用途：检测并匿名化文本或结构化数据中的个人可识别信息（PII），支持 CSV 批量处理。
主要能力：可识别姓名、邮箱、电话、SSN、地址、信用卡、出生日期、IP 等；提供 mask（替换为类型标签）、redact（星号）、hash、fake（替换为仿真数据）四种策略；CSV 可按列或自动检测列处理，并支持逐列指定不同策略；可开启可逆令牌映射，保存加密 mapping 后用于去匿名化；支持自定义 PII 正则模式；可生成审计报告。
使用方式：Python 中 from scripts.data_anonymizer import DataAnonymizer，初始化 DataAnonymizer(strategy="mask", reversible=False)，调用 anonymize(text) 或 anonymize_csv("input.csv", "output.csv")；CLI 例如 python data_anonymizer.py --input document.txt --output document_anon.txt，可用 --strategy、--types、--columns、--report、--reversible 参数。
依赖：pandas>=2.0.0、faker>=18.0.0。
限制：姓名检测可能漏掉不常见姓名；地址检测最适合美国格式；特定领域 PII 可能需要自定义模式；fake 替换不保留原始格式。其他收费、平台与效果信息暂未提供。