bog5d Excel 脱敏管道
触发条件
- 用户发送加密 .xls/.xlsx 文件 + 密码
- 要求脱敏、去掉敏感信息、替换公司名/客户名、金额处理
- 文件需发给第三方但不能暴露原始数据
工具链
| 步骤 | 工具 | 作用 |
|---|---|---|
| 解密 | msoffcrypto.OfficeFile(f).load_key(password=...).decrypt(out) |
读加密文件 |
| 读取 | xlrd.open_workbook() (xls) 或 openpyxl.load_workbook() (xlsx) |
解析数据 |
| 脱敏 | Python 内存处理 | 替换实体名 + 扰动金额 |
| 写出 | openpyxl.Workbook() |
生成 xlsx |
| 加密 | msoffcrypto.OfficeFile(f).encrypt(password, outfile) |
回加密 |
脱敏规则
1. 实体名替换
- 公司名：维护固定映射表，主公司和子公司分别替换为 XX公司 / 子公司A / 子公司B
- 客户/供应商名：用 Python
dict做去重映射，首次出现的原名 → 客户1/供应商1，后续同原名用同一个编号 - 签署人：正则替换为张XX/李XX/王XX（替换法定代表人、主管会计工作负责人、会计机构负责人等）
2. 金额扰动
- 扰动因子
random.uniform(0.70, 1.30)，保留原始小数精度 - 关键排除项（这些不是金额，绝对不能扰动）：
- 年份：
2000 <= val <= 2099且是整数 - Excel 日期序列号：
30000 <= val <= 60000且是整数（如 46203.0 = 2026-06-30）——这是最常见的误扰动源 - 序号/小整数：
abs(val) <= 100且是整数
- 年份：
3. Sheet 名处理
Sheet 名如果含公司名也跟着替换。注意 openpyxl Sheet 名最长 31 字符。
输出规范
- 密码与原文件保持一致
- 不用样式继承（xlrd→openpyxl 格式跨库转换容易丢），简单输出：宋体/微软雅黑 10pt，冻结首行
- 自动列宽：中文算 2 宽度，上限 40
- 回复中必须附脱敏摘要：几个 Sheet、替换了几个客户名/供应商名
- 必须声明「金额已随机扰动，仅供脱敏展示，财务勾稽关系不平是正常的」
验证步骤
- 解密后跑一遍读取，确认所有 Sheet 可访问
- 脱敏后抽查关键 Sheet 的前 15 行，确认：
- 公司名已全部替换
- 客户名列已变成客户1/客户2...
- 日期序列号（如 46203.0）未被动
- 金额已变化且量级合理
- 加密后用密码验证可解密
陷阱
msoffcrypto.encrypt()签名是encrypt(password, outfile)，不是encrypt(outfile, password)xlrd2.x 不支持 xlsx，只能读 xls；读 xlsx 用openpyxlopenpyxl不支持密码写入，加密必须走msoffcrypto- Excel 日期序列号（46203.0 之类）在 xlrd 里读出来是 float，极易被当成金额误扰动
xlrd和openpyxl之间的格式不能跨库复制（前者读样式→后者写样式走不通），直接用 openpyxl 写新文件即可openpyxl写入的公式没有缓存值，但脱敏场景一般不涉及公式，直接用数据写入即可
参考脚本
完整脱敏脚本模板见 scripts/desensitize_template.py。