該組件主要用於大語言模型（LLM）的文本資料預先處理工作，可以將敏感資訊打碼，例如將郵箱地址字元替換成[EMAIL]，手機/電話號碼替換成[TELEPHONE]或[MOBILEPHONE]，社會安全號碼碼替換成[IDNUM]。
使用限制
僅支援MaxCompute計算引擎。
演算法簡介
敏感資訊包括以下匹配項：
手機號碼：匹配以下Regex的字串將被替換成
[MOBILEPHONE]。r'(?<!\d)(1(3[0-9]|4[579]|5[0-3,5-9]|6[6]|7[0135678]|8[0-9]|9[89])\d{8})(?!\d)'
r'(?<!\d)(1[\d]{2}-\d{4}-\d{4}\D|\D1\d{10}\D|\D1[\d]{2} \d{4} \d{4})(?!\d)'
r'(?<!\d)(1[3-9]\d{9})(?!\d)'
有線電話號碼：匹配以下Regex的字串將被替換成
[TELEPHONE]。r'(?<!\d)(\(?0\d{2,3}[-\s)]?\d{7,8})(?!\d)'
郵箱：匹配以下Regex的字串將被替換成
[EMAIL]。r'[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+.[a-zA-Z0-9-.]+'
身份證：匹配以下Regex的字串將被替換為
[IDNUM]。r'(?<!\d)([1-6]\d{5}[12]\d{3}(0[1-9]|1[12])(0[1-9]|1[0-9]|2[0-9]|3[01])\d{3}(\d|X|x))(?!\d)'
r'(?<!\d)([1-9]\d{5}[12]\d{3}(0[1-9]|1[012])(0[1-9]|[12][0-9]|3[01])\d{3}[0-9xX])(?!\d)'
例如郵箱打碼：
處理前：
處理後：
可視化配置參數
您可以在Designer中，通過可視化的方式配置組件參數。
頁簽 | 參數 | 是否必選 | 描述 | 預設值 |
欄位設定 | 選擇目標處理列 | 是 | 選擇要處理的列，支援選擇多個列。 | 無 |
設定輸出表生命週期 | 否 | 正整數，單位為天。預設28天，28天后該組件產生的暫存資料表被回收。 | 28 | |
執行調優 | 每個執行個體的cpu數目 | 否 | 設定map task每個instance的CPU數目，取值範圍為[50,800]。 | 100 |
每個執行個體的memory大小，單位M | 否 | 設定map task每個instance的memory大小，單位為MB，取值範圍為[256,12288]。 | 1024 | |
每個執行個體處理的資料大小，單位M | 否 | 設定map task每個instance的最大處理資料量，使用者可以通過控制該變數，實現對map端輸入的控制。單位為MB，取值範圍為[1,Integer.MAX_VALUE]。 | 256 |
相關文檔
關於Designer組件更詳細的內容介紹，請參見Designer概述。