多格式数据隐私脱敏

要解决什么问题

在联调、写文档、贴日志或导出配置时，你经常要在对话里分享含手机号、身份证、密码、Token 的样本数据。手工查找替换既慢又容易漏字段；不同格式（JSON 字段名、YAML 引号、XML 标签名、日志行内正则）处理方式也不一致，改错还可能破坏文件结构。

本技能面向「不可逆脱敏」场景：在尽量保留原文件排版与分隔符的前提下，把识别到的隐私信息替换为掩码、[REDACTED] 或哈希等策略结果。

技能如何工作

格式与引擎：按扩展名自动选择引擎（也可用 --format 强制），覆盖 .txt、.json、.csv/.tsv、.yaml/.yml、.xml、.md、.ini/.cfg、.properties、.log/.out 等。

识别方式：内置中国个人隐私相关规则，对字段名关键词与文本值正则做双重检测；可通过 references/desensitize_rules.md 查看完整映射。v3 提供 StrategyRegistry，内置六种策略（如 mask、hash、remove、email_mask、name_mask、keep_prefix），并支持运行时注册自定义策略。

典型流程：

1. 判断输入是文本片段还是文件路径，必要时确认用户是否要追加自定义字段（如 company_id）。
2. 数据量大或需落盘时，优先用 scripts/desensitize.py（--file/--text、--output、--fields、--strategy、--dry-run、--show-hits 等）。
3. 小段粘贴内容可用内联处理，并展示脱敏前后对比。

格式上的细节（资料中强调的部分）：JSON 在字段匹配之外仍扫描字符串值，且单行 JSON 输出保持单行；YAML 保留引号并扫描列表项；XML 同时匹配标签名、属性与文本；Markdown 保护代码块；INI/Properties 保留 =/: 分隔符；日志引擎逐行扫描且已修复 custom_fields 遗漏问题。

适用边界与注意点

• 脱敏不可逆；不确定影响范围时先用 --dry-run 或 --show-hits 预览。
• 需要可逆加密而非脱敏时，不在本技能范围内。
• 超大文件（资料建议 >100MB）宜先确认是否分批；写入磁盘前宜告知用户。
• YAML 为纯 Python 行级解析，不支持锚点、多行折叠等高级特性；极复杂嵌套 XML 建议先用文本模式预览。