网友投稿：关于创作文档如何处理敏感数据

创作文档如何处理敏感数据

      近来文档行业在一些敏感类文档，数据，都比较严格，很多人都不知道该上传些什么了。我作为一个资深文赚玩家，倒没有受到多少影响，因为我的文档都是经过自己的方法精心处理过的。以下是自己搞这么多年的一点小心得举例，分享给各位同行，过年了，顺便也赚点稿费。

第一步，通过标题分级。

     政府文件，其实我个人的理解是，自上而下的内容会出问题而且下载量不高，比如公告文章，领导讲话之类的，自下而上的不仅下载量高而且安全，比如学习报告，申请，心得体会，所以，我一般会先标题分类，政府的公告这种到处都有且风险还大的全部干掉。具体的我的习惯是分三级，第一级不上传，第二级需要人工介入判断，第三级只需工具处理。我的分类是：

第一级：标题中包含：公告，意见稿，意见，通知，建议，国家标准，等等等。

第二级：标题中包含：学习心得，会议决策，会议笔记，会议记录等等等。

不包含的就是第三级。

第二步，内容处理。

     办法是将诸如：劳动局，教育局，社保局等等等等的行政机关名称替换为XX局，将太原市，西安市，陕西省等等等替换为XXX

第三步，全文跑敏感词替换

     这个没条件的可以忽略不计，由于我自身是个程序员，所以我写了个程序，除了自动实现前两步的功能外，还能顺带监测一些关键词，监测出文章中出现非法内容，也是根据分级进行相应处理，基本上实现全自动操作。

    具体的可以给大家看下我的样本库：

     具体这个工具，如果需求量大，我可以考虑共享给大家，不过最好还是平台出一款可能更好，因为我自己一个人整理的关键词也是有限的。