Python合同敏感信息识别与脱敏可基于正则+关键词匹配实现：精准定位身份证号、手机号、银行卡号等，按规则掩码处理（如身份证前6后4保留），结合jieba分词匹配姓名公司名，支持txt/docx/pdf多格式读取与结构化输出。

用Python自动识别合同文本中的敏感信息并生成脱敏文件，核心在于：精准定位敏感词（如身份证号、手机号、银行账号、公司名称、签约方姓名等），按规则替换或掩码处理，并保留原文结构输出新文件。不依赖复杂模型，正则+关键词匹配+基础NLP即可落地。

一、明确要识别的敏感信息类型和规则

先梳理合同中常见的敏感字段，每类定义清晰的识别方式和脱敏格式：

• 身份证号：15位或18位数字（含X/x），用正则 r'\b\d{15}|\d{17}[\dXx]\b' 匹配，脱敏为前6位+“****”+后4位
• 手机号：11位连续数字，开头为1，用 r'1[3-9]\d{9}' 匹配，脱敏为前3位+“****”+后4位
• 银行卡号：16–19位连续数字，常带空格或短横线，先清洗再匹配 r'\b\d{16,19}\b'，脱敏为前6位+“****”+后4位

• 姓名/公司名：需自建关键词表（如“甲方：XXX有限公司”），用字符串包含或jieba分词+词典匹配，脱敏为“甲方：某公司”或“张三”→“某先生”
• 金额、日期、地址：按需控制，例如金额大于100万标为“【大额金额】”，日期统一转为“【签约日期】”

二、读取与预处理合同文本

支持txt、docx（需python-docx）、pdf（需PyPDF2或pdfplumber）三种常见格式。推荐从txt起步，稳定易调试：

• txt文件直接 open(..., encoding='utf-8') 读取
• docx用 Document('xxx.docx').paragraphs 提取段落，拼接为字符串
• pdf优先用 pdfplumber（对表格/换行更友好），避免PyPDF2乱码；提取后做简单清洗：去多余空格、合并软回车
• 统一转为UTF-8字符串，记录原始段落位置（便于后续还原格式）

三、逐类匹配 + 安全替换（避免误伤）

关键原则：从长到短匹配、避开URL/代码块、保留原始标点。推荐用 re.sub() 配合回调函数，按优先级顺序处理：

Playground AI

AI图片生成和修图

99 查看详情

• 先处理身份证、银行卡等强规则字段（长度固定、格式唯一）
• 再处理手机号、邮箱（注意邮箱@前后不能断开）
• 最后处理人名/公司名：用 for name in sensitive_names: 循环替换，加边界符 r'(? 防止“北京”匹配到“北京市”里重复脱敏
• 每次替换记录日志：原内容 → 脱敏后 → 所在行号，方便审计

四、生成脱敏文件并验证效果

输出保持原格式可读性，不是简单覆盖，而是生成新文件（如contract_v1_anonymized.txt）：

• 纯文本：直接写入，每行末尾保留换行符
• docx：新建文档，遍历原文段落，对每段调用脱敏函数后写入新段落
• pdf不直接改源文件（技术限制），输出脱敏文本+标注报告（含所有替换项列表）
• 必做校验：打开脱敏后文件，搜索“身份证”“账号”等关键词，确认无残留；抽样检查是否出现“138****1234”被错切成“138****12”+“34”

基本上就这些。脚本不复杂但容易忽略上下文保护和格式还原——比如合同里的“附件一：XXX营业执照复印件（加盖公章）”，其中“XXX”要脱敏，“加盖公章”不能动。把规则列清楚、测试用例多跑几份真实合同，就能稳稳上线。

以上就是Python自动识别合同文本中的敏感信息并生成脱敏文件的脚本流程【教程】的详细内容，更多请关注其它相关文章！

# 如何将  # 双辽百度网站优化  # 在线seo宣传  # 安庆seo推广哪家强些  # 谷歌seo竞价价格  # 营口抖音seo企业推广  # 北京网站建设知名公司  # 绵阳网站建设工作内容  # 通化seo快排招商加盟  # 怎样加强企业网站建设  # 安徽关键词排名怎样做  # 源代码  # python  # 数据包  # 卡号  # 转换为  # 行号  # 公司名  # 自动识别  # 回调  # 关键词  # 邮箱  # pdf  # 回调函数 

