发给 AI 前先脱敏：用本地 Python 处理文本里的手机号和邮箱

本篇目录 6 节

一、先判断是否需要上传
二、准备独立测试目录
三、创建本地替换脚本
四、执行与验收
五、这份脚本覆盖不了什么
六、常见问题与排错

AI 文档脱敏可以减少不必要的个人信息流出，但不能靠一句“请保护隐私”完成。本文先讲如何缩小输入范围，再提供一个只在本机处理 TXT 的 Python 示例。脚本识别部分常见中国大陆手机号和邮箱格式，不处理身份证、姓名、地址、图片和 Office 隐藏内容，因此不能把输出称为完全匿名化文件。

一、先判断是否需要上传

很多任务只需要字段结构或少量样本。例如请 AI 帮你写清洗脚本，可以提供虚构的五行数据，不需要整个客户表。先删掉与任务无关的列，通常比把敏感列打星号更稳妥。

如果文件受组织保密要求限制，先使用组织批准的处理环境。本地模型也需要管理账号权限、日志和备份；“本地运行”不意味着任何文件都适合随意放进去。

二、准备独立测试目录

安装 Python 后建立一个空目录，放入 sample.txt 和 redact.py。先用下面的虚构示例测试，不要拿真实通讯录验证脚本。

以下为虚构测试记录，不对应真实业务联系人。
联系邮箱：demo@example.com
测试号码：13800000000
请确认样本字段，不包含真实姓名或地址。

运行前保留原始资料只读副本。不要在文件夹上直接执行批量覆盖，先检查一个输出文件。

三、创建本地替换脚本

from pathlib import Path
import re

source = Path("sample.txt")
target = Path("sample.redacted.txt")
if target.exists():
    raise SystemExit("Output exists; rename it before another run.")
text = source.read_text(encoding="utf-8-sig")
patterns = [
    ("EMAIL", re.compile(r"[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}")),
    ("PHONE", re.compile(r"(?<!\d)(?:\+86[- ]?)?1[3-9]\d{9}(?!\d)")),
]
counts = {}
for label, pattern in patterns:
    text, count = pattern.subn(f"[{label}]", text)
    counts[label] = count
target.write_text(text, encoding="utf-8")
print("Replacement counts:", counts)
print("Output:", target)

此脚本使用 Python 标准库，不调用网络，也不把原始值打印到日志。所有同类字段使用同一个占位符，因此适合做结构示例；如果任务需要区分联系人，应该另设计稳定编号，但编号映射必须单独保护。

四、执行与验收

在脚本目录的 PowerShell 运行：

py redact.py

示例应该显示 EMAIL 和 PHONE 各替换 1 次。打开 sample.redacted.txt，应看到 [EMAIL] 和 [PHONE]，原文件保持不变。再次运行时，脚本会拒绝覆盖输出，这是为了避免把上一版检查结果悄悄改掉。

不要只看替换次数。逐段阅读输出，检查“某学校唯一的财务负责人”这样的上下文是否仍能识别人。必要时把机构、职位、日期和金额区间一起泛化，或干脆用虚构样本替代。

五、这份脚本覆盖不了什么

情况	风险	处理方式
带空格或特殊写法的号码	正则可能漏检	人工抽查，增加测试样本
PDF 图片、截图	没有直接处理	先核对 OCR 或使用专门打码工具
Word 修订与批注	TXT 示例不涵盖	使用合规流程清除隐藏内容并复核
地址与姓名	没有自动识别	按任务需要人工替换或删除

用矩形盖住文字也不一定真正删除 PDF 底层内容。导出后尝试选中、搜索和复制相关文字，确认敏感内容没有继续留在文件里。

六、常见问题与排错

替换后还要人工检查吗？

要。正则只覆盖预先定义的形式，无法理解全部个人信息和业务背景。

同一个人都变成 PHONE，会不会影响分析？

会。如果要分析重复联系人，应使用稳定的本地编号，并保护映射表；不要为了保留关联而直接上传原始号码。

编码错误怎么办？

先确认源文件是 UTF-8。不要用忽略解码错误的方式悄悄丢字符；转换副本后重新验证数量和内容。

接着可用表格清洗方法处理演示数据，或部署本地文档知识库。正则能力和文件读取接口见 Python re与pathlib 官方文档。