Анонимизировать данные в Excel

Question

У меня есть файл Excel с данными обучения. В столбце A он содержит неструктурированные электронные письма от клиентов (1 электронное письмо / ячейка), тогда как в других столбцах он содержит другие вещи. Я должен анонимировать адреса электронной почты, почтовые адреса, имена отправителей / получателей и номера телефонов для каждого письма в столбце А.

Я думал о том, чтобы преобразовать ячейки в фреймы данных с помощью панд Python. Любая идея?

Спасибо

Answer 1

Читайте данные в python, как вам нравится, а затем используйте регулярные выражения для замены строк.

Например, вы получили список только с почтовыми адресами r:r = "[e-mail]"

Теперь вы можете import re и использовать re.sub() с подходящим рисунком. Для писем я взял One от сообщества regexr.com, и все могло выглядеть примерно так:

import re r = "[e-mail]" p = re.sub("[a-z0-9!#$%&'*+/=?^_`{|}~-]+(?:\.[a-z0-9!#$%&'*+/=?^_`{|}~-]+)*@(?:[a-z0-9](?:[a-z0-9-]*[a-z0-9])?\.)+[a-z0-9](?:[a-z0-9-]*[a-z0-9])?", "***MAIL***", r) print(p)

Результат:>>> print(p) ***MAIL***

Answer 2

Как только вы конвертируете данные в файлы Excel (лично у меня нет большого опыта, но я использовал https://pypi.org/project/xlrd/ как мне кажется), фильтры предварительной обработки текстовых сообщений могут помочь вам анонимизировать содержание:textacy.preprocess.preprocess_text ICW no_emails, no_phone_numbersи т. д. ( https://chartbeat-labs.github.io/textacy/api_reference.html)