"""日本語Web文書向けのPII検出・置換器。

``PII_detect.md`` の検出方針を踏まえ、正規表現・チェックデジットに加えて
SudachiPy（形態素解析、人名辞書付き）で自然文中の氏名を検出する。学習済み
NER（GLiNER-ja）は全件処理には重いため ``pii_residual_check.py`` の残存確認に
使う。公開用データでは、検出した値を削除するのではなく、種別ごとの
プレースホルダーへ置換する。対象は次の7種類に限定する。

* 電話番号
* メールアドレス
* 番地レベルの住所
* 個人名と所属の組合せ
* マイナンバー
* クレジットカード番号
* 銀行口座番号

郵便番号だけ、IPアドレス、秘密情報、生年月日などは対象外とする。個人名
だけは「氏名：」等のラベル文脈に限って置換する。番号系（マイナンバー、
カード、口座）はURLでは検出せず、本文でもラベル文脈か区切り書式を必須にする
（無作為な数字列の1割はチェックデジットを通るため）。将来 fuseji、GLiNER-ja、GiNZA 等を追加する場合は
``PIIDetector`` の結果へ検出結果を追加できる。
"""

from __future__ import annotations

import re
import unicodedata
from dataclasses import dataclass
from typing import Any, Iterable


PII_LABELS_JA = {
    "email": "メールアドレス",
    "phone": "電話番号",
    "address": "番地レベルの住所",
    "person_affiliation": "個人名＋所属",
    "person_name": "個人名",
    "my_number": "マイナンバー",
    "credit_card": "クレジットカード番号",
    "bank_account": "銀行口座番号",
}

PLACEHOLDERS = {
    "email": "<EMAIL>",
    "phone": "<PHONE>",
    "address": "<ADDRESS>",
    "person_affiliation": "<PERSON_AFFILIATION>",
    "person_name": "<PERSON_NAME>",
    "my_number": "<MY_NUMBER>",
    "credit_card": "<CREDIT_CARD>",
    "bank_account": "<BANK_ACCOUNT>",
}

TARGET_PII_TYPES = tuple(PII_LABELS_JA)


@dataclass(frozen=True)
class PIIMatch:
    """検出されたPIIの位置と監査用メタデータ。位置はNFKC後の文字列基準。"""

    pii_type: str
    field: str
    start: int
    end: int
    value: str
    method: str
    confidence: str = "high"

    @property
    def label_ja(self) -> str:
        return PII_LABELS_JA.get(self.pii_type, self.pii_type)

    @property
    def masked_value(self) -> str:
        return mask_value(self.pii_type, self.value)

    @property
    def placeholder(self) -> str:
        return PLACEHOLDERS.get(self.pii_type, "<PII>")

    def to_dict(self) -> dict[str, Any]:
        return {
            "pii_type": self.pii_type,
            "pii_type_ja": self.label_ja,
            "field": self.field,
            "start": self.start,
            "end": self.end,
            "matched_value_masked": self.masked_value,
            "method": self.method,
            "confidence": self.confidence,
            "placeholder": self.placeholder,
        }


def normalize_text(value: Any) -> str:
    """全角・半角差を吸収して照合する。"""

    if value is None:
        return ""
    return unicodedata.normalize("NFKC", str(value))


def mask_value(pii_type: str, value: str) -> str:
    """監査JSONにPIIそのものを再掲しないためのマスキング。"""

    if not value:
        return ""
    if pii_type == "email" and "@" in value:
        local, domain = value.split("@", 1)
        masked_local = local[0] + "*" * max(1, len(local) - 2) + local[-1:]
        return f"{masked_local}@{domain}"
    if pii_type in {"phone", "my_number", "credit_card", "bank_account"}:
        chars = list(value)
        positions = [i for i, char in enumerate(chars) if char.isalnum()]
        keep = 4
        for index in positions[:-keep]:
            chars[index] = "*"
        return "".join(chars)
    if pii_type == "address":
        return value[:3] + "***"
    if pii_type == "person_affiliation":
        return "***"
    return "***"


