敏感内容扫描器

专业的敏感内容扫描器，支持 PII 检测（身份证/手机号/银行卡/邮箱/IP）、敏感词检测、置信度评分、多格式报告生成。适用于文档审查、安全审计、内容合规检查、隐私保护等场景。

🎯 一句话说明

帮您检查文档中是否有敏感内容（身份证、手机号、密码等）或违禁词。

👤 适用人群

办公室文员、行政人员、文档审核人员 —— 无需技术背景

---

🚀 三种傻瓜式用法

方式一：快速扫描（内置规则）

操作：

1. 附件：您的文档文件（如 .docx、.txt、.pdf）
2. 说："扫描"

示例：

用户：帮我扫描这份文档 [附件：年度报告.docx]

会检测：

• 🔒 身份证号
• 📱 手机号码
• 💳 银行卡号
• ✉️ 邮箱地址
• 🌐 IP 地址
• 🔑 密码/密钥等敏感词

---

方式二：自定义关键词扫描

操作：

1. 附件：您的文档文件
2. 说："扫描"，然后告诉我要检查的关键词

示例：

用户：扫描这份文档，检查这些词：密码、密钥、机密、内部 [附件：技术文档.docx]

支持的表达：

• "检查这些词：密码、密钥"
• "扫描并检查：机密、绝密"
• "用关键词 密码 密钥 机密 扫描"

---

方式三：使用数据字典文件扫描

操作：

1. 附件1：您的文档文件
2. 附件2：数据字典文件（CSV 格式）
3. 说："用数据字典扫描"

数据字典格式（CSV）：

关键词	权重分	类别
密码	10	技术敏感词
密钥	10	技术敏感词
机密	8	密级
内部	5	内部信息

示例：

用户：用数据字典扫描这份文档 [附件1：项目文档.docx] [附件2：敏感词字典.csv]

---

📋 扫描结果说明

扫描完成后，会生成 HTML 格式报告（浏览器直接打开查看）：

结果	含义	建议
✅ 安全（绿色）	未发现敏感内容	可以放心使用
⚠️ 低风险（浅绿）	发现轻微问题	可选处理或忽略
⚠️ 中风险（黄色）	发现少量敏感内容	建议人工复核
🚨 高风险（红色）	发现严重敏感内容	需要立即处理

报告特性：

• 📊 可视化仪表盘——统计卡片 + 风险指示条
• 🎨 精美排版——响应式设计，手机也能看
• 🔍 详情展开——每个文件的问题逐一列出
• 🏷️ 置信度标注——高/中/低三色区分

也可通过 -f markdown 输出 Markdown 格式。

---

🎨 数据字典模板

如果您需要自定义数据字典，可以下载这个模板：

文件名：敏感词字典模板.csv

内容格式：

csv

关键词,权重分,类别
密码,10,技术敏感词
密钥,10,技术敏感词
机密,8,密级
绝密,10,密级
内部,5,内部信息
公司名,5,商业信息

权重分说明：

• 10分：极高敏感度（如：密码、密钥）
• 5-9分：高敏感度（如：机密、内部）
• 1-4分：一般敏感度（如：内部资料）

---

📁 支持的文件格式

类型	格式	支持情况
Word 文档	.docx	✅ 完全支持
纯文本	.txt	✅ 完全支持
Markdown	.md	✅ 完全支持
Excel	.xlsx	✅ 完全支持
PDF	.pdf	⚠️ 文本型支持，扫描版不支持

---

❓ 常见问题

Q: 扫描需要多久？ A: 一般文档几秒钟，大文档（100页以上）可能需要1-2分钟。

Q: 我的文档会被保存吗？ A: 不会。扫描过程在本地完成，不会上传您的文档。

Q: 扫描结果保存在哪里？ A: 默认生成 report.html，浏览器直接打开即可查看精美报告。

Q: 可以输出其他格式吗？ A: 可以。-f html（默认，推荐）、-f markdown、-f json。

Q: 什么是权重分？ A: 权重分表示敏感词的严重程度。分数越高，越需要关注。

---

💡 提示

1. 定期扫描：重要文档发布前建议扫描
2. 关键词定制：根据公司要求设置检查的敏感词
3. 数据字典共享：可以创建公司统一的敏感词字典，大家一起用
4. 结果保存：扫描报告建议保存，方便后续查阅
5. 详细指南：查看 用户操作指南.md 获取更详细的使用说明

---

🔧 技术信息（可选了解）

扫描脚本：scripts/scan_sensitive.py

命令行参考（如有需要）：

bash

# 快速扫描
python3 scan_sensitive.py 文档.docx

# 自定义关键词
python3 scan_sensitive.py 文档.docx -k "密码" -k "密钥"

# 使用数据字典
python3 scan_sensitive.py 文档.docx --dict-csv 敏感词字典.csv

---

版本：3.1.2 更新日期：2026-04-21