安全自查要排查4200个附件里的身份证号、手机号？WebFuture正则内容搜索，210小时缩到25分钟

自查不怕查出问题，怕的是以为查完了。

某单位开展网站安全自查，要求排查所有附件中是否夹带身份证号、手机号等个人信息。历年上传的 4200 个附件以 Excel 名单、PDF 扫描件为主，肉眼核对约需 210 小时，而《个人信息保护法》明确公开信息不得超出必要范围、泄露须承担责任。动易 WebFuture「在文件内容中搜索」支持用正则表达式精确匹配身份证 18 位、手机 11 位等固定格式，命中后可直接预览并定位到敏感信息位置，210 小时缩到 25 分钟。

要在一堆表格和扫描件里找出个人信息，靠眼睛是撑不住的

一、自查通知下来，要排查所有附件

某单位收到一份网站安全自查通知，其中一条要求很具体：排查网站所有附件中，是否夹带身份证号、手机号等个人信息。

这不是可做可不做的"优化项"。《个人信息保护法》要求处理个人信息应当限于必要范围，公开的信息一旦超出必要范围、造成泄露，是要承担责任的。换句话说，附件里多躺一个不该公开的手机号，就是一个实打实的法律风险点。

问题是，这些年陆陆续续传上来的附件，数量实在太多了。

二、4200个附件，靠肉眼看不过来

全站 4200 个附件，大多集中在两类：一类是 Excel 名单、报名表、公示表；另一类是 PDF 扫描件、盖章文件。前者一屏屏全是数字，后者是图片，更要一个个点开慢慢看。

如果靠人工，流程是：下载附件 → 打开 → 一行行扫、一页页翻，找有没有 18 位的号码、11 位的数字。一个附件三分钟，4200 个就是 210 个小时。

更现实的问题是：连续盯着数字看两个小时，人眼就花了。一份几十行的名单里夹着一个手机号，扫过去没注意到，太正常了——而自查最怕的就是这种"以为查完了"。

Excel 名单、PDF 扫描件——个人信息就藏在这些看起来最普通的信息里

这件事的全部数字

三、为什么必须用正则，而不是人眼

身份证号和手机号的共同点是：格式是固定的。身份证 18 位，手机号 11 位，都有明确的位数和数字规律。

格式固定的东西，恰恰不该交给人眼——人眼会累、会走神、会漏，而按固定规则去匹配，机器不会。这正是正则表达式擅长的事。

所以这类排查的正确姿势不是"再仔细一点看"，而是换一种查法：用规则去匹配，而不是用眼睛去找。

四、用正则匹配固定格式，命中直接定位

动易 WebFuture 的「在文件内容中搜索」，正好支持正则表达式。

第一步，用正则描述"长什么样算敏感信息"。把身份证写成"18 位数字、末位可能是 X"的规则，把手机号写成"11 位、以 1 开头"的规则；也能覆盖带空格、带短横线的常见写法，避免因为多了一个分隔符就漏掉。

第二步，限定范围批量检索。把检索范围指定为附件内容，文件类型圈定 Excel 与 PDF，一次性跑完全站 4200 个附件，返回所有命中。

第三步，命中后预览并确认。每条命中都能在结果页直接预览文件，并定位到敏感信息出现的位置，不需要下载。确认后按规范处理：该脱敏的脱敏、该下架的下架，并记录处置结果。

格式固定的东西交给规则去匹配——用正则圈出每一处敏感信息，比人眼更不容易漏

五、25分钟排查完，命中位置可精确定位

原本 210 小时的人工排查，实际用正则内容搜索跑了一遍，前后 25 分钟左右。哪些附件命中了、命中的是什么位置，清清楚楚。

更重要的是那份底气：这次是"按规则全量查过一遍"，而不是"看了很多、但愿没漏"。自查报告里能写清楚的，是检索了什么格式、覆盖了多少附件，而不是"已人工排查"。

对承担个人信息保护责任的单位来说，排查附件里的敏感信息，已经不是"要不要做"的问题，而是"怎么做才算做过"的问题。靠人眼翻，做不做得到位全凭运气；用规则去匹配，才有可复现、可交代的结果。

「在文件内容中搜索」提供的，就是这样一条路径——用正则精确定义要查什么，直接搜附件正文，命中即预览定位，人只做最终的判断与处置。