Moyupeng0422 Legal Doc Redactor Legal Doc Redactor

法律文件脱敏处理

将法律文档中的敏感信息进行智能替换和脱敏处理，生成可对外分享的脱敏版本。支持将脱敏稿交由外部审核后，使用比对词还原为原文。

核心功能

脱敏功能

• 多种脱敏类型：名称、日期、价格、文件名、项目名、银行账号、案号等
• 自定义脱敏类型：创建自定义类型（如"合同名称"、"产品型号"），批量输入精准匹配内容
• 批量模式：多文件上传自动进入批量模式，统一编号确保跨文件一致性
• 规则设置：可自主开启/关闭16种内置脱敏类别，灵活控制识别范围
• 智能替换：根据上下文识别角色（买方/卖方公司）
• 实时预览：黄色高亮显示脱敏内容
• 格式保留：完整保留原文格式（段落、表格、字体）
• 白名单/黑名单管理：精确控制特定内容的脱敏行为；黑名单支持记录项目类型
• 优先级机制：黑名单 > 白名单 > 脱敏类别（内置+自定义）
• 冲突检测：添加到列表时自动检测是否已存在于其他列表
• 调试模式：详细日志输出，便于排查问题

还原功能

• 自动化还原：根据比对词自动将【X】标记还原为原文
• 批量还原：支持多文件同时还原，自动匹配文件配对，ZIP打包下载
• 保留审核痕迹：还原时保留文档中的修订、批注等审核痕迹
• runs级别替换：精确替换，不影响其他内容的格式

使用方式

HTML离线工具（推荐）

脱敏模式

单文件脱敏：

1. 打开 assets/index.html，选择"脱敏模式"
2. 拖拽或选择单个 docx 文件上传
3. 自动识别并预览脱敏效果
4. 手动编辑脱敏项
5. 导出脱敏文件和比对.md文档

批量脱敏：

1. 上传多个 docx 文件，自动进入批量模式
2. 统一识别：相同内容使用相同替换文本
3. 文件切换：通过列表栏切换查看各文件
4. 同步编辑：删除/添加脱敏项会同步到所有文件
5. 导出结果：每个文件生成独立的 {文件名}_比对.md

还原模式

单文件还原：

1. 打开 assets/index.html，选择"还原模式"
2. 上传脱敏稿（带审核痕迹的docx）
3. 上传对应的比对.md文件
4. 点击"执行还原"，自动下载还原后的文件

批量还原（4步流程）：

1. 上传文件：上传多个脱敏稿 + 多个比对.md文件
2. 确认配对：系统自动匹配文件名，支持手动调整
3. 执行还原：批量处理，显示进度条
4. 下载结果：ZIP打包下载

Python脚本

# 安装依赖
pip install python-docx

# 执行脱敏
python scripts/redact.py input.docx data/rules.json -o output.docx

# 执行还原（保留修订、批注）
python scripts/restore.py redacted.docx mapping.md -o restored.docx

详细文档

• 工作流程: references/workflow.md
• 规则模式库: references/patterns.md
• 数据格式: references/data-formats.md
• 脚本使用: scripts/README.md
• HTML使用: assets/README.md

版本历史

• v1.5.0（2026-03-29）右键菜单集成 + Python/HTML识别统一：

  • Windows 右键菜单：右键 .docx 文件可直接"用脱敏工具打开"、"一键脱敏"或"一键还原"，通过注册表集成，无需管理员权限
  • macOS 右键菜单：通过 Automator Quick Action 实现，Finder 快速操作中调用 Python 脚本
  • 一键还原：自动查找比对文件（_比对.md/_mapping.md），复刻 HTML restoreSingleFile() 还原逻辑，每次替换后重建 runInfo
  • 识别逻辑统一：Python 一键脱敏与 HTML 应用识别结果完全一致（基于 original 去重/子串判断）
  • organization 边界检查：防止"2025年上海XX有限公司"中年份后公司名被误识别
  • 安装脚本优化：Windows bat 使用 GBK 编码，修复路径引号嵌套和 %%1 延迟展开

