脱敏
怎么删除 PDF 里的身份证号、手机号等敏感信息?
要把一份含身份证号、手机号的文件发给别人时,真正的麻烦不是涂黑,而是确保它真的被删除。用绘图工具画一个黑框覆盖,内容其实还在文件里,一复制就暴露了。
画黑框不是删除,这是最重要的一点
绝大多数 PDF 阅读器都有「注释/绘图」工具,可以在页面上画一个不透明的黑色矩形盖住文字。看起来没问题,但文字层没有被修改——它还在,只是被遮住了。
结果是:用鼠标选中并复制那部分文字,粘贴到文本框里,身份证号会完整出现。搜索功能也能搜到。把文件上传到某些在线转换服务,服务器同样能读到。
真正的脱敏必须重新生成页面:把页面渲染成图像,把敏感区域用色块盖住,然后把新图像写回一个新的 PDF。原文字已经不存在于新文件中。
优页的脱敏是怎么做的
在预览界面上拖动框选要涂抹的区域,指定颜色(黑、红、蓝),可选填写标注原因,然后导出。导出时每一页会经过完整流程:
- 把该页渲染成高分辨率位图
- 在位图上用色块填充标记的区域
- 生成新图像并写回一个新 PDF
因为文字从未进入新文件,所以不可搜索、不可复制、不可恢复。代价是:页面被重新编码,文字层丢失(这正是脱敏的必然结果),文件体积也会变化。
批量查找:不用一页页手动框
逐页手动涂抹非常耗时。优页的脱敏工具内置了批量查找,输入一段文字或正则表达式,自动扫描全文并标记所有匹配位置。内置四个常用预设:
| 预设 | 匹配内容 |
|---|---|
| SSN | xxx-xx-xxxx 格式的社会安全号 |
| 电话 | 11 位手机号,以及 xxx-xxx-xxxx 格式 |
| 邮箱 | 标准电子邮箱地址 |
| 身份证 | 18 位身份证号(含末位 X) |
查找完成后会显示匹配数量和所在页码,并跳转到第一处匹配供你确认。建议标记后仍然逐个检查一遍——自动匹配可能因为文字被拆分或字体编码异常而漏掉,也可能把无关的相同数字误标。
扫描件无法用批量查找。扫描件本身没有文字层,要先用OCR 识别生成文字层,才能查找和涂抹。这个顺序不能颠倒。
水印与脱敏的区别
| 水印 | 脱敏 | |
|---|---|---|
| 内容是否被删除 | 否,只是叠加标识 | 是,重新生成页面 |
| 文字层保留 | 是 | 否(整个文件) |
| 适合 | 标记机密/草稿/版本 | 发给别人前去除真实信息 |
涂抹颜色怎么选
三种颜色各有用途:
- 黑色(默认)— 彻底遮蔽,最常用
- 红色 — 表示该部分已作废或需注意
- 蓝色 — 表示已脱敏但内容本身可讨论
还可以填写标注原因(如「涉及隐私」)并选择在涂抹区显示原因。这在内部送审时有价值:接收方能明白这块为什么被涂掉。注意原因文字本身也是可见信息,不要写敏感内容。
脱敏后的文件无法搜索文字
因为整个文件被重新编码为图像,所有页面的文字层都会丢失,包括你没涂抹的那些页。这是脱敏必然的代价。
如果你需要一份「对外脱敏版」和一份「内部完整版」,应该保留原始文件,用脱敏工具生成一个新的对外版本,而不是在原文件上操作。
常见误区
- 用绘图工具画黑框:这是最常见的错误,内容仍在文件里。必须用重新生成页面的脱敏工具。
- 以为涂抹了就能搜索不到:如果文字层还在,搜索依然能找到。脱敏工具通过重新生成页面解决这一点。
- 扫描件直接涂抹:没有文字层就没法批量查找,需要先 OCR。
- 涂抹后在原文件上继续操作:一旦涂抹就丢失文字层。保留原始文件以防需要完整版本。