怕信息泄露?手搓一个文档脱敏工具

在给老师们做 AI 培训中，很多老师都非常关心一个问题，那就是数据安全。保险起见，在将文档发给 AI 之前，我们需要对里面的姓名等信息做脱敏处理。

今天我们就来手搓一个文档脱敏工具，以此为切入点，聊一聊以单 HTML为载体的初级 VibeCoding 到底怎么做。

一份文档里要处理的东西大致分两类。

一类是号码，手机号、身份证号、邮箱、固定电话、银行卡、QQ 和微信号。这些有固定格式，好认。

另一类是要判断的，姓名和单位名。

同样是“张伟”，出现在“指导教师：张伟”里是老师，出现在“小组成员：张伟”里是学生，出现在“参考文献”里则根本不该动。工具会给每一条识别结果标一个置信度，分高、中、低三档，默认只勾高置信的，低的先摆着提醒你。识别的开关也可以逐个关掉，只处理手机号、邮箱这类硬信息，把姓名留着人工判断，都是可以的。

它对 Word 文档的处理范围比正文宽得多。除了正文和表格，页眉、页脚、脚注、尾注、批注内容、批注和修订的作者、文档属性里的作者字段，以及文件名，都会被翻一遍。所以导出之后再打开，页眉上的校名不见了，批注里的署名也换了。

识别结果不会直接替换掉。它会先摆出来让你核对。每一条都能改匿名名、改身份类型、取消勾选，能按关键词筛，鼠标停在上面能看这个词在原文里的上下文。数量多的时候按类型分组，教师一组、学生一组、号码一组。识别漏了的，可以手动加一条“原文 → 替换名”。

核对完点生成，会得到两个东西。一份脱敏后的文档，一张“脱敏—原始”对应表。对应表存在浏览器本地，也能导出成 CSV、Word 表格或 JSON。这张表就是还原钥匙，把脱敏文件和对应表一起导进“复原”页，匿名名会全部还原，连文件名里的也一起还原。

工具支持一次拖进多个文件批量处理。跨文件重复出现的姓名会被自动提升置信度，一份名单分散在几个文件里也能对上。

这个工具大概两千多行，纯前端，没有任何外部依赖。听着不小，但真正花时间的地方在反复调识别规则上，代码本身写得并不慢。

写这类东西，用Trae、WorkBuddy 的代码模式或者 Codex这类编程智能体，会比用一般大模型的对话框顺手得多，原因有三个。

可能很多人对一个网页能干什么的印象，还停留在浏览和展示上。实际上一个不联网的 HTML 文件，已经能完成相当完整的“小工具”功能。

它能读文件，拖进来就能解析，Word、表格、JSON、纯文本都行；能在本地做加工，解析、匹配、替换、计算、统计；能生成文件并下载，文本、表格、图文，甚至打包成压缩包；能记住状态，关掉浏览器再打开，之前的设置还在；最重要的是能离线运行，数据一步都不离开本机。

这几点加起来，日常工作中那些重复、有规则、还带一点隐私的活，基本都能装进去。

不适合的也很明确。需要联网取数据、需要多人协作、数据量大到浏览器扛不住，或者要长期保存大量历史记录的，就不能指望一个 HTML 文件了。

照这个边界去想，能做的工具其实不少。

成绩出来要把分数表做成分析报告，或者按班级拆成几十个文件分别发给班主任，可以做；一份名单要随机分成小组、还要保证各组人数均衡，可以做；排值班表、排监考表，让程序按规则自动轮转并检查冲突，可以做；教案交上来要检查格式是否齐全、标点是否规范，可以做；试卷的双向细目表要统计各知识点、各能力层级的题量和分值，可以做；一批问卷数据要清洗、去重、算交叉表，可以做；几十张活动照片要统一压缩、加校徽水印再打包，也可以做。

还有一个经常被忽略的用法，把工具本身用 Ctrl+S 存到 U 盘或者共享盘，谁需要谁打开用，不用装环境，不用配权限。做一次，全组人受益。

AI 时代，人人都是产品经理。很多人没有代码基础，把这件事想得很难，觉得前端、后端、数据库、部署这些词自己一个都不懂。

实际上，你只需要跟 AI 说明自己的想法。上面这个工具，从头到尾没有配过任何环境，也没有写过一行后端代码，所有的判断都发生在“我要它帮我把这个麻烦事解决掉”这一句话上。

做得多了，自然就有经验了。第一次只敢做单 HTML 小工具，但以后，你就能自己判断某个功能该不该加、加了会不会拖慢速度，还可以联动python，开发前后端，增加数据库。“做中学”这四个字，在 VibeCoding 里体现得淋漓尽致。

各位，开干吧！

既然看到这里了，如果觉得有用，随手点个赞、在看、转发三连吧。

THANKS FOR READING