纯前端 · 离线 · 全格式数据脱敏与还原工具（V2） Pure-frontend, offline, all-format data masking & restoration tool (V2)
中文 | English
数据脱敏 数据安全 隐私保护 PII GDPR 合规 离线工具 Excel脱敏 Word脱敏 PDF脱敏 OCR 令牌化 AES加密 可逆脱敏 批量处理 全局字典 同值同码 前端 单文件 中文
本工具是一个单文件、纯前端、离线可用的数据脱敏与还原工具。无需联网、无需上传服务器，所有计算都在你本机浏览器内完成（Chrome / Edge）。适用于在向第三方、合作方、公开渠道分享数据前，对个人隐私与商业敏感信息进行脱敏，并在授权范围内还原。
- 全格式覆盖：Excel / CSV / Word / PowerPoint / PDF / 图片 / ZIP（含嵌套）/ 旧版
.xls（经 SheetJS）/ 旧版.doc（提示另存为 docx） - 脱敏 + 还原（双向）：
- 结构化文档（表格、Word、PPT、ZIP 内文档）支持令牌化 / AES / 洗牌 / 数值取整等可逆脱敏与一致还原；
- PDF / 图片支持两种模式：
- 「遮挡式（不可逆）」—— 直接对版面像素/矢量做黑块遮挡，符合 PDF/图片的物理特性；
- 「转为 Word 脱敏（可逆）」—— 先用本地 PDF 文本引擎 / OCR 抽取文字与表单字段，自动令牌化后生成最小
.docx，令牌进入全局字典，可凭字典还原原文。
- 13 类敏感识别：姓名、机构、身份证、信用代码、手机、固话、银行卡、邮箱、金额、日期、地址、网址、文书编号
- 多种方法：令牌化 / 掩码 / 哈希 / 泛化 / AES-GCM 加密 / 随机洗牌 / 数值取整（可逆带加密余项列）/ 删除列
- 全局字典（同值同码）：跨文件、跨列同一明文映射同一令牌，保证关联一致与一致还原；支持口令保护导出（AES 加密字典文件）
- 彻底离线：PDF 文本引擎（pdf.js）、图片 OCR（tesseract.js + 本地 wasm + OCR 中文/英文识别语言包）均已本地化打包于
libs/，并内建 CDN 回退；完全断网亦可运行 - 批量处理：支持文件夹拖拽（含递归遍历）与多文件拖拽，按默认策略批量脱敏，实时进度条与日志，结果汇总为 ZIP
| 格式 | 脱敏 | 还原 |
|---|---|---|
| CSV / Excel（含 .xls） | 支持 | 支持 |
| Word / PowerPoint（含 PDF 表单字段） | 支持 | 支持 |
| ZIP（含嵌套） | 支持 | 支持（递归） |
| PDF / 图片 · 遮挡式 | 支持 | 不支持（不可逆） |
| PDF / 图片 · 转 Word 模式 | 支持 | 支持（凭全局字典） |
说明：PDF / 图片「转 Word」模式会损失原有排版（仅保留抽取出的文字/字段与令牌），但可完整还原原文；遮挡式则保留版面、不可逆。两种模式在文档上传卡中通过下拉切换。
通用脱敏工具/
├─ InfoCloak_V2.html # 主程序（双击用 Chrome/Edge 打开）
├─ README.md # 本文件（根目录）
├─ libs/ # 本地化依赖（实现彻底离线）
│ ├─ xlsx.full.min.js # 表格读写（含旧版 .xls）
│ ├─ jszip.min.js # ZIP 读写
│ ├─ pdf-lib.min.js # PDF 重绘遮挡
│ ├─ pdfjs/ # 本地 pdf.js（PDF 文本抽取）
│ │ ├─ pdf.min.js
│ │ └─ pdf.worker.min.js
│ └─ tesseract/ # 本地 tesseract.js（图片 OCR）
│ ├─ tesseract.min.js
│ ├─ worker.min.js
│ ├─ tesseract-core.wasm.js # 自包含核心（已内联 wasm，离线即用）
