文本清洗脱敏

要把一批客服对话记录发给外部标注团队，里面夹着用户的手机号、订单号和身份证。人工一条条删不现实——几千行，而且漏一条就是事故。

「文本清洗脱敏」工具页初始界面：清洗与脱敏设置 / 清洗（结构） / 去除每行首尾空格 / 删除空行 / 删除重复行 / 脱敏（内容） / 手机号 / 邮箱 / 身份证号；页头标签「浏览器本地执行 · 免费」

打开「文本清洗脱敏」看到的初始界面。在浏览器本地完成、数据不离开浏览器，免费。

两件事，顺序不能反

工具做的是两步，先清洗结构，再遮蔽内容：

第一步·清洗——去掉首尾空格、删除空行、可选去重复行。这一步看着琐碎，但它决定了第二步的准确率：一个手机号如果被莫名其妙的空格拆成两段，正则就匹配不到了。

第二步·脱敏——按类型识别并遮蔽：姓名、手机号、邮箱、身份证、银行卡。

姓名是最不可靠的一项，因为中文姓名没有格式特征——「李明」和「李明」作为普通词组无法从字面区分。它靠的是姓氏表加上下文推断，必然有漏有误伤。

所以：脱敏之后必须抽查，尤其是姓名。别把「跑完工具」当成「处理完了」。

去除重复行默认是关的，因为重复行在日志里往往有意义（同一个错误出现 50 次是重要信息）。只有在处理名单类数据时才开。

脱敏姓名如果误伤严重（比如文本里大量出现产品名被当成人名），可以关掉它单独处理。

这个工具在你自己的浏览器里跑，文本不会上传服务器。这一点对脱敏工具尤其重要——如果为了脱敏而先把原始数据上传到某个服务器，本身就与目的相悖。

也因此，超大文件（几十 MB 的日志）可能会卡，浏览器内存有限。这种情况分批处理。

一个需要说清的边界：把手机号遮成 138****5678 之后，数据仍可能被还原身份——如果同一条记录里还有城市、职业、购买记录等信息，组合起来足以定位到具体的人。

真正的匿名化需要考虑这类关联风险，不是遮几个字段就完事。涉及合规要求时，脱敏只是第一步。