Presidio/app.py

import os
import re
import logging
import yaml  # ### AJOUT ### Nécessaire pour charger la configuration manuellement

from flask import Flask, request, jsonify, make_response

# ### AJOUT ### Import des classes nécessaires pour l'anonymisation
from presidio_analyzer import AnalyzerEngine, RecognizerResult
from presidio_anonymizer import AnonymizerEngine
from presidio_analyzer.nlp_engine import NlpEngineProvider

logging.basicConfig(level=logging.INFO,
                    format="%(asctime)s - %(name)s - %(levelname)s - %(message)s")
logger = logging.getLogger(__name__)

app = Flask(__name__)

# --- Initialisation combinée de l'Analyzer et de l'Anonymizer ---
analyzer = None
anonymizer = None  

try:
    logger.info("--- Presidio Service Starting ---")
    # On récupère le chemin du fichier de configuration
    CONFIG_FILE_PATH = os.environ.get("PRESIDIO_ANALYZER_CONFIG_FILE", "conf/default.yaml")

    if not os.path.exists(CONFIG_FILE_PATH):
        raise FileNotFoundError(f"Configuration file not found at: {CONFIG_FILE_PATH}")

    # On charge le fichier YAML en mémoire
    with open(CONFIG_FILE_PATH, 'r') as f:
        config = yaml.safe_load(f)

    # 1. Créer l'Analyzer Engine en utilisant le provider et la configuration chargée
    # Le provider sait comment lire la configuration pour l'analyzer
    provider = AnalyzerEngineProvider(analyzer_engine_conf=config)
    analyzer = provider.create_engine()

    # 2. ### AJOUT ### Créer l'Anonymizer Engine en lui passant sa section de configuration
    anonymizer_config = config.get("anonymizer_config", {})
    anonymizer = AnonymizerEngine(anonymizer_config=anonymizer_config)

    logger.info(f"Analyzer and Anonymizer are ready. Languages: {analyzer.supported_languages}")

except Exception as e:
    logger.exception("FATAL: Error during Presidio engines initialization.")
    analyzer = None
    anonymizer = None
# --- Fin de la section d'initialisation ---


# Regex strict pour IBAN belge format attendu (INCHANGÉ)
IBAN_REGEX = re.compile(r"\b[A-Z]{2}[0-9]{2}(?:\s[0-9]{4}){3}\b", re.IGNORECASE)

# Regex IPv4 (INCHANGÉ)
IPV4_REGEX = re.compile(
    r"\b(?:(?:25[0-5]|2[0-4][0-9]|1\d{2}|[1-9]?\d)\.){3}"
    r"(?:25[0-5]|2[0-4][0-9]|1\d{2}|[1-9]?\d)\b"
)

# Liste des labels/phrases à exclure d’anonymisation 
IGNORE_LABELS = {
    "témoins",
    "témoins clés",
    "coordonnées",
    "coordonnées bancaires",
    "contexte financier",
    "données sensibles",
    "contexte",
    "montrent",
    "montrent des",
    "montrent des irrégularités",
    "bénéficiaire",
}

def normalize_label(text: str) -> str:
    return text.strip().lower()

# =========================
# ENDPOINT /analyze BASIQUE
# =========================
@app.route("/analyze", methods=["POST"])
def analyze_text():
    if not analyzer:
        return jsonify({"error": "Analyzer engine is not available. Check startup logs."}), 500

    try:
        data = request.get_json(force=True)
        text_to_analyze = data.get("text", "")
        language = data.get("language", "fr")

        if not text_to_analyze:
            return jsonify({"error": "text field is missing or empty"}), 400

        results = analyzer.analyze(text=text_to_analyze, language=language)

        filtered_results = []
        for res in results:
            ent_text = text_to_analyze[res.start:res.end].strip()
            ent_text_norm = normalize_label(ent_text)

            if ent_text_norm in IGNORE_LABELS:
                logger.debug(f"Skipping anonymization of label: '{ent_text}'")
                continue

            # Recadrage IBAN strict
            if res.entity_type == "IBAN":
                match = IBAN_REGEX.search(ent_text)
                if match:
                    true_iban = match.group(0)
                    start_offset = ent_text.find(true_iban)
                    if start_offset != -1:
                        res.start += start_offset
                        res.end = res.start + len(true_iban)
                else:
                    logger.warning(f"Invalid IBAN detected, skipping: '{ent_text}'")
                    continue

            # Recadrage IP_ADDRESS strict IPv4
            if res.entity_type == "IP_ADDRESS":
                match = IPV4_REGEX.search(ent_text)
                if match:
                    true_ip = match.group(0)
                    start_offset = ent_text.find(true_ip)
                    if start_offset != -1:
                        res.start += start_offset
                        res.end = res.start + len(true_ip)
                else:
                    logger.warning(f"Invalid IP detected, skipping: '{ent_text}'")
                    continue

            filtered_results.append(res)

        response_data = [res.to_dict() for res in filtered_results]
        return make_response(jsonify(response_data), 200)

    except Exception as e:
        logger.exception("Error processing analysis")
        return jsonify({"error": str(e)}), 500

# ============================================
# ENDPOINT /anonymize QUI FAIT LE REMPLACEMENT
# ============================================

@app.route("/anonymize", methods=["POST"])
def anonymize_text():
    if not analyzer or not anonymizer:
        return jsonify({"error": "Presidio engines are not available. Check startup logs."}), 500

    try:
        data = request.get_json(force=True)
        text_to_process = data.get("text", "")
        language = data.get("language", "fr")

        if not text_to_process:
            return jsonify({"error": "text field is missing or empty"}), 400

        # Étape 1 : Analyser le texte pour trouver les entités
        analyzer_results = analyzer.analyze(text=text_to_process, language=language)

        # Étape 2 : Anonymiser le texte en utilisant les résultats de l'analyse

        # L'AnonymizerEngine va utiliser la config 'anonymizer_config' pour faire les remplacements
        anonymized_result = anonymizer.anonymize(
            text=text_to_process,
            analyzer_results=analyzer_results
        )

        # Étape 3 : Renvoyer le texte anonymisé
        return jsonify({"text": anonymized_result.text}), 200

    except Exception as e:
        logger.exception("Error processing anonymization request")
        return jsonify({"error": str(e)}), 500

# =====================================================================
# DÉMARRAGE DE L'APPLICATION FLASK (INCHANGÉ)
# =====================================================================
if __name__ == "__main__":
    # Pour le déploiement, il est préférable d'utiliser un serveur WSGI comme Gunicorn
    app.run(host="0.0.0.0", port=5001)