辣椒AI 对外文档处理：PDF 涂黑与文件元数据清理

要把一份合同作为案例发出去，但里面有客户名称、金额和身份证号。最常见的错误做法是：用 PDF 编辑器画几个黑色矩形盖住——那不叫涂黑，那叫盖了张纸。

产品指南于 2026 年 9 月 30 日采集的工具初始界面，尚未执行任务；选项与消耗以当前页面为准。 打开「PDF 敏感内容涂黑」看到的初始界面。在服务器端处理，当前选项与消耗以产品页面为准。

为什么画黑框没用

PDF 是分层的。你画的黑色矩形是新加的一层图形，被盖住的文字原封不动地还在文件里。

对方要看到它只需要：用鼠标框选那块区域然后复制粘贴；或者用任何 PDF 转换工具转成文本；或者干脆在阅读器里搜索关键词——搜得到，因为文字还在。

这不是理论风险。历史上多起政府文件泄密事故就是这么来的：发布方以为盖住了，实际只是加了一层看得见的遮罩。

它的处理是：先把匹配到的文字从内容流里删掉，再在原位置画上色块。删掉的部分不存在于文件的任何一层，复制不出来、搜不到、转换工具也提取不到。

代价也在这里：不可逆。涂黑后的文件里那些内容是真的没了，你自己也恢复不了。所以务必保留原始文件。

自定义敏感词里填要涂掉的内容，多个词用逗号分隔。填的是精确文本，比如公司全称、具体金额、身份证号。

两个要注意的点：

同一个信息可能有多种写法。 「北京华胥星辰有限公司」和「华胥星辰」是两个词，都要填。金额也一样——「1,000,000」和「100万」是两串不同的字符。

涂完必须自己验证一遍。 打开结果文件，用阅读器的搜索功能搜一遍那些敏感词，确认搜不到。这一步不能省：万一某个变体写法没覆盖到，你会在完全不知情的情况下把它发出去。

默认黑色。选白色可以做成「留白」的效果，看起来像原本就没有这段内容——但要注意这在某些正式场景里不合规，涂黑的痕迹本身也是信息（说明这里有内容被删除）。

扫描版 PDF。 里面是图片没有文字，按文字匹配自然找不到。扫描件需要先 OCR 或者用图片编辑工具处理。

跨行断开的内容。 一个身份证号如果在版面上被折成两行，作为一个整串可能匹配不到。这类要拆成两段分别填。

图片里的文字。 页面上插入的截图里如果有敏感信息，本工具处理的是文本层，动不了图片内容。

正文涂黑处理的是页面内容，文件属性则是另一项检查。打开「文件元数据清理」，根据用途选择移除作者信息和地理位置。指南将它列为服务器处理工具；上传前先确认材料可以按这一方式处理。

清理后查看作者、最后修改者等属性，Office 文档还应打开审阅面板检查批注与修订。图片可查看系统信息中的位置字段。转换一种格式不意味着这些字段一定消失，清理一个字段也不能替代对其它字段的检查。

把未处理原件与对外副本分开命名。验收时既搜索敏感词，也尝试复制相应区域，并查看扫描页、截图、页眉页脚和附件中是否还有相同信息。工具按输入规则处理，漏写的名称变体和图片中的文字仍需要人工识别。

打开辣椒AI。本文依据公开产品指南移植整理，整理日期为 2026 年 10 月 15 日。

告诉我们业务问题与数据现状，我们会给出方案建议与落地路径。

本文目录

联系我们的团队，获取贴合你业务场景的方案建议。