文档自动抹除敏感信息

自动检测和标记文档敏感信息的Python程序，支持Word和PDF文档处理。

功能特点

• 自动检测文档中的敏感信息
• 支持多种文档格式 (PDF, DOC, DOCX)
• 自动将敏感区域涂黑处理
• 支持自定义敏感信息模式
• 完整的日志记录

安装说明

1. 克隆项目:

git clone https://github.com/Lingzilla/document-security-marker.git
cd document-security-marker

2. 安装 Miniconda (如果未安装):

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

3. 创建并激活conda环境:

3.1 可以通过以下命令一键创建环境：

conda env create -f environment.yml
conda activate doc_security

3.2 或者手动创建环境：

3.2.1 创建环境并激活:

conda create -n doc_security python=3.8
conda activate doc_security

3.2.2 安装依赖项:

conda install -c conda-forge python-docx pymupdf pypdf2 pillow
pip install -r requirements.txt  # 安装其他未在conda中的包

使用方法

处理PDF文档:

python main.py input.pdf output.pdf

处理Word文档:

python main.py input.docx output.docx

项目结构

document-security-marker/
├── src/
│   ├── main.py
│   └── document_processor/
│       ├── __init__.py
│       ├── word_handler.py
│       └── pdf_handler.py
├── requirements.txt
└── README.md

支持的敏感信息类型

• 身份证号码
• 电话号码
• 电子邮箱
• 银行卡号
• 其他自定义模式

依赖项

• Python 3.8+
• PyMuPDF
• python-docx
• PyPDF2
• 其他依赖见 requirements.txt