│ └─ tessdata/ # OCR 识别语言包（中文 chi_sim / 英文 eng）
│ ├─ chi_sim.traineddata.gz
│ └─ eng.traineddata.gz
├─ files/ # 离线文档（深色模式随主界面同步）
│ ├─ User_Guide.html
│ └─ Tech_Docs.html
└─ elders/ # 历史版本（V1 等）
- 用 Chrome / Edge 打开
InfoCloak_V2.html（双击即可）。 - 左侧菜单选择功能：① 表格脱敏 ② 文档脱敏 ③ 还原 ④ 全局字典。
- 上传文件 → 选择方法（PDF/图片可在文档卡切换「遮挡式 / 转 Word」）→ 生成 → 下载脱敏产物。
- 批量：把整个文件夹拖入「批量处理」区，或点击选择文件夹，开始后即按默认策略脱敏并汇总为 ZIP，实时显示进度。
- 需还原时，到「③ 还原」上传脱敏文件 + 主字典（加密字典需先输入口令导入）。
- 全局字典保证「同值同码」，跨文件/跨列一致，是还原的唯一依据。
- 导出时可设置口令：字典经 AES-GCM（PBKDF2 派生密钥，150000 迭代）加密后保存为
.json包（含salt/iv/ct）。 - 导入加密字典时需输入正确口令；口令从不写入字典文件，仅用于本次会话派生密钥。
- 主字典含全部明文映射，是最高敏感资产，务必本地独掌、严禁随脱敏文件外发。
| 方法 | 可逆 | 还原所需 |
|---|---|---|
| 令牌化 | 是 | 主字典 |
| AES 加密 | 是 | 主字典 + 口令 |
| 随机洗牌 | 是 | 主字典（按值映射） |
| 数值取整·可逆 | 是 | 主字典 + 口令 |
| 掩码 / 哈希 / 泛化 / 删除 / 遮挡 | 否 | — |
字典不会自动保存！ 脱敏完成后字典仅存于浏览器内存，关闭页面即丢失。必须手动去「④ 全局字典」下载。
| 脱敏时使用的方法 | 去④下载哪个 |
|---|---|
| 仅令牌化 / 随机洗牌 | 下载 主字典.json（明文） |
| AES 加密 / 数值取整·可逆 | 下载 加密主字典.json + 填写口令 |
| 掩码 / 哈希 / 泛化 / 删除 | 不需要（不可逆，无法还原） |
还原时对应关系：下载的是 主字典.json → 上传它 + 口令留空；下载的是 主字典_加密.json → 上传它 + 填写当时设的口令。
- 数据全程不出本机，无网络上传（libs 本地化后断网亦可运行）。
- 加密口令仅用于本次会话派生密钥，不写入字典文件。
- 主字典含全部明文映射，是最高敏感资产，务必本地独掌、严禁随脱敏文件外发。
- 本工具仅供信息整理与学习，不保证数据完全安全，请注意备份源文件。
- PDF / 图片「转 Word」模式依赖文本抽取，扫描件脱敏质量取决于 OCR 识别率；复杂排版会简化为纯文字。
- 旧版
.doc无法直接解析，请先在 Word/WPS 中另存为.docx。 - 遮挡式 PDF/图片不可逆，请确认无需还原后再使用。
MIT —— 可自由使用、修改与再分发，请保留原创作者信息。
原创作者：SuperLaos ｜ 公众号：技术宅SuperLaos
A single-file, pure-frontend, offline data masking and restoration tool. No server, no network upload — all computation runs locally in your browser (Chrome / Edge). Use it to mask personal and commercially sensitive information before sharing data with third parties, and to restore it within authorized scope.
