nacim/Presidio
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

Actualiser app.py

Browse Source
This commit is contained in:
nacim
2025-07-28 18:01:05 +00:00
parent 743e79aefa
commit f3b06fa2ee
1 changed files with 16 additions and 20 deletions
Download Patch File Download Diff File Expand all files Collapse all files

36
app.py
View File

@@ -5,14 +5,14 @@ from flask import Flask, request, jsonify, make_response
from presidio_analyzer import AnalyzerEngineProvider from presidio_analyzer import AnalyzerEngineProvider
# Config du logging # Configuration du logging
logging.basicConfig(level=logging.INFO, logging.basicConfig(level=logging.INFO,
format='%(asctime)s - %(name)s - %(levelname)s - %(message)s') format='%(asctime)s - %(name)s - %(levelname)s - %(message)s')
logger = logging.getLogger(__name__) logger = logging.getLogger(__name__)
app = Flask(__name__) app = Flask(__name__)
# Initialisation Presidio Analyzer via Provider # Initialisation du moteur Presidio via Provider
analyzer = None analyzer = None
try: try:
logger.info("--- Presidio Analyzer Service Starting ---") logger.info("--- Presidio Analyzer Service Starting ---")
@@ -24,12 +24,10 @@ except Exception as e:
logger.exception("Error during AnalyzerEngine initialization.") logger.exception("Error during AnalyzerEngine initialization.")
analyzer = None analyzer = None
# Regex stricte pour détecter l'IBAN (lettres majuscules ou minuscules, chiffres, espaces optionnels)
# Regex IBAN strict : 2 lettres, 2 chiffres, puis 4 groupes de 4 alphanum (minimum),
# avec optional whitespace between groups
IBAN_REGEX = re.compile(r"\b[A-Z]{2}[0-9]{2}(?:\s?[A-Z0-9]{4}){4,7}\b", re.IGNORECASE) IBAN_REGEX = re.compile(r"\b[A-Z]{2}[0-9]{2}(?:\s?[A-Z0-9]{4}){4,7}\b", re.IGNORECASE)
# Labels / titres à exclure de l'anonymisation (en minuscules pour normalisation) # Labels / titres à exclure de l'anonymisation (en minuscules pour comparaison simple)
IGNORE_LABELS = { IGNORE_LABELS = {
"témoins", "témoins",
"témoins clés", "témoins clés",
@@ -38,13 +36,12 @@ IGNORE_LABELS = {
"contexte financier", "contexte financier",
"données sensibles", "données sensibles",
"contexte", "contexte",
# ajouter d'autres labels ici si besoin # Ajoute d'autres labels si besoin
} }
def normalize_label(txt): def normalize_label(txt):
return txt.strip().lower() return txt.strip().lower()
@app.route('/analyze', methods=['POST']) @app.route('/analyze', methods=['POST'])
def analyze_text(): def analyze_text():
if not analyzer: if not analyzer:
@@ -68,37 +65,36 @@ def analyze_text():
ent_text = text_to_analyze[res.start:res.end].strip() ent_text = text_to_analyze[res.start:res.end].strip()
ent_text_norm = normalize_label(ent_text) ent_text_norm = normalize_label(ent_text)
# 1. Ignorer les entités correspondant exactement aux labels/titres à préserver # 1. Ignorer les entités correspondant aux labels/titres à préserver
if ent_text_norm in IGNORE_LABELS: if ent_text_norm in IGNORE_LABELS:
logger.debug(f"Skip anonymizing label: '{ent_text}'") logger.debug(f"Skipping anonymization of label: '{ent_text}'")
continue continue
# 2. Si entité de type IBAN, resserrer la sélection strictement au format IBAN # 2. Si entité de type IBAN, recadrer strictement sur le match IBAN
if res.entity_type == "IBAN": if res.entity_type == "IBAN":
match = IBAN_REGEX.search(ent_text) match = IBAN_REGEX.search(ent_text)
if match: if match:
true_iban = match.group(0) true_iban = match.group(0)
# Recalcule start/end dans le texte original
start_offset = ent_text.find(true_iban) start_offset = ent_text.find(true_iban)
if start_offset != -1: if start_offset != -1:
old_start = res.start old_start, old_end = res.start, res.end
old_end = res.end
res.start += start_offset res.start += start_offset
res.end = res.start + len(true_iban) res.end = res.start + len(true_iban)
ent_text = true_iban ent_text = true_iban
logger.debug(f"Correct IBAN span from ({old_start}-{old_end}) to ({res.start}-{res.end}): '{ent_text}'") logger.debug(
f"Adjusted IBAN span from ({old_start}-{old_end}) to ({res.start}-{res.end}): '{ent_text}'"
)
else: else:
# Aucun start trouvé (peu probable), garder tel quel logger.warning(f"Cannot find IBAN substring inside entity text: '{ent_text}'")
logger.warning(f"Could not find exact IBAN substring in entity text: '{ent_text}'")
else: else:
# Pas de correspondance valide au regex IBAN, on peut choisir d'ignorer ou garder tel quel # Si pas de correspondance IBAN, on ignore cette entité (évite faux positifs)
logger.warning(f"Entity IBAN does not match IBAN regex: '{ent_text}'") logger.warning(f"Entity IBAN does not match IBAN regex: '{ent_text}'")
continue # Ne pas ajouter l'entité
filtered_results.append(res) filtered_results.append(res)
# Conversion en dict JSON pour renvoyer la réponse
response_data = [res.to_dict() for res in filtered_results] response_data = [res.to_dict() for res in filtered_results]
# **Important :** retourne uniquement les entités à anonymiser (sans labels exclus)
return make_response(jsonify(response_data), 200) return make_response(jsonify(response_data), 200)
except Exception as e: except Exception as e: