🛡️ Scrubshot · 截图脱敏工具

简体中文 | English

粘贴一张截图，自动找出手机号、身份证、银行卡、Token、地址，一键涂掉。 图片全程留在浏览器里 —— 不上传、不联网、可断网使用。

🛡️ 在线试用 · 🧪 评测数据 · 🐛 问题反馈

30 张合成测试截图、157 个标注敏感项：文本检测召回率 98.7%。 该结果仅代表此测试集；文本命中不等于遮挡框完整覆盖，导出前仍需人工核对。

• 🔍 自动识别：手机号、身份证、银行卡、邮箱、地址、座机、JWT、API Key、私钥、带 token 的 URL、内网 IP、长单号
• 🚦 三色分级：🔴 高风险自动打码 · 🟡 中风险标记核对 · ⚪ 低风险仅提示
• 🧾 可审查清单：每条命中都能看到标签和原文片段，逐条开关；还能展开看OCR 读到的全部文字
• 🔗 跨行拼接：聊天框把身份证折成两行时，合并成一个框，不会只遮一半
• 🔄 镜像识别：镜像截图置信度低时自动翻转重试
• 📦 批量处理：一次拖入多张，左侧队列切换，单张导出或整包 zip
• ↩️ 每图独立撤销栈：切图后 Ctrl+Z 不会撤到上一张
• 🔒 完全本地：没有后端，没有上传接口，模型加载后可用 DevTools 验证 0 请求

大多数工具默认给你高斯模糊。但模糊和像素化过的文字，在特定条件下可以被还原。

所以 Scrubshot 默认用不透明色块覆盖；你选择模糊时会收到一次警告。

http://121.40.98.30:8080

截图后直接 Ctrl+V 粘贴，检查右侧清单，Enter 导出。

演示实例是裸 IP + HTTP，无需注册。首次识别需加载约 58MB 资源（OCR 引擎 + 模型 + ONNX 运行时）， 之后完全离线可用——可以断网再识别一张验证。

git clone https://github.com/strugglesky/scrubshot.git
cd scrubshot
pnpm install
pnpm dev

打开 **http://localhost:5173**。

精确率那一列的 5 处「多报」，逐条核对后全是标注遗漏（2 个邮箱 + 3 个地址）， 补进标注后真实误报为 0。漏掉的 2 条都是 10 位纯数字，和 Unix 时间戳形态相同，刻意不识别。

📖 数据集与复现步骤见 test-data/

1. 深色主题截图先反色，否则浅字深底读不出来
2. 检测网络框出每一行文字，识别网络输出文本与置信度
3. 每行跑规则引擎；有词级坐标就框到词，没有就按字符宽度比例切
4. 校验位不通过不丢弃，降级为「疑似」——校验位判断可信度，不决定要不要让你看见
5. 长号码被折行时，上下两行拼接后重新匹配
6. 置信度偏低时自动水平翻转，判定镜像后把坐标换算回原图

应用内置评测模式，用真实截图算召回率与多报数。标注只写敏感字符串，不用画框：

{
  "shop.png": ["18967676767", "142522******08495x"],
  "admin.png": ["admin@example.com", "sk-abc123def456ghi789"],
  "code.png": []
}

• 值写内容本身，不是类型（写 18967676767，不要写 手机号）
• 没有敏感信息的图也要写 []，别省略
• 空格、短横、全角半角不用管，匹配前会归一化

复现仓库里的数字：

1. 打开评测页 → 「添加截图」→ 选 test-data/images/ 全部 30 张
2. 「导入 labels.json」→ 选 test-data/labels.json
3. 引擎选 RapidOCR → 「开始评测」

数据集覆盖 10 类场景 × 3 张：聊天记录、快递单、登记表、身份证、表格、便签、订单、医疗单、小票。 全部为虚构数据，不含真实个人信息。

dist/ 是纯静态产物，扔给任何静态服务器即可。

⚠️ Cloudflare Pages 单文件上限 25MB，而 ONNX Runtime 的 wasm 有 28MB，会被拒。

当前演示实例：Ubuntu + nginx，监听 8080，gzip_static 预压缩，站点根目录 /opt/scrubshot/dist。 裸 IP 走 8080 是为了绕开国内 80 端口的备案拦截。

合计约 58MB（gzip 后约 21MB），之后全部走浏览器缓存。

scrubshot/
├── src/
│   ├── components/        # 画布编辑器、侧栏、队列、评测界面
│   ├── core/              # 几何计算、打码渲染、导出、图片加载
│   ├── detectors/         # 规则引擎、校验位、分级、跨行拼接
│   ├── ocr/               # 引擎抽象 + RapidOCR / Tesseract 实现
│   └── hooks/             # 撤销/重做
├── test-data/             # 评测数据集（30 张 + 标注）
├── docs/demo.gif          # 演示动图
├── public/models/         # 构建时复制，不入库
├── .github/workflows/     # CI
└── vite.config.ts         # 模型复制与构建配置

pnpm dev        # 开发服务器
pnpm test       # 单元测试
pnpm typecheck  # 类型检查
pnpm build      # 生产构建

环境要求

• Node 20+
• pnpm 11+：依赖的安装脚本默认被拦截，放行配置在 pnpm-workspace.yaml 的 allowBuilds

遇到装不上、起不来，先看 CONTRIBUTING.md —— 那里记着三个会卡住人的坑。

• 10–11 位纯数字不识别：病历号与 Unix 时间戳形态相同，无法区分
• 只处理水平镜像；180° 倒置、90° 侧转不支持
• 跨行拼接只覆盖 11 / 16–19 位（手机、银行卡、身份证）
• 识别粒度是「一行一个框」，同一行里的多个敏感词会合成一个框
• 首次使用需下载约 48MB 资源

1. Fork 项目
2. 创建分支 (git checkout -b feature/amazing-feature)
3. 提交更改 (git commit -m 'feat: add amazing feature')
4. 推送分支 (git push origin feature/amazing-feature)
5. 创建 Pull Request

最有价值的贡献是「失败的样本」 —— 一张让当前版本漏检或误报的截图，比任何 issue 描述都有用。

本项目采用 MIT 许可证，详见 LICENSE。

• 📖 贡献与本地开发：CONTRIBUTING.md
• 🧪 评测数据集：test-data/
• 🐛 问题报告：GitHub Issues

Scrubshot —— 发截图之前，先过一遍。 🛡️