文件脫敏
📖 技能介紹
name: doc-desensitize description: 文件脫敏技能。當用戶需要批次去除 Word（.docx）或 Excel（.xlsx）文件中的敏感資訊時使用本技能。觸發詞：文件脫敏、去除敏感資訊、批次打碼、脫敏處理、手機號/身份證/姓名打星號。支援對手機號、身份證號、郵箱、座機、網址、病歷號、微訊號、QQ號、姓名、學校、公司、地址等敏感欄位進行等長星號替換。 agent_created: true version: 3.4
文件脫敏技能（doc-desensitize）
概述
零依賴（純 Python 標準庫），對 .docx 和 .xlsx 文件中的敏感資訊進行等長星號替換，生成脫敏後的文件。星號數量等於原文長度，保持排版不變。
原理：.docx / .xlsx 本質是 ZIP 包，直接操作內部 XML 實現脫敏。
v3.3 最佳化： 執行脫敏前必須先問使用者要脫敏哪些內容型別，避免過度脫敏。
v3.2 最佳化： 目錄模式不再複製非 docx/xlsx 檔案（只輸出脫敏文件）；新增 --move-original 把原始文件剪下到「原始文件」子資料夾；無敏感內容的檔案也生成副本（加_脫敏字尾）；處理進度提示 [N/總數]。
v3.1 修復： 修正統計計數 bug（docProps 統計恆為零、xlsx 統計覆蓋丟失）、刪除重複呼叫、收緊 landline/school/company/postcode 正則邊界、修復 Windows GBK 終端測試崩潰。
v3 增強： 文件屬性脫敏、脫敏統計報告、輸出目錄自動建立、檔案佔用友好提示、Excel 科學記數法檢測提示、輸出覆蓋警告、非 UTF-8 編碼容錯。段落級文本合併、域程式碼脫敏（TOC/Hyperlink）、修訂模式脫敏、文本框/形狀文字脫敏、Excel 數值單元格脫敏。
更多技能請訪問小蔥技能站7w4.net。
更新日誌
| 版本 | 日期 | 變更 |
|---|---|---|
| 3.4 | 2026-06-24 | 去掉 SKILL.md 中廣告相關內容，通過 SkillHub 稽核 |
| 3.3 | 2026-06-23 | 執行前必須先問使用者要脫敏哪些內容型別 |
| 3.2 | 2026-06-22 | 目錄模式不再複製非文件檔案；新增 --move-original 剪下原始文件；無敏感內容也生成副本；進度提示 |
| 3.1 | 2026-06-21 | 修復統計 bug、刪除重複呼叫、收緊正則邊界、修復 GBK 終端相容 |
| 3.0 | 2026-06-20 | v3 全量增強（docProps、統計、地址合併、域程式碼等） |
何時使用
- 使用者提到"文件脫敏""去除敏感資訊""批次打碼""脫敏處理"
- 使用者上傳或指定了
.docx/.xlsx檔案，要求去除敏感內容 - 使用者提到需要對手機號、身份證、姓名等資訊打碼
執行流程
⚠️ 必須遵守：執行脫敏前，先問使用者要脫敏哪些內容型別。
- 使用者要求脫敏時，先列出可選規則（參考下方「脫敏規則」表格），用 AskUserQuestion 讓使用者勾選要脫敏的型別
- 使用者選擇後，用對應的
--rules引數執行指令碼 - 如果使用者說"全部"或沒有特別指定，則不傳
--rules（預設全部規則）
使用方式
# 全部規則（預設）
python scripts/desensitize.py <輸入檔案或目錄> [輸出路徑]
# 只脫敏指定型別
python scripts/desensitize.py <輸入> [輸出] --rules phone,id_card
# 剪下原始文件到「原始文件」資料夾（方便從混合目錄中分離）
python scripts/desensitize.py <輸入> [輸出] --move-original
# 預覽模式（只檢測不生成檔案）
python scripts/desensitize.py <輸入> --dry-run
python scripts/desensitize.py <輸入> -n --rules phone,id_card
- 輸入為檔案：脫敏後儲存為
<原名>_脫敏.docx，原檔案不修改 - 輸出路徑可指定任意位置，父目錄不存在會自動建立
- 輸入為目錄：只處理 docx/xlsx，輸出目錄只包含脫敏後的文件，不復制其他檔案（PDF、zip、圖片等留在原目錄不動）
--move-original（或-m）：目錄模式下，將原始 docx/xlsx 從源目錄剪下到輸出目錄下的「原始文件」子資料夾，方便使用者從混合檔案中分離- 無敏感內容的 docx/xlsx 也會生成
_脫敏副本（內容不變），確保輸出目錄文件數量與源一致 --rules（或-r）：可選，逗號分隔要啟用的規則 key；不傳則全部啟用--dry-run（或-n）：預覽模式，只報告檢測到的敏感內容型別和數量，不生成檔案- 處理過程顯示進度：
[3/59] xxx.docx - 處理完成自動輸出統計報告：
📊 脫敏統計: 學校名×386, 手機號×15, ...