def is_valid_luhn(value: str) -> bool:
    digits = [int(char) for char in value if char.isdigit()]
    if len(digits) < 13 or len(digits) > 19:
        return False
    checksum = 0
    parity = len(digits) % 2
    for index, digit in enumerate(digits):
        if index % 2 == parity:
            digit *= 2
            if digit > 9:
                digit -= 9
        checksum += digit
    return checksum % 10 == 0


def is_valid_mynumber(value: str) -> bool:
    """12桁の個人番号のチェックデジットを検証する。"""

    digits = [int(char) for char in value if char.isdigit()]
    if len(digits) != 12:
        return False
    # 左から11桁に対して、右から 2,3,4,5,6,7 を繰り返す。
    weights = [2, 3, 4, 5, 6, 7, 2, 3, 4, 5, 6]
    total = sum(digit * weight for digit, weight in zip(reversed(digits[:11]), weights))
    check_digit = (11 - (total % 11)) % 10
    return check_digit == digits[-1]


EMAIL_RE = re.compile(
    r"(?<![A-Za-z0-9._%+\-])([A-Za-z0-9.!#$%&'*+/=?^_`{|}~-]+@[A-Za-z0-9-]+(?:\.[A-Za-z0-9-]+)+)(?![A-Za-z0-9._%+\-])"
)
PHONE_SEPARATED_RE = re.compile(
    # 改行を区切りに含めない。住所末尾の番地と次行の電話番号を
    # ひとつの不正な候補として連結しないため、空白は半角スペース・タブのみ。
    # 先行する郵便番号・日付などが不正候補になっても、後続の電話番号の
    # 開始位置を検査できるよう、候補全体を先読みして重複開始を許可する。
    r"(?<!\d)(?=(?P<value>(?:\+81[ \t-]?)?0?\d{1,4}(?:[ \t]?-[ \t]?|[ \t])\d{1,4}(?:[ \t]?-[ \t]?|[ \t])\d{3,4})(?!\d))"
)
PHONE_MOBILE_RE = re.compile(r"(?<!\d)0[789]0\d{8}(?!\d)")
PHONE_PLAIN_RE = re.compile(
    r"(?<!\d)(?:0120\d{6}|0570\d{6}|050\d{8}|0[1-9]\d{8})(?!\d)"
)
PHONE_CONTEXT_RE = re.compile(
    # ラベル候補も先読みして、TELの後に別のFAXが続く場合などの
    # 後続ラベルを取りこぼさない。
    r"(?=(?:電話|携帯|連絡先|tel|telephone|phone|fax|ファクシミリ|ファックス)\s*[:：]?[^0-9+]{0,10}(?P<value>\+?\d[\d\s().-]{8,18}\d))",
    re.IGNORECASE,
)
# 12桁（4-4-4区切りも可）。チェックデジットに加えて、ラベル文脈を必須にする。
# 無作為な12桁の1割はチェックデジットを通るため、URL中のIDや注文番号を誤検出しないため。
MY_NUMBER_RE = re.compile(r"(?<![\d-])(?:\d{4}[ -]?\d{4}[ -]?\d{4})(?![\d-])")
MY_NUMBER_CONTEXT_RE = re.compile(r"(?:個人番号|マイナンバー|my\s*number)", re.IGNORECASE)
# 13〜19桁。区切り書式（4-4-4-4、4-6-5 等）かラベル文脈を必須にする（Luhn だけでは1割が通る）。
CARD_RE = re.compile(r"(?<![\d-])(?:\d{4}[ -]\d{4}[ -]\d{4}[ -]\d{1,7}|\d{4}[ -]\d{6}[ -]\d{5}|\d{13,19})(?![\d-])")
CARD_CONTEXT_RE = re.compile(
    r"(?:カード番号|クレジットカード|クレカ|card\s*(?:no\.?|number)|credit\s*card|visa|master\s*card|jcb|amex|american\s*express|diners)",
    re.IGNORECASE,
)
# 直前にこれらのラベルがある数字列は注文・伝票等の番号とみなして除外する。
NUMBER_NEGATIVE_CONTEXT_RE = re.compile(
    r"(?:注文番号|受注番号|伝票番号|追跡番号|お問い?合わせ番号|受付番号|管理番号|会員番号|予約番号|商品番号|型番|isbn|jan|tracking|order\s*(?:no\.?|number))",
    re.IGNORECASE,
)