相关栏目： 【 科技资讯46185 】 【 网络学院92790 】

相关推荐： 印象笔记如何设提醒任务防漏执行_印象笔记设提醒任务防漏执行【任务提醒】  2026春节假期时间安排 2026春节假日查询  深入理解Go语言中Map值与方法接收器的交互：为什么需要临时变量  Django模型中自动计算可用余额的实现方法  曝R星经典之作开发图 设计简陋但信息密集！  创客贴用户入口官网登录 创客贴网页版电脑版系统  Selenium Python中处理点击后新窗口加载冻结问题的策略与实践  蛙漫官方正版入口 蛙漫网页在线全集免费观看  Windows 11怎么彻底关闭定位_Windows 11服务中禁用Geolocation  MAC怎么让Dock栏只显示当前运行的应用_MAC终端命令实现极简Dock栏  响应式容器内容自动缩放与宽高比维持教程  解决macOS Tkinter应用双击启动崩溃：PyInstaller打包指南  蛙漫正版漫画平台入口_蛙漫免费阅读全站漫画资源  MongoDB聚合管道：正确匹配对象数组中_id的方法  Win11怎么开启省电模式_Win11电池节电模式自动开启  TypeScript/J*aScript：高效查找数组中首个唯一ID对象  深入理解J*aScript中的B样条曲线与节点向量生成  qq游戏大厅官方下载_qq游戏免费下载安装入口  php源码怎么看淘宝客系统_看php源码淘宝客系统技巧  Yandex官网免登录入口_俄罗斯Yandex搜索引擎一键访问  QQ邮箱在线使用入口 QQ邮箱个人账号网页版登录  优化MinIO list_objects_v2 操作的性能瓶颈与最佳实践  实现分段式页面滚动导航：CSS与J*aScript教程  如何在Promise链中优雅地中断后续then执行  “音游” × “怪文书” 题材的节奏冒险游戏 《晕晕电波症候群》确定于2026年4月发售！  在Pyomo中实现基于变量的条件约束：Big-M方法详解  NRF24L01数据传输深度解析：解决大载荷接收异常与分包策略  现代化 SciPy 一维插值：interp1d 的替代方案与最佳实践  Python多版本共存与虚拟环境管理深度指南  Go语言中Map值调用指针接收器方法的限制与应对  没有大陆身份证/银行卡如何实名微信？ 亲测有效的几种方法分享  向日葵客户端怎么进行远程CentOS控制_向日葵客户端远程CentOS控制操作教程  sublime怎么设置启动时打开的窗口_sublime会话管理与热退出  护手霜蹭到袖口上了如何清洗？ 怎样避免留下一圈油印？  Golang如何实现简单的Web表单_Golang表单提交与验证处理方法  Bing引擎入口最新2025 Bing搜索免费官方登录  电脑IP地址怎么查 查看本机IP地址的几种方法  TikTok网页版直接登录 TikTok网页端官方平台入口  Excel函数批量查找替换超快方法_Excel用REPLACE和FIND函数秒级替换  html网页设计源代码怎么运行_运行html网页设计源代码步骤【指南】  必由学官网入口 必由学教师登录入口  Composer如何解决json扩展缺失的错误  高德地图总提示网络异常怎么办 高德地图离线导航设置与网络排查方法  PS5 Pro有点优势但不多！ 《燕云十六声》PS5平台与PC性能画面对比  小米Civi 4录制视频过暗_小米Civi 4亮度优化  电脑安装程序提示“错误1722”怎么办_Windows Installer服务问题解决【教程】  58动漫网在线官方网 58动漫网正版动漫入口网址  DLsite中文平台入口 DLsite官网内容在线查看  俄罗斯方块最新版入口 俄罗斯方块在线玩官网入口  Win10如何清理注册表垃圾 Win10注册表维护与优化指南【慎用】