Mingshu Classifier

---

name: mingshu-classifier description: "对文件进行分类分级。根据 GB/T 35273 个人信息安全规范，扫描指定目录下的文件，自动识别敏感等级并打标签。支持基于文件名和文件内容双重检测，覆盖 docx/txt/md/csv/json 等多种格式。触发词：文件分类、分级、打标签、敏感分级、数据分级、信息分级、文件扫描、合规检查、隐私评估、PII分类。"

---

明数分类分级 - Mingshu Classifier

基于 GB/T 35273《个人信息安全规范》，对目录下的文件进行自动分类分级和打标签。

适用场景

扫描目录下的文件并自动识别敏感等级

对文件进行合规分级打标签

检查文件命名是否符合数据安全规范

批量评估文件的个人信息敏感程度

分级标准

依据 GB/T 35273，将文件按个人信息敏感程度分为两个类别：

| 类别 | 名称 | 说明 | |------|------|------| | S | 敏感个人信息 | 包含敏感个人信息（身份证、银行卡、生物识别、行踪轨迹、通讯录等） | | G | 一般个人信息 | 包含一般个人信息（姓名、手机号、邮箱、用户信息等）或不涉及个人信息 |

工作流程

1. 获取用户输入

确认以下信息：

目标目录：要扫描的目录路径（必填）

文件类型过滤：默认扫描 .docx，可通过 glob 模式扩展（如 *.docx、*.pdf）

输出格式：默认输出到终端，支持导出为 CSV/JSON

2. 执行扫描

调用扫描脚本：

python3 scripts/scan_files.py  [--pattern "*.docx"] [--output result.csv] [--format csv] [--name-only]

脚本会： 1. 递归遍历目标目录 2. 提取文件名和文件内容中的文本 3. 分别对文件名和文件内容进行关键词匹配 4. S 类优先：文件名或内容中任一命中 S 类关键词即归为 S 类 5. 输出分类分级结果（含文件名关键词和内容关键词分别标注）

参数说明：

--name-only：仅基于文件名判断，不读取文件内容（速度更快）

3. 展示结果

将扫描结果以表格形式展示给用户，包含：

文件路径

文件名

敏感类别（S/G）

文件名匹配的关键词

文件内容匹配的关键词

匹配来源（文件名/内容/文件名+内容）

建议处理方式

4. 输出报告（可选）

如果用户指定了 --output 参数，将结果导出为文件：

CSV 格式（默认）

JSON 格式

关键词规则

详细的关键词分级规则存储在 references/classification_rules.md 中，按以下逻辑匹配：

1. 对文件名（不含扩展名）和文件内容分别进行关键词匹配 2. S 类优先：文件名或内容中任一命中 S 类关键词即归为 S 类 3. 仅命中一般个人信息关键词的文件归类为 G 类 4. 未命中任何关键词的文件默认为 G 类（一般个人信息）

依赖

python-docx：用于读取 .docx 文件内容（如未安装，自动降级为仅文件名模式）

注意事项

分级结果仅供参考，建议结合实际文件内容复核

扫描过程为只读操作，不会修改任何文件

支持中文和英文文件名和内容

.doc（旧格式）和 .pdf 暂不支持内容读取，仅基于文件名判断