脫敏規則
| 型別 | 規則 key | 匹配內容 | 示例 |
|---|---|---|---|
| 標籤類（保留字首） | name |
姓名/患者/醫生 | 姓名：張三 → 姓名：** |
medical |
病歷號/住院號/門診號 | 病歷號：ABC123 → 病歷號：****** |
|
wechat |
微訊號 | 微信：abc12345 → 微信：******** |
|
qq |
QQ號 | QQ：123456789 → QQ：********* |
|
landline_label |
帶標籤的座機 | 電話：028-12345678 → 電話：************ |
|
school_label |
學校名稱標籤 | 學校名稱：電子科技大學 → 學校名稱：****** |
|
company_label |
單位/公司標籤 | 工作單位：XX公司 → 工作單位：**** |
|
hospital_label |
醫院標籤 | 就診醫院：XX醫院 → 就診醫院：**** |
|
address_label |
地址標籤 | 通訊地址：XX省XX市 → 通訊地址：****** |
|
| 整體替換 | phone |
手機號 | 13812345678 → *********** |
id_card |
身份證號 | 110101199001011234 → ****************** |
|
email |
郵箱 | test@qq.com → *********** |
|
landline |
裸座機號 | 028-12345678 → ************ |
|
url |
網址 | https://xx.com → ************* |
|
school |
學校名 | 電子科技大學 → ****** |
|
company |
公司名 | XX有限公司 → **** |
|
address_name |
省/市/區/縣/鎮/鄉/村 | 四川省 → *** |
|
address_road |
路/街/大道 | 青年路 → *** |
|
address_num |
號/棟/層/室 | 123號 → **** |
|
postcode |
郵編 | 610054 → ****** |
全部規則 key 為上述所有。--rules 傳入逗號分隔的子集即可只啟用指定規則。
指令碼 API
from scripts.desensitize import process_path, mask_text
# 處理檔案/目錄
process_path('input.docx', 'output.docx') # 全部規則
process_path('input.docx', 'output.docx', rules='phone') # 僅手機號
process_path('input_dir', 'output_dir') # 批次目錄（只輸出脫敏文件）
process_path('input_dir', 'output_dir', rules='phone,id_card')
process_path('input_dir', 'output_dir', move_original=True) # 剪下原始文件到「原始文件」子資料夾
process_path('input.docx', dry_run=True) # 預覽模式
# 純文本脫敏
mask_text('聯絡電話：13812345678') # 全部規則
mask_text('聯絡電話：13812345678', enabled_keys={'phone'}) # 僅手機號
注意事項
- 僅支援
.docx/.xlsx，不支援.doc/.xls/.ppt/.pptx（舊格式請先另存為 .docx/.xlsx） - 不支援加密/密碼保護的文件
- Excel 中身份證號如以數值儲存（顯示為科學記數法），無法脫敏，請在 Excel 中將該列設為"文本"格式後重新儲存
- 正則匹配可能有輕微過度脫敏，建議人工複核
- 脫敏覆蓋範圍：正文、頁首頁尾、批註、目錄域程式碼、超連結域程式碼、文本框中文字、修訂痕跡、文件屬性（作者/公司等後設資料）
- 嵌入式文件（OLE 物件）及超大檔案（>500MB）暫不支援
- 檔案被 Word/Excel 開啟時無法處理，請先關閉
- 星號數量等於原文長度（如"張三"→""，"13800138000"→"***"），保證排版不變
常見問題
- Windows 終端亂碼/崩潰：執行測試時加
-X utf8引數：python -X utf8 scripts/test_desensitize.py - 檔案被佔用：關閉 Word/Excel 後重試；如仍失敗，檢查檔案是否在共享目錄中被其他使用者開啟
- 舊格式 .doc/.xls：用 Word/Excel另存為 .docx/.xlsx，或用 LibreOffice 命令列批次轉換：
soffice --convert-to docx *.doc - 誤脫敏正常文本：用
--rules指定只啟用需要的規則型別，或用--dry-run先預覽再處理
自動化測試
驗證技能是否正常工作：
cd scripts && python test_desensitize.py
覆蓋 27 項測試：手機號/身份證/郵箱脫敏、XML 結構完整性、跨 run 斷裂、修訂模式、繪圖文字、域程式碼、docProps、遞迴資料夾、輸出目錄建立、覆蓋警告、dry-run、規則過濾、xlsx 單元格、科學記數法、加密檔案容錯、原檔案保護、目錄模式不復制非文件檔案、--move-original 剪下原始文件等。
🤖 AI 評測
這是一個專業實用的文件脫敏工具，能快速批次處理 Word 和 Excel 檔案中的敏感資訊，零依賴安裝簡單。支援的脫敏型別豐富，從手機號、身份證到姓名、地址都能處理，脫敏後用等長星號替換能保持原文件排版。測試覆蓋較全，功能穩定可靠。不足的是不支援舊版 Office 檔案和加密文件，偶爾可能誤脫敏正常文字。普通使用者需要通過命令列使用，操作有一定門檻。總體質量較好，適合需要處理批次文件脫敏的使用者。
