PII (Personally Identifiable Information) masking replaces sensitive data such as email addresses, phone numbers, credit card numbers, and IP addresses with masked characters. This allows you to share logs, screenshots, or documents without exposing private information. The original data is never transmitted — all masking happens locally in your browser.

Which patterns does the String Obfuscator detect?

The tool detects five built-in patterns: email addresses (RFC 5322 local-part + domain), credit card numbers (13–19 digits with optional spaces or dashes), phone numbers in E.164 and common national formats, IPv4 addresses, and JSON Web Tokens (JWT). You can also supply your own custom regular expression to mask arbitrary patterns.

Is my data sent to a server?

No. All masking is performed client-side using JavaScript regular expressions. Your input text never leaves your browser, making this tool safe for use with sensitive production data, logs, and confidential documents.

Can I use a custom regex to mask my own patterns?

Yes. Enter any valid JavaScript regular expression in the Custom Regex field. The tool applies it globally across the input and counts matches alongside the built-in patterns. Invalid patterns are silently ignored so they do not interrupt your workflow.

स्ट्रिंग ऑब्फुस्केटर / PII मास्कर

10 मास्क केले

ईमेल: 2कार्ड्स: 2फोन: 2IP पत्ते: 3JWTs: 1

इनपुट

आउटपुट

Contact us at ******************* or ***************** for more info.

Credit card: ******************* (Visa test card)
Another card: *******************

Phone numbers: +**************** or +***************

Server IPs: *********** and ********** are internal; ************ is external.

JWT token: ***********************************************************************************************************************************************************

तांत्रिक तपशील

स्ट्रिंग ऑबफस्केटर कसा कार्य करतो

हे टूल काय करते

स्ट्रिंग ऑबफस्केटर मजकुरातील वैयक्तिक ओळख पटवणारी माहिती (PII) आपोआप ओळखतो आणि मास्क करतो, ज्यात ईमेल पत्ते, फोन नंबर, क्रेडिट कार्ड नंबर, IP पत्ते, आणि Social Security नंबर यांचा समावेश होतो. ओळखलेली मूल्ये आजूबाजूची मजकूर रचना जपून मास्क केलेल्या आवृत्त्यांनी बदलली जातात (उदा., j***@example.com, ***-***-1234). सर्व प्रक्रिया तुमच्या ब्राउझरमध्ये स्थानिकरित्या होते; कोणताही डेटा कोणत्याही सर्व्हरकडे पाठवला जात नाही.

डेव्हलपरसाठी सामान्य वापर प्रकरणे

पब्लिक इश्यू ट्रॅकर्स किंवा Slack चॅनेल्समध्ये शेअर करण्यापूर्वी लॉग फाइल्स, एरर रिपोर्ट्स, आणि सपोर्ट टिकेट्स स्वच्छ (sanitize) करण्यासाठी डेव्हलपर्स हे टूल वापरतात. PII हाताने शोधत बसण्याशिवाय डॉक्युमेंटेशनसाठी नमुना डेटा तयार करण्यात ते मदत करते. QA टीम्स बग रिप्रोडक्शन स्टेप्समधून ग्राहक डेटा रेडॅक्ट करतात, आणि सपोर्ट इंजिनिअर्स अंतर्गत रिपोर्ट्स किंवा ट्रेनिंग डेटासेट्समध्ये ग्राहक संदेश समाविष्ट करण्यापूर्वी संवेदनशील माहिती मास्क करतात.

डेटा फॉरमॅट्स, प्रकार किंवा व्हेरिएंट्स

हे टूल सामान्य PII पॅटर्न्स ओळखते: ईमेल पत्ते (RFC 5322 local@domain फॉरमॅट), फोन नंबर (कंट्री कोड्स, डॅशेस, स्पेसेस, आणि कंसांसह विविध आंतरराष्ट्रीय फॉरमॅट्स), क्रेडिट कार्ड नंबर (सेपरेटरसह किंवा त्याशिवाय Visa, Mastercard, Amex पॅटर्न्स), IPv4 आणि IPv6 पत्ते, आणि SSN/नॅशनल ID फॉरमॅट्स. प्रत्येक कॅटेगरीची स्वतःची मास्किंग रणनीती असते, जी प्रकार ओळखण्यासाठी पुरेशी रचना जपते आणि प्रत्यक्ष मूल्य लपवते.

सामान्य चुका आणि एज केसेस

पॅटर्न-आधारित PII शोध सर्व संवेदनशील डेटा पकडू शकत नाही — नावे, भौतिक पत्ते आणि सानुकूल ओळखचिन्हांसाठी regex एकट्याने देऊ न शकणारा संदर्भ आवश्यक असतो. फोन नंबर किंवा क्रेडिट कार्डसारखे दिसणारे क्रमांक असंबंधित संदर्भांत (ऑर्डर IDs, टाइमस्टॅम्प्स, गणितीय अभिव्यक्ती) आल्यास चुकीचे पॉझिटिव्ह परिणाम होऊ शकतात. हे साधन सर्वोत्तम प्रयत्नांवर आधारित सुरक्षा-जाळे देते, हमी नाही — प्रकाशित करण्यापूर्वी नेहमी आउटपुट तपासा आणि नवीन PII फॉरमॅट्स ओळखले जाणार नाहीत याची शक्यता लक्षात घ्या.

कोडच्या तुलनेत हे टूल कधी वापरावे

दैनंदिन विकासकामात वैयक्तिक मजकूर तुकड्यांचे जलद मॅन्युअल रिडॅक्शन करण्यासाठी हे ब्राउझर साधन वापरा. प्रॉडक्शन डेटा पाइपलाइन्स, लॉग अ‍ॅग्रिगेशन सिस्टीम्स किंवा अनुपालन-आधारित PII स्क्रबिंगसाठी Google Cloud DLP, AWS Macie, किंवा Microsoft Presidio सारख्या ओपन-सोर्स लायब्ररींसारखी समर्पित data loss prevention (DLP) साधने वापरा, जी कॉन्फिगर करता येणारी entity recognition, confidence scoring आणि audit logging देतात.