Golang实现大文本字符串中的敏感邮箱与电话号码脱敏-Golang-PHP中文网

应使用预编译正则提取邮箱和手机号再脱敏：邮箱用\b[a-za-z0-9._%+-]+@[a-za-z0-9.-]+\.[a-za-z]{2,}\b，大陆手机号用1[3-9]\d{9}|(?:(?:\+86)?[-\s()]?1[3-9]\d{9})，脱敏时保留原长度与结构，避免破坏格式。

golang实现大文本字符串中的敏感邮箱与电话号码脱敏

如何用正则匹配并替换邮箱和手机号，而不是简单 replace

直接用 strings.ReplaceAll 无法应对格式多变的敏感信息——比如邮箱可能带大小写、含中文域名（虽少见但需兼容），手机号可能有空格、横线、括号甚至+86前缀。必须用正则提取后再统一脱敏，否则漏匹配或误伤正常文本。

推荐两个预编译正则：
邮箱：

regexp.MustCompile(`\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}\b`)<br>
手机号（大陆）：<code>regexp.MustCompile(`1[3-9]\d{9}|(?:(?:\+86)?[-\s()]?1[3-9]\d{9})`)<p>注意：<br>
- 邮箱正则加了 <code>\b</code></p></code>

边界断言，避免匹配到 abc@example.com.xyz 中的 example.com 部分
- 手机号正则支持常见分隔符，但不匹配纯数字11位以外的“伪号码”（如123456789012）
- 若需支持港澳台或国际号，得单独扩展分支，别硬塞进一个正则里

脱敏时保留原始长度和结构，避免破坏排版

把 user@example.com 直接替换成 ***@***.com 会压缩字符数，导致表格错位或 JSON 格式损坏。更稳妥的做法是按原长度生成掩码字符。

实操建议：
- 邮箱：保留用户名首尾各1字符 + @ + 域名首尾各1字符，中间用 * 填满，例如 u****r@e****e.com
- 手机号：固定格式为 138****1234（前3后4），但需确保替换后总长不变——若原文本是 +86 138-1234-5678，脱敏后应为 +86 138****5678，而非砍掉符号

关键点：
- 用 re.ReplaceAllStringFunc 提取所有匹配项，再逐个脱敏，而非 ReplaceAllString 直接替换
- 对每个匹配串，先记录其原始位置和长度，脱敏后用相同长度字符串填充（可用 strings.Repeat("*", len(orig)-7) + orig[len(orig)-4:] 这类逻辑）

大文本场景下性能不能只靠 regexp.ReplaceAllString

单次处理 10MB 文本时，如果每行都跑一遍全量正则，CPU 会明显卡顿。核心瓶颈不在匹配，而在反复创建子字符串和内存拷贝。

Golang Spf13 Viper

Go 配置库，使用 spf13/viper — 分层优先级（flag > env >file > KV > default），提供 BindPFlag/BindPFlags、SetEnvPrefix + SetEnvKeyReplace 等功能。

下载

优化手段：
- 用 re.FindAllIndex 获取所有匹配起止位置，再用 bytes.Buffer 拼接非敏感段 + 脱敏段，避免多次字符串拼接
- 对超长文本（>100MB），考虑分块处理：按换行符切分，每块独立脱敏，最后合并（注意跨块边界不会切开邮箱或手机号）
- 禁用 regexp.Compile 在循环内调用，所有正则必须提前 MustCompile 并复用

示例片段：

var buf bytes.Buffer
last := 0
for _, loc := range re.FindAllIndex([]byte(text), -1) {
    buf.WriteString(text[last:loc[0]])
    buf.WriteString(maskEmail(text[loc[0]:loc[1]]))
    last = loc[1]
}
buf.WriteString(text[last:])
return buf.String()

测试时容易忽略的边界 case

线上出问题往往不是因为主干逻辑错，而是没覆盖这些场景：

- 邮箱中含 Unicode 字符（如 张三@example.cn）：Go 的 regexp 默认不支持 Unicode 字母，需改用 \p{L} 类型，且开启 (?U) 标志
- 连续多个邮箱紧挨着（a@b.comc@d.org）：普通正则会因重叠匹配失败，需设置 re.Longest()
- HTML 或 Markdown 中的链接（<a href="mailto:test@x.com"></a>）：脱敏后可能破坏标签结构，建议先解析 DOM 或至少跳过引号内内容
- 日志中时间戳混入数字（2024-05-12 13812345678 INFO）：手机号正则会误抓，可加负向断言 (? 和 <code>(?!\d)

真正难的不是写对正则，而是确认业务文本里到底有哪些“看起来像但其实不是”的干扰模式——得拿真实日志样本跑几轮，别只测 hello@world.com