- All-format coverage: Excel / CSV / Word / PowerPoint / PDF / Images / ZIP (nested) / legacy
.xls(via SheetJS) / legacy.doc(prompt to re-save as docx) - Mask & Restore (both directions):
- Structured documents (tables, Word, PPT, in-ZIP docs) support reversible masking (tokenization / AES / shuffle / rounding) with consistent restoration.
- PDF / Images support two modes:
- Redaction (irreversible) — black-out pixels/vectors directly, matching the physical nature of PDF/images.
- Convert to Word (reversible) — extract text and form fields via a local PDF engine / OCR, auto-tokenize, then emit a minimal
.docx. Tokens enter the global dictionary, so the original text can be restored with the dictionary.
- 13 sensitive categories: name, org, ID card, credit code, mobile, landline, bank card, email, money, date, address, URL, document no.
- Multiple methods: tokenization / masking / hashing / generalization / AES-GCM encryption / shuffle / numeric rounding (reversible with encrypted remainder column) / column drop
- Global dictionary (same-value-same-code): one plaintext maps to one token across files and columns; supports passphrase-protected export (AES-encrypted dictionary file)
- Fully offline: PDF text engine (pdf.js) and image OCR (tesseract.js + local wasm + zh/en language packs) are bundled under
libs/, with built-in CDN fallback — runs with no network at all - Batch processing: folder drag-and-drop (recursive) and multi-file drop, default-strategy masking, live progress bar + log, results zipped
| Format | Mask | Restore |
|---|---|---|
| CSV / Excel (incl. .xls) | Yes | Yes |
| Word / PowerPoint (incl. PDF form fields) | Yes | Yes |
| ZIP (nested) | Yes | Yes (recursive) |
| PDF / Images · Redaction | Yes | No (irreversible) |
| PDF / Images · To-Word mode | Yes | Yes (via global dictionary) |
- Open
InfoCloak_V2.htmlwith Chrome / Edge (double-click). - Pick a function from the left menu: ① Table ② Document ③ Restore ④ Global Dictionary.
- Upload file → choose method (for PDF/images, switch Redaction / To-Word in the document card) → generate → download masked output.
- Batch: drop a whole folder into the Batch area (or pick a folder); masking runs with the default strategy and results are zipped, with live progress.
- To restore, go to ③ Restore, upload the masked file + master dictionary (encrypted dictionaries need the passphrase first).
- The global dictionary guarantees same-value-same-code across files/columns and is the sole basis for restoration.
- On export you may set a passphrase: the dictionary is AES-GCM encrypted (PBKDF2 key derivation, 150,000 iterations) and saved as a
.jsonpackage (salt/iv/ct). - Importing an encrypted dictionary requires the correct passphrase; the passphrase is never written to the dictionary file.
- The master dictionary contains all plaintext mappings and is the highest-sensitivity asset — keep it local and never distribute it with masked files.
| Method | Reversible | Needs |
|---|---|---|
| Tokenization | Yes | Master dictionary |
| AES encryption | Yes | Dictionary + passphrase |
| Shuffle | Yes | Dictionary (value-map) |
| Reversible rounding | Yes | Dictionary + passphrase |
| Mask / Hash / Generalize / Drop / Redaction | No | — |
- Data never leaves your machine; no network upload (works fully offline once
libs/is localized). - The passphrase is used only to derive the key for the session and is never written to the dictionary file.
- The master dictionary contains all plaintext mappings and is the highest-sensitivity asset — keep it local and never distribute it with masked files.
- Provided for information organizing and learning; not guaranteed fully safe — back up your source files.
- The PDF/Image "To-Word" mode relies on text extraction; scan quality depends on OCR accuracy, and complex layouts are simplified to plain text.
- Legacy
.doccannot be parsed directly — re-save as.docxin Word/WPS first. - Redaction mode for PDF/images is irreversible; confirm you don't need restoration before using it.
MIT — free to use, modify, and redistribute; please retain the original author attribution.
Author: SuperLaos ｜ WeChat public account: 技术宅SuperLaos