• v1.4.0（2026-03-11）批量模式优化：

  • 独立比对文件：批量导出时每个文件生成独立的 {文件名}_比对.md，存放在 比对文件/ 文件夹中
  • 批量模式一致性：相同内容在不同文件中使用相同替换文本

• v1.3.1（2026-03-02）规则开关控制：

  • 新增"规则设置"功能：可自主开启/关闭内置脱敏类别
  • 16种内置类别可独立控制
  • 代码类分组联动：4个代码子类任一启用，"代码"按钮就可用
  • 设置持久化保存，刷新页面后保持
  • 类型选择器联动：禁用的类别在手动添加时变灰不可选

• v1.3.0（2026-02-28）导入导出词库：

  • 导入敏感词库：从Excel批量导入（格式：敏感词 | 类型），自动识别内置类型和自定义类型
  • 导入白名单：从Excel批量导入（格式：内容），支持预览和冲突检测
  • 导入弹窗整合：敏感词库和白名单通过标签页切换
  • 导出白名单：导出为Excel文件，文件名包含日期（如：白名单_2026-02-28.xlsx）
  • 导出敏感词库：导出黑名单+自定义类型为Excel，类型显示中文，文件名包含日期
  • 界面优化：移除重置按钮，简化界面
  • 示例词库更新：覆盖全部16种系统默认识别类型

• v1.2.0（2026-02-13）优先级机制与自定义类型：

  • 自定义脱敏类型：创建/编辑/删除自定义类型（如"合同名称"、"产品型号"），批量输入精准匹配内容
  • 优先级机制：黑名单（最高）> 白名单 > 脱敏类别（内置+自定义）
  • 白名单覆盖检查：白名单中的内容会阻止包含该内容的脱敏识别（如白名单有"计划"，则"股权激励计划"不被识别）
  • 黑名单优先：黑名单强制脱敏，不受白名单限制
  • 冲突检测机制：添加到列表时自动检测是否已存在于其他列表，显示冲突提示
  • 防冲突机制：删除脱敏项时检查来源，黑名单/自定义类型内容需手动删除后才能加入白名单

• v1.1.0（2026-02-07）黑名单增强：

  • 黑名单数据结构升级：从字符串数组升级为对象数组 { original, type }
  • 黑名单类型记录：添加黑名单时一并记录项目类型
  • 智能脱敏：黑名单自动脱敏时使用记录的类型（如【人名1】、【日期1】），而非统一显示【敏感信息】
  • 类型标签显示：黑名单界面显示原文和对应的类型标签
  • 兼容性：自动兼容旧版黑名单数据（字符串格式）

• v1.0.0（2026-02-06）初始版本：

  • 脱敏功能：支持名称、日期、价格、文件名、项目名、银行账号、案号等多种脱敏类型；根据上下文智能识别角色（买方/卖方公司）；黄色高亮实时预览脱敏效果；完整保留原文格式（段落、表格、字体）
  • 白名单/黑名单管理：精确控制特定内容的脱敏行为；黑名单支持记录项目类型，自动使用对应类型进行脱敏；localStorage持久化存储；跨文件共享设置
  • 调试模式：详细日志输出；调试面板实时显示；日志导出功能
  • 还原功能：根据比对.md自动将【X】标记还原为原文；还原时保留文档中的修订、批注等审核痕迹；runs级别精确替换
  • 导出功能：导出保留原格式的脱敏docx文件；导出替换比对.md（用于还原）；导出调试日志文件
  • 文件上传：支持拖拽上传脱敏稿docx和比对.md文件；比对.md文件名自动使用docx文件名前缀
  • 规则库：内置默认脱敏规则，支持自定义规则；支持上下文敏感替换（合同方识别、金额类型识别）

Source: moyupeng0422/legal-doc-redactor — distributed by TomeVault.