如何对 PDF 做真正的脱敏

这篇适合你要处理合同、卷宗、报告、扫描 PDF、签署页或图片页 PDF。目标不是在页面上画个黑框，而是导出一个不再暴露敏感信息的副本。

第一步：导入 PDF，并确认它是哪种 PDF

在首页添加 PDF 文件。如果是加密 PDF，先输入正确密码；如果是扫描件或图片页 PDF，后面要重点检查图像里的文字、印章、人脸和二维码。

PDF 常见有三种：

• 可复制文字的 PDF：重点检查文本层。
• 扫描 PDF：重点检查图片像素和 OCR 识别结果。
• 混合 PDF：既有文本层，也有图片、签章、截图或附件。

不要只看页面能不能显示。能显示不代表底层内容已经安全。

第二步：选择要识别的类别

常见 PDF 外发前建议选：

• 姓名、电话号码、邮箱、地址
• 身份证号、出入境证件号
• 单位名称、统一社会信用代码
• 司法案号、发文字号
• 金融账户及卡号、金额、日期
• 印章、人脸、二维码

如果是合同或法律文书，单位名称、地址、案号、签署页通常比正文更容易漏。

第三步：审阅命中项，不要直接导出

识别完成后，先进入审阅页看右侧命中项。点击命中项可以定位到页面位置。

重点看：

• 同一家公司是否被识别成多个不同名称。
• 页眉页脚是否有客户名、案号或编号。
• 表格、签署页、附件页有没有遗漏。
• 扫描页里的印章、人脸、二维码是否命中。

如果发现公开法规名、公开机构名被误识别，可以移除标注；如果发现漏项，手动补标。

第四步：用搜索查原始关键词

导出前，用搜索查几个你最担心泄露的词。

建议搜索：

• 当事人姓名
• 手机号后四位
• 客户简称
• 项目编号
• 案号或合同编号
• 邮箱域名

如果搜索结果里还有未处理内容，先补标再导出。

第五步：打开脱敏预览

切换到脱敏预览，看导出效果是不是符合预期。

检查这几件事：

1. 遮挡或代号位置没有偏移。
2. 文字层和图片里的敏感内容都处理了。
3. 同一个实体的代号保持一致。
4. 文件仍然能正常阅读。
5. 页眉页脚、签署页、附件页没有漏。

扫描 PDF 尤其要多翻几页，因为低清、倾斜、印章遮挡会影响识别。

第六步：导出后再验一遍

根据用途选择导出方式：需要保留页面观感时导出脱敏 PDF；只需交给 AI 分析时，可优先导出更轻量的脱敏 Markdown；扫描 PDF 体积较大且需要继续编辑时，可导出更紧凑、可编辑的脱敏 Word（DOCX），并保留整理后的文字段落和表格结构。

导出脱敏副本后，不要马上发送。打开导出文件后再做一次快速检查：

• 搜索原始姓名、手机号、公司名。
• 尝试复制被处理位置附近的文本。
• 用另一个 PDF 阅读器打开看一遍。
• 随机翻看签署页、表格页、图片页。

如果这些检查都通过，再发送脱敏副本。不要把原始 PDF 当成处理结果发出去。