# 都道府県・市区町村に続く番地（1-2-3、1丁目2番3号等）を必須にする。番地の後ろの
# 建物名・部屋番号も住所の一部として取り込む（「<ADDRESS>-802」のような取り残しを防ぐ）。
# 番地: 算用数字と漢数字の両方、「1-2-3」「1丁目2番3号」「一丁目二番三号」「1丁目2-3」「1ー2ー3」を許容
_NUM = r"[0-9一二三四五六七八九十〇零]+"
# 区切り記号（-、－、‐、ー）の前後には OCR・Web抽出由来の空白を1つまで許す。
_SEP = r"\s?[-－‐ー]\s?"
_ADDRESS_BLOCK = (
    rf"(?:{_NUM}\s?丁目\s?{_NUM}(?:\s?番(?:地)?\s?(?:{_NUM}\s?号?)?|{_SEP}{_NUM}(?:{_SEP}{_NUM})?)"
    rf"|{_NUM}(?:{_SEP}{_NUM}){{1,3}}(?:番地?)?"
    rf"|{_NUM}\s?番地?(?:\s?{_NUM}\s?号)?)"
)
_ADDRESS_TAIL = (
    r"(?:\s*[^\s,、。\n()（）]{0,20}?(?:ビル|マンション|ハイツ|コーポ|レジデンス|アパート|タワー|ハウス|荘|寮|号館)[^\s,、。\n()（）]{0,10})?"
    r"(?:\s*\d{1,4}\s*(?:号室|号|[Ff]|階))?"
)
# 都道府県から始まる住所。改行・空白の混入（Web抽出やOCR）を許すため、区切りは句読点のみとする。
ADDRESS_RE = re.compile(
    r"(?P<value>(?:北海道|東京都|大阪府|京都府|[一-龥々]{2,3}県)[^,、。]{1,60}?(?:市|区|町|村)[^,、。]{0,35}?" + _ADDRESS_BLOCK + _ADDRESS_TAIL + r")"
)
# 都道府県が省かれた「福岡市博多区博多駅前1-2-3」「宇都宮市江野町1-15」。市・区の後に町名相当を1文字以上要求する。
ADDRESS_CITY_RE = re.compile(
    r"(?P<value>(?<![都京大])[一-龥々ぁ-ゖ]{1,6}(?:市|区|郡)[一-龥々ぁ-ゖァ-ヶー0-9\s]{1,30}?(?:町|村|区|丁目|[一-龥々]{1,6})" + _ADDRESS_BLOCK + _ADDRESS_TAIL + r")"
)
# ラベル付きの住所は、都道府県が省かれた「宇都宮市江野町1-15」の形も許可する（残存確認で発見した取りこぼし）。
ADDRESS_CONTEXT_RE = re.compile(
    r"(?:住所|所在地|送付先|配送先)\s*[:：]?\s*(?P<value>(?:北海道|東京都|大阪府|京都府|[一-龥々]{2,3}県|[一-龥々ぁ-ゖァ-ヶー]{1,6}(?:市|区|郡))[^。,、]{1,80}?" + _ADDRESS_BLOCK + _ADDRESS_TAIL + r")"
)

