最近在看文档脱敏工具，重点关注一个真实问题：
面对复杂 PDF，产品到底能不能稳定识别敏感信息，并且尽量保留原文版式。
这次我选了两款具备公司化产品形态的信息脱敏工具做对比：
其他一些个人项目、脚本工具、Demo 型产品没有纳入。原因很简单：它们更多是技术演示或个人工具，和面向正式业务使用的产品不在同一比较维度。
这次测试不是实验室跑分，也不是大规模统计评测，而是一次基于真实公开 PDF 文档的功能实测。测试重点包括：
-
敏感信息识别准确性
-
日期、金额、人物、单位等类型判断
-
脱敏标注是否错位
-
脱敏后是否保留 PDF 版式
-
人工复核体验
先说结论
在这份复杂专利 PDF 上，零信脱敏整体表现明显更稳定。
尤其是在以下几个场景中，差异比较明显：
| 对比项 | 元典脱敏 | 零信脱敏 |
|---|---|---|
| 日期识别 | 多处日期被识别为金额 | 能识别为日期 |
| 人物识别 | 出现无关字段被识别为人物 | 人名识别较稳定 |
| 复杂页面标注 | 出现较多错位和误识别 | 标注位置较稳定 |
| 脱敏预览版式 | 占位替换时版式明显丢失 | 基本保持 PDF 原版式 |
| 识别结果归类 | 更偏平铺列表，缺少清晰归类 | 支持按姓名、手机号、地址、单位、日期等归类 |
| 撤销 / 重做 | 不支持 | 支持 |
| 缩略图预览 | 不支持 | 支持，更接近专业 PDF 阅读器 / 文档审阅工具体验 |
| 编辑原文 | 支持 | 不支持 |
| 部署与数据处理 | 支持在线版本 | 完全本地离线处理，数据不出本机 |
识别准确性：日期和金额是一个很典型的分水岭
在第一页里，文档包含申请日、公布日等日期字段。
零信脱敏能把这些内容识别为日期，并归入日期类型。
但元典脱敏在同一页里，把多处日期识别成了"数字金额"；把一些无关字段比如"第三方大语言模型"里的"方大"识别为人物，把"方大语言模型服务"识别为单位
这不是一个很小的问题。
在脱敏产品里，识别类型不仅影响展示标签，也会影响后续替换规则、复核效率和用户信任。
如果日期被识别为金额，无关字段被识别为人物，用户就需要额外判断：
这是识别错了，还是规则配置错了，还是文档解析错了？
这种不确定性会增加人工复核成本。
人物、单位、地址：零信脱敏的归类体验更清楚
零信脱敏右侧会按类型归类展示结果，例如：
-
姓名
-
手机号
-
地址
-
单位名称
-
日期
-
邮编
这种结构对人工复核很重要。
因为实际脱敏不是"点一下开始"就结束了，用户通常还要检查哪些内容被识别了，哪些内容需要保留，哪些内容要调整。
相比之下，元典脱敏虽然也有脱敏列表，但整体更像是识别项平铺展示。
在识别数量较多时，用户需要自己从列表里区分类型和问题，复核效率会下降。
复杂页面：元典脱敏出现明显错位和误识别
在第 12 页这类文本密集、包含代码片段、变量、数字、公式风格内容的页面里，差异更明显。
零信脱敏整体没有出现明显破坏阅读的标注问题。
元典脱敏则出现了不少误识别和错位，例如：
-
数字片段被识别为金额
-
普通字段被识别为人物
-
标注位置和原文内容不够贴合
-
脱敏结果影响阅读连贯性
这类问题在简单表格或短文本里可能不明显，但在专利、合同、技术文档这类复杂 PDF 中会被放大。
版式保留：这是 PDF 脱敏里很关键的一点
我个人比较看重脱敏后的预览版式。
因为很多文档不是纯文本，PDF 里经常有：
-
页眉页脚
-
表格
-
图片
-
二维码
-
多栏排版
-
扫描件或复杂版式
-
技术图示
零信脱敏在预览时基本还能保持原 PDF 的页面结构，脱敏区域覆盖在原始版式上，阅读体验比较接近原文。
元典脱敏在预览时出现了明显的版式丢失，更像是把 PDF 内容重新抽取成文本后再展示。
这会带来一个问题：用户很难判断脱敏结果和原文页面是否一一对应。
对正式业务来说，版式不只是"好不好看"的问题。
它会影响复核、归档、交付，甚至影响用户判断这份文件是否还能作为正式材料使用。
操作体验：零信脱敏更像文档审阅工具
零信脱敏支持缩略图预览，可以直接看到每一页的缩略图并跳转。
这个体验更接近 PDF 阅读器或专业文档审阅工具。
另外，零信脱敏支持撤销、重做。
这对人工标注和调整很实用。
脱敏工具不是一次性工具，用户经常会：
-
手动新增脱敏区域
-
删除误识别项
-
调整某些标注
-
在不同页面之间复核
如果没有撤销和重做，操作压力会大很多。
说说零信脱敏目前的不足
第一，零信脱敏目前不支持编辑原文 。
元典脱敏支持编辑原文，这在某些场景下会更灵活。比如用户发现原文抽取结果有问题，或者希望在脱敏前先调整文本内容，元典脱敏会更方便。
第二，零信脱敏更偏 PDF 原版式预览，不是左右并排对照式体验 。
元典脱敏的界面有原文和脱敏结果并排区域，对某些用户来说，逐行对照会比较直观。零信脱敏虽然保留版式更好，但如果用户想做"原文 - 结果"的并排核对，当前体验还可以继续优化。
这些问题不影响这次测试里的核心结论，但确实是后续可以继续优化的地方。
总结
如果只看这份复杂专利 PDF 的实测结果，我的判断是：
零信脱敏更适合正式文档脱敏场景，尤其是对 PDF 版式、识别准确性和人工复核体验有要求的场景。
元典脱敏也有自己的优点，比如支持编辑原文、提供原文和结果区域对照。但在这次测试中，它在复杂 PDF 上暴露出的问题比较明显，尤其是日期误识别为金额、无关字段识别为人物、复杂页面标注错位、预览版式丢失这几类问题。
当然，这次只是基于一份公开 PDF 的实测，不代表所有场景下的绝对结论。
但至少可以说明一件事：
信息脱敏产品不能只看有没有识别结果，更要看识别得准不准、标得稳不稳、脱敏后文档还能不能像原文一样被阅读和复核。
这才是实际使用里真正影响效率和可信度的地方。