Update pipelines/anonymize.py

pipelines/anonymize.py

@@ -5,7 +5,6 @@ from reportlab.lib.pagesizes import A4
 from reportlab.lib.units import mm
 import io
 
-
 EMAIL_RE = re.compile(r"[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}")
 PHONE_RE = re.compile(r"(?:\+?\d{1,3}[ -]?)?(?:\(\d{2,4}\)[ -]?)?\d{2,4}[ -]?\d{2,4}[ -]?\d{3,4}")
 NAME_LINE_RE = re.compile(r"^(?:氏名|Name)\s*[:：]?\s*(.+)$", re.MULTILINE)
@@ -22,26 +21,19 @@ def _unique(seq: List[str]) -> List[str]:
 
 
 def anonymize_text(text: str) -> Tuple[str, Dict[str, str]]:
-    """
-    氏名・メール・電話を難読化。置換マップも返す。
-    - 氏名： '氏名: 山田太郎' / 'Name: Taro Yamada' などの行を検出
-    - メール/電話：正規表現で検出
-    """
     replace_map: Dict[str, str] = {}
 
     # emails
     emails = _unique(EMAIL_RE.findall(text))
     for i, e in enumerate(emails, start=1):
-        token = f"<EMAIL_{i}>"
-        replace_map[e] = token
+        replace_map[e] = f"<EMAIL_{i}>"
 
     # phones
     phones = _unique([p.strip() for p in PHONE_RE.findall(text)])
     for i, p in enumerate(phones, start=1):
-        token = f"<PHONE_{i}>"
-        replace_map[p] = token
+        replace_map[p] = f"<PHONE_{i}>"
 
-    # names (line-based)
+    # names
     names = []
     for m in NAME_LINE_RE.finditer(text):
         nm = m.group(1).strip()
@@ -49,25 +41,16 @@ def anonymize_text(text: str) -> Tuple[str, Dict[str, str]]:
             names.append(nm)
     names = _unique(names)
     for i, n in enumerate(names, start=1):
-        # 長すぎる場合を適当にトリム
-        n_short = n[:80]
-        replace_map[n_short] = f"<NAME_{i}>"
+        replace_map[n[:80]] = f"<NAME_{i}>"
 
-    # 置換（長い文字列から先に）
-    def _repl_all(t: str, mapping: Dict[str, str]) -> str:
-        for k in sorted(mapping.keys(), key=len, reverse=True):
-            t = t.replace(k, mapping[k])
-        return t
+    # 置換（長いキーから）
+    for k in sorted(replace_map.keys(), key=len, reverse=True):
+        text = text.replace(k, replace_map[k])
 
-    anonymized = _repl_all(text, replace_map)
-    return anonymized, replace_map
+    return text, replace_map
 
 
 def render_anonymized_pdf(text: str) -> bytes:
-    """
-    単純にA4 1カラムでテキストを書き出す簡易PDF。
-    （元PDFのレイアウト再現は行わないが、“匿名化済み本文”を配布できる）
-    """
     buf = io.BytesIO()
     c = canvas.Canvas(buf, pagesize=A4)
     width, height = A4
@@ -81,13 +64,11 @@ def render_anonymized_pdf(text: str) -> bytes:
     c.setFont("Helvetica", 10)
 
     for line in text.splitlines():
-        # 改ページ
         if y < 20 * mm:
             c.showPage()
             c.setFont("Helvetica", 10)
             y = top
-        # 長い行を適当に折り返し
-        max_chars = 110  # おおよその幅
+        max_chars = 110
         if len(line) <= max_chars:
             c.drawString(x, y, line)
             y -= line_height