# 氏名: 漢字2〜6字、または漢字1〜3字＋かな2〜6字（佐藤ゆかり）。「皆さん」のような1字＋さんは拾わない。
_NAME = r"(?:[一-龥々]{2,6}|[一-龥々]{1,3}\s?[ぁ-ゖァ-ヶー]{2,6})"
# 所属: 法人格で始まる名称、または組織を示す語尾で終わる名称（20字以内）。任意で部署。
_ORG_PREFIX = r"(?:株式会社|有限会社|合同会社|合資会社|一般社団法人|一般財団法人|公益社団法人|公益財団法人|[Nn][Pp][Oo]法人|学校法人|医療法人|社会福祉法人|独立行政法人|国立研究開発法人)"
_ORG_SUFFIX = r"(?:株式会社|有限会社|合同会社|会社|大学院|大学|高等学校|高校|中学校|小学校|専門学校|病院|クリニック|医院|省|庁|県庁|市役所|区役所|町役場|村役場|銀行|信用金庫|研究所|研究センター|協会|連盟|組合|法律事務所|事務所|事務局|財団|法人|商工会議所|観光局|放送局|新聞社|出版社)"
_ORG = rf"(?:{_ORG_PREFIX}[^\s。、,，()（）]{{1,20}}|[^\s。、,，()（）のがはをにでと]{{1,20}}?{_ORG_SUFFIX})"
_ORG_RE = re.compile(_ORG)
_DEPT = r"(?:\s*[^\s。、,，()（）]{0,15}?(?:部|課|室|科|係|チーム|支店|支社|営業所|研究室))?"
# 所属の後ろに続く役職（「株式会社ABC 代表」「○○会 会員」）も置換範囲に含める。
_TITLE_OPT = r"(?:\s*[^\s。、,，()（）の]{0,8}?(?:長|社長|部長|課長|主任|教授|准教授|講師|代表|取締役|[Cc][Ee][Oo]|[Cc][Tt][Oo]|マネージャー|リーダー|担当|研究員|弁護士|職員|会員|理事|社員|員))?"
_TITLE = r"(?:[^\s。、,，()（）の]{0,8}?(?:長|社長|部長|課長|主任|教授|准教授|講師|代表|取締役|[Cc][Ee][Oo]|[Cc][Tt][Oo]|マネージャー|リーダー|担当|研究員|弁護士))"
# 「氏名：山田太郎（株式会社ABC）」「担当者：山田太郎、株式会社ABC 営業部」
NAME_AFFILIATION_LABEL_RE = re.compile(
    r"(?:氏名|お名前|担当者|代表者|名義人?)\s*[:：]\s*"
    rf"(?P<value>(?P<name>{_NAME})\s*(?:[（(、,]|所属\s*[:：])\s*(?P<affiliation>{_ORG}{_DEPT}{_TITLE_OPT})[）)]?)"
)
# 「山田太郎さん、株式会社ABC」「山田太郎氏（株式会社ABC 営業部）」
NAME_AFFILIATION_SUFFIX_RE = re.compile(
    rf"(?P<value>(?P<name>{_NAME})(?:さん|氏|様|先生)[、,\s（(]+(?P<affiliation>{_ORG}{_DEPT}{_TITLE_OPT})[）)]?)"
)
# 「株式会社ABC 営業部 部長 山田太郎さん」「○○大学教授・山田太郎氏」（所属→役職→氏名の順）。
# 役職か「・」区切りのどちらかと、敬称を必須にする。「会社の同僚さん」のような役割語を氏名にしないため。
AFFILIATION_NAME_RE = re.compile(
    rf"(?P<value>(?P<affiliation>{_ORG}{_DEPT})\s*(?:(?:の)?\s*{_TITLE}\s*(?:・|の|\s)?|・)\s*(?P<name>{_NAME})(?:さん|氏|様|先生))"
)
# 個人名だけ（ラベル文脈）。かな名も許可し、フォームの定型語は除外する。
_NAME_TOKEN = r"[一-龥々ぁ-ゖァ-ヶー]{1,8}"
NAME_CONTEXT_RE = re.compile(
    r"(?:氏名|お名前|名前|担当者|代表者|名義人?)\s*[:：]\s*"
    rf"(?P<value>{_NAME_TOKEN}(?:\s*{_NAME_TOKEN})?)"
)
NAME_STOPWORDS = {"必須", "任意", "未定", "なし", "不明", "非公開", "匿名", "ニックネーム", "ハンドルネーム", "例", "未入力", "空欄", "入力"}
# 欧文氏名は署名（by / Author / 執筆者）か敬称（Mr. / Dr.）の文脈に限る。単独の「John Smith」は地名・商品名と区別できないため対象外。
LATIN_NAME_RE = re.compile(
    r"(?:(?i:\bby|\bauthor|\bwritten by|\bphoto by|\btext by|\bposted by)|執筆者|著者|文責|撮影|取材|記者|翻訳|監修)\s*[:：]?\s*"
    r"(?P<value>(?:(?:Mr|Ms|Mrs|Dr|Prof)\.?\s+)?[A-Z][a-z]+(?:\s[A-Z]\.?)?\s[A-Z][a-z]+(?:\s[A-Z][a-z]+)?)"
    r"|(?P<value2>(?:Mr|Ms|Mrs|Dr|Prof)\.\s+[A-Z][a-z]+(?:\s[A-Z][a-z]+)?)"
)
BANK_CONTEXT_RE = re.compile(
    r"(?:口座番号|口座|振込先|銀行口座)\D{0,20}(?P<value>\d{7})(?!\d)"
)
# URL では数字列がIDであることが多く、番号系の検出は行わない（メール・電話のみ）。
URL_EXCLUDED_TYPES = frozenset({"my_number", "credit_card", "bank_account"})


