隐私脱敏工具

技能文档

---
name: redact
title: 隐私脱敏工具
category: 法律合规
description: 图像、PDF、Word、PPT 文件的隐私脱敏与文本替换工具，基于 PPStructureV3 OCR 检测文字并按规则替换或遮挡，支持把姓名、手机号、身份证号等敏感信息替换为新文本或以色块/█ 掩码遮盖，文件对外共享前完成隐私合规处理。当用户需要对图片/PDF/文档做脱敏、遮盖敏感信息、匿名化处理、批量替换文件中的个人信息时触发。触发词：脱敏、隐私处理、遮盖敏感信息、匿名化、文档脱敏。
---

# 隐私脱敏工具

基于 PPStructureV3 OCR 的隐私脱敏工具包，支持图像、PDF、Word 文档与 PPT 演示文稿的文字检测、读取与替换。

## 技能工作流

### 步骤1：环境准备

使用 [uv](https://docs.astral.sh/uv/) 安装依赖（首次使用时）：

```bash
# 进入技能目录
cd redact

# 同步依赖（自动创建虚拟环境并安装）
uv sync
```

### 步骤2：读取文件内容（可选，用于确认目标文本）

```bash
python scripts/read.py <input> [--info] [--mode json]
```

- 支持图像、PDF、Word、PowerPoint 的文字读取，图像与内嵌图像自动 OCR
- PDF / Word / PowerPoint 按页输出
- `--info` 输出结构化结果（页索引 + 图像 OCR 文本）
- `--mode json` 输出 JSON 格式的分页内容

### 步骤3：编写脱敏规则 CSV

```csv
target_text,replacement_text
张三,李四
手机号,
身份证号,
```

| 规则 | 效果 |
|------|------|
| `原文本,新文本` | 替换为新文本 |
| `原文本,` | 新文本为空 = 掩码处理（文档用 █ 字符，图像/PDF 用实色色块覆盖） |

### 步骤4：按文件格式执行脱敏

| 脚本 | 适用格式 | 命令 |
|------|----------|------|
| `redact-image.py` | 图像（png、jpg 等） | `redact-image.py <input> <rules.csv> <output>` |
| `redact-pdf.py` | PDF | `redact-pdf.py <input> <rules.csv> <output>` |
| `redact-document.py` | Word（docx、doc） | `redact-document.py <input> <rules.csv> <output>` |
| `redact-presentation.py` | PowerPoint（pptx、ppt） | `redact-presentation.py <input> <rules.csv> <output>` |

## 能力矩阵

| 能力 | 图像 | PDF | Word | PPT |
|------|:----:|:---:|:----:|:---:|
| 读取文本 | ✅ | ✅ | ✅ | ✅ |
| JSON 输出 | ✅ | ✅ | ✅ | ✅ |
| 文本替换 | ✅ | ✅ | ✅ | ✅ |
| 实色色块遮挡 | ✅ | ✅ | - | - |
| █ 字符掩码 | - | - | ✅ | ✅ |
| OCR 检测 | ✅ | ✅ | ✅（内嵌图像） | ✅（内嵌图像） |
| 表格 | - | ✅ | ✅ | ✅ |
| 页眉/页脚 | - | ✅ | ✅ | - |
| 内嵌图像 | - | ✅ | ✅ | ✅ |

## 依赖要求

- Python 3.10+
- PaddleOCR / PPStructureV3
- python-docx、python-pptx、PyMuPDF、Pillow

使用说明

# 隐私脱敏工具

图像、PDF、Word、PPT 隐私脱敏与文本替换工具：OCR 检测文字，按 CSV 规则把姓名、手机号、身份证号等敏感信息替换为新文本，或以色块/█ 掩码遮盖。

## 使用

```bash
# 1. 编写脱敏规则 rules.csv
#    target_text,replacement_text
#    张三,
#    13800000000,

# 2. 执行脱敏
python scripts/redact-pdf.py 机密合同.pdf rules.csv 已脱敏.pdf
python scripts/redact-image.py 截图.png rules.csv 已脱敏.png
```

## 工作原理

先写规则 CSV（`原文本,新文本` 替换；新文本留空则遮挡），再按文件格式选择对应脚本：图像与 PDF 用 OCR 定位文字后以实色色块覆盖，Word 与 PPT 直接替换文本为等长 █ 掩码；`read.py` 可先读取文件内容确认目标文本。

如何安装此技能？

访问技能市场，点击「安装」按钮，按提示将技能包放入 AI 编程助手的 skills 目录即可。