF textual, PDF digitalizado, PNG e JPEG. O arquivo pode ter até 20 MiB; o texto extraído pode ter até 2 MiB.
E se a extensão do arquivo não corresponder ao conteúdo?
O motor identifica o tipo real pelos bytes, e não apenas pelo nome do arquivo. Por exemplo, texto simples enviado com extensão .pdf pode ser tratado como TXT, com saída textual. Arquivos binários desconhecidos ou malformados são bloqueados. A extensão diferente nunca torna um documento inválido em PDF válido.
Quais são os limites de PDF e OCR?
PDFs podem ter até 500 páginas. Até 40 páginas por operação podem exigir OCR textual. A revisão visual automática é uma camada separada e permanece limitada a 20 páginas por operação; se uma página não puder ser tratada e verificada com segurança, o arquivo visual é bloqueado, sem download parcial. Imagens e páginas renderizadas para OCR ficam limitadas a 16 milhões de pixels e 10.000 px por eixo. O OCR da sanitização usa Tesseract em português e inglês na infraestrutura do SANITIZE, sem API OCR externa. O Leitor Privado é o recurso que pode executar OCR no próprio navegador.
Por que um PDF digitalizado pode falhar?
O OCR pode não reconhecer texto quando a imagem está desfocada, com resolução baixa, muito inclinada, protegida ou visualmente degradada. O SANITIZE tenta normalização, orientação por EXIF, contraste e estratégias locais de OCR. PDFs dominados por imagem entram no OCR mesmo quando já possuem uma camada textual longa; o processor inspeciona recursivamente imagens dentro de Form XObjects e também força OCR quando a camada textual parece suspeita. O processamento falha fechado se o OCR obrigatório não reconhecer texto legível.
Em quais formatos posso baixar a saída?
Texto, TXT, DOCX e PDF textual podem gerar PDF, DOCX ou TXT a partir do conteúdo sanitizado. Quando PDF/PNG/JPEG exige OCR, a saída no mesmo formato só é liberada depois da verificação residual e visual. Dependendo do perfil, o resultado pode ser reconstruído em clean-room, sem reaproveitar pixels de origem, ou seguir um tratamento visual específico qualificado; não há garantia de preservar fotografias, gráficos ou layout do original. XLSX sai como XLSX reconstruído apenas com valores sanitizados, sem fórmulas, estilos, comentários, objetos, links externos, macros ou metadados. Se a verificação visual falhar, o download visual no mesmo tipo é bloqueado.
Quanto posso sanitizar gratuitamente?
O teste público permite concluir 1 sanitização por dia por visitante, para arquivo suportado, conforme os controles de cota vigentes. Em produção, é necessário confirmar o e-mail antes da sanitização; essa verificação serve para controlar a franquia diária e não cria uma conta Pro. Falhas de processamento não consomem a tentativa. O plano Pro não possui limite diário comercial de documentos, mas os limites técnicos de tamanho, páginas, OCR e concorrência continuam valendo.
O SANITIZE Pro pode ser contratado agora?
A página inicial e a página de assinatura consultam a configuração pública de cobrança. A contratação só é apresentada quando a cobrança automática está habilitada e existe preço mensal válido. Caso contrário, o Pro é apresentado apenas como modalidade do produto e nenhum formulário de contratação ou pagamento é liberado.
Por que /sanitize não abre sem login?
A área de processamento é protegida antes mesmo de o HTML do workspace ser entregue. Sem sessão válida, o acesso é redirecionado para a página de login.
O que acontece se eu alterar a entrada depois de sanitizar?
O resultado anterior é descartado. Isso evita copiar ou guardar um resultado que não corresponde mais ao texto, arquivo ou opções atuais.
O que é o cofre local?
É um arquivo cifrado gerado no navegador com o mapa necessário para restaurar marcadores. A senha não é enviada ao backend. A versão atual usa PBKDF2-HMAC-SHA256 e AES-256-GCM e o cofre tem validade máxima de 7 dias.
E se eu perder a senha do cofre?
O SANITIZE não possui uma cópia da senha. Sem a senha correta, o cofre não pode ser aberto pelo fluxo normal de restauração.
Como funciona o Histórico Pro?
Quando o histórico está habilitado, o SANITIZE armazena somente o artefato já sanitizado e cifrado. O ciphertext fica no armazenamento de objetos do serviço; o banco mantém apenas metadados técnicos necessários para controle, isolamento e expiração. Documento original, filename original, senha do cofre e mapa reversível não fazem parte do Histórico Pro.
Por que ainda preciso revisar o resultado?
Dados estruturados podem ser detectados com boa precisão, mas nomes livres, fatos raros, contexto, erros de OCR e combinações de atributos podem permanecer identificáveis. Pseudonimização reduz exposição; não é garantia automática de anonimização.
O que acontece com PDFs escaneados e imagens?
Quando OCR é usado, o Engine Next extrai o conteúdo localmente e libera apenas artefatos que passam pelo scanner residual e pelo gate de reconstrução. PDFs e imagens podem ser reconstruídos em modo clean-room, o que prioriza remoção de dados e pode perder layout ou gráficos do original. Se uma família documental exigir componente visual ainda não qualificado, o arquivo é bloqueado em vez de receber uma saída parcial.
A área de sanitização possui anúncios ou rastreadores?
Não. A área /sanitize é mantida sem AdSense, Analytics, pixels, chat de terceiros ou session replay.
Como funciona o login com Google?
Quando habilitado, o SANITIZE usa OpenID Connect server-side somente para autenticação, solicitando os escopos mínimos openid e email. Não solicita acesso ao Gmail, Drive, Agenda ou Contatos, não mantém access/refresh token do Google e nenhum script Google é carregado dentro de /sanitize.
A integração com CRM está pronta para uso comercial?
A API server-to-server foi homologada internamente para sanitização, restauração controlada, idempotência, auditoria e isolamento de escopo. Ainda não há um consumidor CRM externo real operando em produção. Cada consumidor externo permanente precisa de onboarding autorizado e credencial própria; nenhuma integração é criada automaticamente por publicação do site ou por atualização visual.