def _has_context(text: str, position: int, pattern: re.Pattern[str], window: int) -> bool:
    """position の直前 window 文字以内に pattern があるか。"""

    return pattern.search(text, max(0, position - window), position) is not None


# --- 形態素解析による人名検出 -------------------------------------------------
# SudachiPy（Apache-2.0）の辞書は姓・名を「名詞,固有名詞,人名,姓／名」として持つ。
# 姓＋名の連続、または敬称・役割ラベル付きの単独人名を候補にし、所属・役職の文脈が
# 近くにあれば「個人名＋所属」、敬称・役割ラベルがあれば「個人名」として置換する。
# 文脈のない裸の姓名（「尾田栄一郎はどんな人」）は既定では置換せず、件数だけ数える。
HONORIFIC_AFTER_RE = re.compile(r"(?:さん|氏|様|先生|くん|君|ちゃん|さま)")
# 役割ラベル。1文字の語（文・絵・訳・作・画）は「名作」「原作」を拾わないよう、区切り文字か行頭の直後に限る。
# 出演・司会は俳優・司会者（公人）を指すため含めない。
ROLE_LABEL_BEFORE_RE = re.compile(
    r"(?:(?:執筆者|執筆|著者|文責|記者|編集者|担当者?|講師|監修|取材|撮影|翻訳|写真|(?i:by))|(?:^|[\s、,:：・/｜|(（【\[])(?:文|絵|訳|作|画))\s*[:：=]?\s*$",
)
TITLE_CONTEXT_RE = re.compile(
    r"(?:代表取締役|取締役|社長|副社長|会長|副会長|理事長|理事|専務|常務|執行役員|部長|次長|課長|係長|主任|所長|院長|校長|園長|館長|局長|"
    r"教授|准教授|助教|講師|研究員|主席|主幹|(?i:ceo|cto|coo|cfo)|マネージャー|ディレクター|プロデューサー|エンジニア|デザイナー|コンサルタント|"
    r"アナリスト|弁護士|税理士|会計士|司法書士|行政書士|社労士|医師|看護師|薬剤師|"
    r"代表|担当|職員|社員|スタッフ|広報|主宰|オーナー|店長|支配人|学長|総長|会員|委員長|委員)"
    # 監督・選手・議員・市長・知事・大臣など公人を示す役職は含めない（公人名は学習データとして保持する）。
)
NAME_CONTEXT_WINDOW = 25
_SENTENCE_BREAK_RE = re.compile(r"[。！？!?\n]")


def _same_sentence_window(text: str, start: int, end: int, window: int) -> tuple[str, str]:
    """氏名の前後 window 文字のうち、同じ文（句点・改行で区切られない範囲）だけを返す。"""

    before = text[max(0, start - window):start]
    after = text[end:end + window]
    breaks = list(_SENTENCE_BREAK_RE.finditer(before))
    if breaks:
        before = before[breaks[-1].end():]
    cut = _SENTENCE_BREAK_RE.search(after)
    if cut:
        after = after[:cut.start()]
    return before, after


class SudachiNameFinder:
    """本文から人名の範囲（姓＋名の連続、または単独の姓・名）を返す。"""

