去除敏感内容（规则版·免费）
文本脱敏工具：识别并处理身份证号、手机号、银行卡号、邮箱、IP 地址、车牌号六大类敏感信息，另支持自定义敏感词库。全程本地运行，不上传任何数据。
快速使用
python3 scripts/sanitize.py input.txt # 打码（保头保尾）
python3 scripts/sanitize.py input.txt --mode replace # 替换为 [手机号] 等占位符
python3 scripts/sanitize.py input.txt --mode remove # 直接删除命中内容
python3 scripts/sanitize.py input.txt --words data/sensitive_words_example.txt
echo "联系方式13812345678" | python3 scripts/sanitize.py -
python3 scripts/sanitize.py input.txt --json # JSON 输出含命中明细
处理效果
| 原文 | mask 打码 | replace 占位 |
|---|---|---|
| 13812345678 | 138******78 | [手机号] |
| a@corp.com | a***@corp.com | [邮箱] |
| 110101199003077758 | 110*******58 | [身份证号] |
覆盖类型
身份证（18位含校验位格式）、手机号（含+86前缀）、银行卡（主流卡BIN）、邮箱、IPv4、车牌号（含新能源/挂学警港澳）。
自定义词库
--words 指向每行一个词的 txt 文件，# 为注释。命中后同样按所选模式处理。
语义级清洗（Pro 提示）
本工具做的是模式级脱敏（正则+词表）。如需语义级改写（保留语感的同时去除敏感指代、隐晦表达、上下文关联隐私），属于 LLM 深度清洗范畴，规则版无法覆盖——该能力将作为付费 Pro 版提供（按次付费，对话内直接调用）。
适用场景
- 发帖/发推/导出聊天记录前的隐私打码
- 客服工单、日志外发前的合规脱敏
- 公文/报告引用真实数据时的证件号隐藏
