Update app.py

app.py

@@ -38,13 +38,13 @@ def extract_names(text):
             if len(name) >= 2 and name not in names:
                 names.append(name)
 
+    # 붙임형 직함 기반
     title_suffixes = [
         '대표', '이사', '전무', '상무', '부장', '차장', '과장', '대리', '사원', '실장', '팀장', '소장', '국장', '본부장',
         '선생님', '교사', '교장', '교감', '부교장', '조교수', '교수', '연구원', '박사', '석사', '학사',
         '학생', '고등학생', '중학생', '초등학생', '학부모', '수험생',
         '주임', '총무', '회장', '부회장', '사무장', '간호사', '의사', '원장', '기사님', '매니저', '지점장'
     ]
-
     pattern = r'\b([가-힣]{2,4})(' + '|'.join(title_suffixes) + r')\b'
     matches = re.findall(pattern, text)
     for match in matches:
@@ -52,6 +52,25 @@ def extract_names(text):
         if name not in names:
             names.append(name)
 
+    # 띄어쓰기 있는 지칭어 형태에서도 이름 추출
+    honorific_suffixes = [
+        '어머니', '아버지', '엄마', '아빠', '할머니', '할아버지', '외할머니', '외할아버지',
+        '형', '누나', '언니', '오빠', '동생', '아들', '딸',
+        '이모', '고모', '삼촌', '숙모', '외삼촌', '고모부', '이모부', '조카', '사촌',
+        '남편', '아내', '부인', '와이프', '신랑', '장모', '장인', '사위', '며느리',
+        '올케', '형수', '제수씨', '매형', '처제', '시누이',
+        '대표', '사장', '부장', '차장', '과장', '대리', '주임', '직원', '팀장', '실장', '원장', '이사',
+        '선생님', '선생', '교사', '교장', '교감', '조교수', '교수', '연구원', '강사', '학부모',
+        '학생', '수험생', '초등학생', '중학생', '고등학생',
+        '의사', '간호사', '간병인', '보호자', '피해자', '당사자', '대상자', '주민'
+    ]
+    spaced_pattern = r'\b([가-힣]{2,4})\s+(' + '|'.join(honorific_suffixes) + r')\b'
+    spaced_matches = re.findall(spaced_pattern, text)
+    for match in spaced_matches:
+        name = match[0]
+        if name not in names:
+            names.append(name)
+
     return names
 