    CHUNK_CHARS = 8000  # Sudachi の入力上限（49,149バイト）に収める

    def __init__(self) -> None:
        from sudachipy import Dictionary, SplitMode

        self._tokenizer = Dictionary(dict="core").create()
        self._mode = SplitMode.A

    def _chunks(self, text: str):
        start = 0
        while start < len(text):
            end = min(len(text), start + self.CHUNK_CHARS)
            if end < len(text):
                newline = text.rfind("\n", start + self.CHUNK_CHARS // 2, end)
                if newline > 0:
                    end = newline + 1
            yield start, text[start:end]
            start = end

    def find(self, text: str) -> list[tuple[int, int, str]]:
        """(start, end, kind) を返す。kind は ``pair``（姓＋名）か ``single``。"""

        spans: list[tuple[int, int, str]] = []
        for offset, piece in self._chunks(text):
            run: list[tuple[int, int, str]] = []  # (start, end, 姓/名/一般)

            def flush() -> None:
                if not run:
                    return
                kinds = [kind for _, _, kind in run]
                start, end = run[0][0], run[-1][1]
                if "姓" in kinds and "名" in kinds and kinds.index("姓") < len(kinds) - 1:
                    spans.append((start, end, "pair"))
                elif len(run) >= 2 and end - start >= 3:
                    spans.append((start, end, "pair"))
                elif end - start >= 2:
                    spans.append((start, end, "single"))
                run.clear()

            pending_connector = False
            for morpheme in self._tokenizer.tokenize(piece, self._mode):
                pos = morpheme.part_of_speech()
                surface = morpheme.surface()
                if pos[2] == "人名":
                    run.append((offset + morpheme.begin(), offset + morpheme.end(), pos[3]))
                    pending_connector = False
                elif run and not pending_connector and (pos[0] == "空白" or surface in ("・", "･", "=", "＝")):
                    # 「山田 太郎」「ジョン・スミス」の空白・中黒は1つだけ連結として扱う
                    pending_connector = True
                else:
                    flush()
                    pending_connector = False
            flush()
        return spans


def _digits(value: str) -> str:
    return "".join(char for char in value if char.isdigit())


def _valid_phone(value: str) -> bool:
    digits = _digits(value)
    if value.startswith("+81"):
        digits = "0" + digits[2:]
    if len(digits) not in {10, 11} or not digits.startswith("0"):
        return False
    if digits.startswith(("070", "080", "090")):
        return len(digits) == 11
    return digits[1] in "123456789" and len(digits) in {10, 11}


def _overlap(first: PIIMatch, second: PIIMatch) -> bool:
    return first.start < second.end and second.start < first.end


def _select_non_overlapping(matches: Iterable[PIIMatch]) -> list[PIIMatch]:
    """重なった候補は、長く信頼度の高い候補を優先して1回だけ置換する。"""

    confidence_rank = {"high": 2, "medium": 1, "low": 0}
    ordered = sorted(
        matches,
        key=lambda item: (
            item.start,
            -(item.end - item.start),
            -confidence_rank.get(item.confidence, 0),
        ),
    )
    selected: list[PIIMatch] = []
    for candidate in ordered:
        if any(_overlap(candidate, existing) for existing in selected):
            continue
        selected.append(candidate)
    return sorted(selected, key=lambda item: (item.start, item.end, item.pii_type))


class PIIDetector:
    """URLと本文から指定7種類だけを検出し、プレースホルダーへ置換する。"""

    def __init__(
        self,
        include_url: bool = True,
        use_sudachi: bool = True,
        mask_honorific_names: bool = False,
        mask_bare_names: bool = False,
        name_context_window: int = NAME_CONTEXT_WINDOW,
        affiliation_titles: bool = True,
    ) -> None:
        self.include_url = include_url
        self.use_sudachi = use_sudachi
        self.name_context_window = name_context_window
        # 既定では組織名（法人格・組織語尾）と役職語（代表取締役、教授等）の両方を所属文脈とする。
        # 組織名だけに狭める場合は affiliation_titles=False（CLI: --no-affiliation-titles）。
        self.affiliation_titles = affiliation_titles
        self.mask_honorific_names = mask_honorific_names
        self.mask_bare_names = mask_bare_names
        self._names: SudachiNameFinder | None = None
        # 置換しなかった姓名の件数（方針判断用）。敬称のみ／文脈なし。
        self.honorific_name_candidates = 0
        self.honorific_name_records = 0
        self.bare_name_candidates = 0
        self.bare_name_records = 0

    def _name_finder(self) -> SudachiNameFinder:
        if self._names is None:
            self._names = SudachiNameFinder()
        return self._names

    def _detect_names(self, normalized: str, field: str) -> list[PIIMatch]:
        matches: list[PIIMatch] = []
        bare = 0
        honorific_only = 0
        for start, end, kind in self._name_finder().find(normalized):
            value = normalized[start:end]
            before, after = _same_sentence_window(normalized, start, end, self.name_context_window)
            honorific = HONORIFIC_AFTER_RE.match(normalized, end) is not None
            role = ROLE_LABEL_BEFORE_RE.search(normalized[max(0, start - 16):start]) is not None
            affiliated = bool(_ORG_RE.search(before) or _ORG_RE.search(after))
            if not affiliated and self.affiliation_titles:
                affiliated = bool(TITLE_CONTEXT_RE.search(before) or TITLE_CONTEXT_RE.search(after))
            if affiliated and (kind == "pair" or honorific or role):
                matches.append(PIIMatch("person_affiliation", field, start, end, value, "sudachi_name_affiliation", "medium"))
            elif role:
                matches.append(PIIMatch("person_name", field, start, end, value, "sudachi_name_role", "medium"))
            elif honorific:
                # 「○○さん」だけでは私人か公人（俳優、作家、選手）か区別できないため、既定では置換しない。
                if self.mask_honorific_names:
                    matches.append(PIIMatch("person_name", field, start, end, value, "sudachi_name_honorific", "low"))
                else:
                    honorific_only += 1
            elif kind == "pair":
                if self.mask_bare_names:
                    matches.append(PIIMatch("person_name", field, start, end, value, "sudachi_name_bare", "low"))
                else:
                    bare += 1
        if honorific_only:
            self.honorific_name_candidates += honorific_only
            self.honorific_name_records += 1
        if bare:
            self.bare_name_candidates += bare
            self.bare_name_records += 1
        return matches

    @staticmethod
    def _looks_like_phone(value: str) -> bool:
        """住所候補の末尾が電話番号（区切り付き10桁以上）なら住所とみなさない。"""

        tail = re.search(r"(\d+(?:\s?[-－‐ー]\s?\d+)+)\s*$", value)
        if not tail:
            return False
        digits = _digits(tail.group(1))
        return len(digits) >= 9 and "丁目" not in value[-20:] and "番" not in value[-20:]

    def detect(self, text: Any, field: str = "content") -> list[PIIMatch]:
        normalized = normalize_text(text)
        if not normalized:
            return []
        matches: list[PIIMatch] = []

        def add(
            pattern: re.Pattern[str],
            pii_type: str,
            method: str,
            confidence: str = "high",
            group: str | None = None,
        ) -> None:
            for found in pattern.finditer(normalized):
                value = found.group(group) if group else found.group(0)
                start = found.start(group) if group else found.start()
                end = found.end(group) if group else found.end()
                matches.append(PIIMatch(pii_type, field, start, end, value, method, confidence))

        add(EMAIL_RE, "email", "regex_email")
        for found in PHONE_SEPARATED_RE.finditer(normalized):
            value = found.group("value")
            if _valid_phone(value):
                matches.append(PIIMatch("phone", field, found.start("value"), found.end("value"), value, "regex_phone"))
        for found in PHONE_MOBILE_RE.finditer(normalized):
            if _valid_phone(found.group(0)):
                matches.append(PIIMatch("phone", field, found.start(), found.end(), found.group(0), "regex_phone"))
        for found in PHONE_PLAIN_RE.finditer(normalized):
            if _valid_phone(found.group(0)):
                matches.append(PIIMatch("phone", field, found.start(), found.end(), found.group(0), "regex_phone"))
        for found in PHONE_CONTEXT_RE.finditer(normalized):
            value = found.group("value")
            if _valid_phone(value):
                matches.append(PIIMatch("phone", field, found.start("value"), found.end("value"), value, "context_phone", "medium"))