 def refactored_mask_names(original_text, names, start_counter=100):
@@ -95,97 +114,3 @@ def to_chosung(text):
         else:
             result += ch
     return result
-
-def mask_department(text):
-    text = re.sub(r"([가-힣]{2,20}학과)", lambda m: to_chosung(m.group(1)[:-2]) + "학과", text)
-    return text
-
-def mask_general_human_terms(text):
-    human_terms = [
-        '엄마', '아빠', '어머니', '아버지', '부모', '부모님', '자식', '아들', '딸',
-        '할아버지', '할머니', '외할아버지', '외할머니',
-        '형', '누나', '오빠', '언니', '동생', '형제', '자매',
-        '이모', '고모', '삼촌', '외삼촌', '숙모', '고모부', '이모부', '조카', '손자', '손녀', '사촌',
-        '사위', '며느리', '장모', '장인', '처제', '시누이', '형수', '제수씨', '매형', '올케',
-        '아동', '아이', '피해자', '당사자', '보호자', '가족',
-        r'[가-힣]{1,3}씨', r'[가-힣]{1,3}님', r'[가-힣]{1,3}양', r'[가-힣]{1,3}군', r'[가-힣]{1,3}어르신'
-    ]
-
-    for term in human_terms:
-        pattern = rf'\b{term}\b'
-        text = re.sub(pattern, '○○○', text)
-
-    return text
-
-def sanitize_sensitive_info(text, keyword_string, replace_word):
-    text = mask_school_names(text)
-    text = mask_department(text)
-    text = mask_general_human_terms(text)
-
-    text = re.sub(r"(\d)학년(\s?(\d)반)?", lambda m: "*학년" + (" *반" if m.group(3) else ""), text)
-    text = re.sub(r"(\d)학년\s?(\d)반", r"*학년 *반", text)
-
-    keywords = [k.strip() for k in keyword_string.split(",") if k.strip()]
-    for kw in keywords:
-        pattern = rf"\b{re.escape(kw)}\b"
-        text = re.sub(pattern, replace_word, text, flags=re.IGNORECASE)
-    text = re.sub(r"(\d{3})-(\d{4})-(\d{4})", r"\1-****-\3", text)
-    text = re.sub(r"(\d{4})년 (\d{1,2})월 (\d{1,2})일", r"19**년 \2월 *일", text)
-    text = re.sub(r"(\d{1,3})번지", r"***번지", text)
-    text = re.sub(r"(\d{1,3})동", r"***동", text)
-    text = re.sub(r"(\d{1,4})호", r"****호", text)
-    text = re.sub(r"[\w\.-]+@[\w\.-]+", r"******@****", text)
-    text = re.sub(r"(\d{6})[-](\d)\d{6}", r"*******-\2*****", text)
-    text = re.sub(r"([가-힣]+(대로|로|길))\s?(\d+)(호|번길|가)?", r"\1 ***", text)
-    text = re.sub(r"(\d{2,6})[-]?(\d{2,6})[-]?(\d{2,6})",
-                  lambda m: f"{m.group(1)[:2]}{'*'*(len(m.group(1))-2)}{'*'*len(m.group(2))}{m.group(3)[-4:]}", text)
-    text = re.sub(r"(\d{4})[- ]?(\d{4})[- ]?(\d{4})[- ]?(\d{4})",
-                  lambda m: f"{m.group(1)}-****-****-{m.group(4)}", text)
-    text = re.sub(r"(\d{1,3})\.(\d{1,3})\.(\d{1,3})\.(\d{1,3})",
-                  lambda m: f"{m.group(1)}.{m.group(2)}.*.*", text)
-    text = re.sub(r"([가-힣]{1,10})(은행|동|로|길)\s?([\d\-]{4,})",
-                  lambda m: m.group(1) + m.group(2) + " " + re.sub(r"\d", "*", m.group(3)), text)
-
-    return text
-
-def final_name_remask_exact_only(text, mapping_dict):
-    for tag, name in mapping_dict.items():
-        pattern = rf'(?<![\w가-힣]){re.escape(name)}(?![\w가-힣])'
-        text = re.sub(pattern, tag, text)
-    return text
-
-def apply_masking(text, keywords, replace_word):
-    names = extract_names(text)
-    masked, mapping = refactored_mask_names(text, names)
-    sanitized = sanitize_sensitive_info(masked, keywords, replace_word)
-    sanitized = final_name_remask_exact_only(sanitized, mapping)
-    mapping_table = "\n".join([f"{k} → {v}" for k, v in mapping.items()])
-    return sanitized, mapping_table
-
-def remask_with_mapping(text, mapping_string):
-    mapping = {}
-    for line in mapping_string.strip().split("\n"):
-        if "→" in line:
-            tag, name = line.split("→")
-            mapping[tag.strip()] = name.strip()
-    for tag, name in mapping.items():
-        pattern = rf'(?<![\w가-힣]){re.escape(name)}(?![\w가-힣])'
-        text = re.sub(pattern, tag, text)
-    return text
-
-with gr.Blocks() as demo:
-    gr.Markdown("""
-🛡️ **민감정보 마스킹 [땡땡이 마스킹]**  
-이름 + 민감정보 + 초/중/고 마스킹기 (초성 기반)
-⚠️ *완벽하지 않을 수 있습니다. 반드시 직접 최종 점검하세요.*
-""")
-    input_text = gr.Textbox(lines=15, label="📥 원본 텍스트 입력")
-    keyword_input = gr.Textbox(lines=1, label="기관 키워드 (쉼표로 구분)", value="굿네이버스, good neighbors, gn, 사회복지법인 굿네이버스")
-    replace_input = gr.Textbox(lines=1, label="치환할 텍스트", value="우리기관")
-    run_button = gr.Button("🚀 마스킹 실행")
-    masked_output = gr.Textbox(lines=15, label="🔐 마스킹된 텍스트")
-    mapping_output = gr.Textbox(lines=10, label="🏷️ 이름 태그 매핑", interactive=False)
-
-    run_button.click(fn=apply_masking, inputs=[input_text, keyword_input, replace_input], outputs=[masked_output, mapping_output])
-
-demo.launch()