        if field != "url":
            for found in MY_NUMBER_RE.finditer(normalized):
                value = found.group(0)
                if not is_valid_mynumber(value):
                    continue
                if _has_context(normalized, found.start(), NUMBER_NEGATIVE_CONTEXT_RE, 20):
                    continue
                # 区切り書式だけでは数表・型番を誤検出するため、マイナンバーはラベル文脈を必須にする。
                if _has_context(normalized, found.start(), MY_NUMBER_CONTEXT_RE, 40):
                    matches.append(PIIMatch("my_number", field, found.start(), found.end(), value, "checksum_mynumber"))
            for found in CARD_RE.finditer(normalized):
                value = found.group(0)
                if not is_valid_luhn(value) or len(_digits(value)) == 12:
                    continue
                if _has_context(normalized, found.start(), NUMBER_NEGATIVE_CONTEXT_RE, 20):
                    continue
                labeled = _has_context(normalized, found.start(), CARD_CONTEXT_RE, 40)
                grouped = not value.isdigit()
                if labeled or grouped:
                    matches.append(PIIMatch("credit_card", field, found.start(), found.end(), value, "checksum_luhn", "high" if labeled else "medium"))

        patterns = [
            (ADDRESS_RE, "address", "regex_address"),
            (ADDRESS_CITY_RE, "address", "regex_address_city"),
            (ADDRESS_CONTEXT_RE, "address", "context_address"),
            (NAME_AFFILIATION_LABEL_RE, "person_affiliation", "context_name_affiliation"),
            (NAME_AFFILIATION_SUFFIX_RE, "person_affiliation", "context_name_affiliation"),
            (AFFILIATION_NAME_RE, "person_affiliation", "context_affiliation_name"),
        ]
        if field != "url":
            patterns.append((BANK_CONTEXT_RE, "bank_account", "context_bank_account"))
        for pattern, pii_type, method in patterns:
            add(pattern, pii_type, method, "medium", "value")
        matches = [m for m in matches if not (m.pii_type == "address" and self._looks_like_phone(m.value))]
        if self.use_sudachi and field != "url":
            matches.extend(self._detect_names(normalized, field))
        for found in LATIN_NAME_RE.finditer(normalized):
            group = "value" if found.group("value") else "value2"
            matches.append(PIIMatch("person_name", field, found.start(group), found.end(group), found.group(group), "context_latin_name", "medium"))
        for found in NAME_CONTEXT_RE.finditer(normalized):
            value = found.group("value")
            if value in NAME_STOPWORDS or value.split()[0] in NAME_STOPWORDS:
                continue
            matches.append(PIIMatch("person_name", field, found.start("value"), found.end("value"), value, "context_name", "medium"))

        # 同一type・同一位置の重複を除き、出現順に返す。重複範囲は検出結果として
        # 残すが、置換時には _select_non_overlapping で一つにまとめる。
        unique: dict[tuple[str, str, int, int], PIIMatch] = {}
        for match in matches:
            unique[(match.pii_type, match.field, match.start, match.end)] = match
        return sorted(unique.values(), key=lambda item: (item.start, item.end, item.pii_type))

    def detect_record(self, url: Any, content: Any) -> list[PIIMatch]:
        matches: list[PIIMatch] = []
        if self.include_url:
            matches.extend(self.detect(url, "url"))
        matches.extend(self.detect(content, "content"))
        return matches

    def replace_text(self, text: Any, field: str = "content") -> tuple[str, list[PIIMatch]]:
        """PIIをプレースホルダーに置換し、実際に置換した候補を返す。

        NFKC正規化後の文字列を返すため、全角のメールアドレス等も一貫した
        表記になる。検出位置は返却文字列（置換前のNFKC文字列）に対応する。
        """

        normalized = normalize_text(text)
        if not normalized:
            return normalized, []
        selected = _select_non_overlapping(self.detect(normalized, field))
        replaced = normalized
        for match in reversed(selected):
            replaced = replaced[: match.start] + match.placeholder + replaced[match.end :]
        return replaced, selected

    def replace_record(self, url: Any, content: Any) -> tuple[str, str, list[PIIMatch]]:
        replaced_url, url_matches = (self.replace_text(url, "url") if self.include_url else (normalize_text(url), []))
        replaced_content, content_matches = self.replace_text(content, "content")
        return replaced_url, replaced_content, url_matches + content_matches


def matches_to_dict(matches: Iterable[PIIMatch]) -> list[dict[str, Any]]:
    return [match.to_dict() for match in matches]