Kurrikulum Leson 89 van 156 · Privaat KI
Privaat KI

Redigeer voordat dit uitgaan

Waarom dit saak maak Soms het jy wel 'n cloud AI nodig, of 'n support ticket, of 'n log file wat met 'n kollega gedeel word. Redaksie beteken dat jy die persoonlike besonderhede eerste verwyder. Wat jou toestel verlaat is dan die nuttige deel, nie die private deel nie. Jy gaan 'n klein redactor bou wat jy werklik kan gebruik.

Die swart merker

Voor jy 'n dokument deel, het mense gewoonlik name en nommers met 'n dik swart merker oorgeskryf. Redaksie in kode is dieselfde idee: vind die persoonlike dele en vervang hulle met 'n plekhouer soos [EMAIL], sodat die leser steeds weet something was daar sonder om te leer wat dit was.

Redaction: vervang sensitiewe dele van 'n teks met plekhouers voordat die teks gedeel word.

Persoonlike data: enigiets wat na 'n regte persoon verwys, soos 'n naam, e-posadres, telefoonnommer of rekeningnommer.

'n nuwe hulpmiddel: regular expressions

Om "enigiets wat soos 'n e-pos lyk" te vind, het ons 'n manier nodig om 'n vorm van teks te beskryf, nie een spesifieke teks nie. Dit is wat 'n regular expression (regex kortliks) doen. Python se ingeboude re module hanteer hulle.

Regulêre uitdrukking: 'n klein patroontaal om die vorm van teks te beskryf. \d beteken "een syfer", + beteken "een of meer van die ding voor", en [A-Za-z] beteken "een letter".

Hier is die enigste dele wat jy vandag nodig het:

StukBetekenVoorbeeld van ooreenstemming
\done syfer7
\sone spasie (of tab, of nuwe reël)
[abc]enige een van die karakters binneb
+one of meer van die vorige stuk\d+ stem ooreen met 2026
{6,}ses of die vorige stuk\d{6,} stem ooreen met 1234567
?die vorige stuk is opsioneel\+? pas 'n plus-sein of niks nie
\ba woordgrens (begin of of einde van 'n woord)\bAnn\b skuif "Annual"

Twee funksies doen die werk. re.sub(pattern, replacement, text) gee 'n nuwe teks terug met elke ooreenstemming vervang. En in plaas van 'n vaste vervanging kan jy 'n function gee: Python roep dit vir elke ooreenstemming en gebruik wat dit teruggee. Dit laat jou besluit per ooreenstemming neem.

import re

EMAIL_RE = re.compile(r"[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}")
print(EMAIL_RE.sub("[EMAIL]", "Write to maya@shopa.example today"))
# Write to [EMAIL] today

def shout(match):
    return match.group(0).upper()   # group(0) is the matched text

print(re.sub(r"\bcat\b", shout, "cat and category"))
# CAT and category

Die r"..." voor die patroon is 'n raw string: dit vertel Python om backslashes alleen te laat sodat die regex dit sien. re.compile verander 'n patroon in 'n herbruikbare objek; jy kan ook die patroonstring direk na re.sub stuur.

Die moeilike een: telefoonnommers

Telefoonnommers kom in baie vorme: +44 7700 900123, (555) 010-4477, 555.010.9988. 'n Los patroon vang hulle almal, maar dit vang ook dates soos 2026-10-30. Die truc is twee stappe: pas los by, dan tel die syfers in 'n funksie. Die meeste volledige telefoonnommers het 9 of meer syfers, terwyl 'n datum soos hierdie 8 het, so in hierdie les gebruik ons "9 of meer syfers" as ons reël. As 'n pas te min syfers het, gee dit onveranderd terug. Regte redaktore het meer sorg nodig, want sommige lande gebruik korter nommers.

A algemene wanbeleefdheid

"Redaksie maak teks anoniem." Dit verwyder die duidelike identifikasies, maar konteks kan iemand steeds verklik: "die enigste linkshandige verpleegster op afdeling 3" noem niemand nie en wys tog na een persoon. Redaksie verlaag die risiko; dit verwyder dit nie. Oor-redaksie (om 'n lang bestelnommer asof dit 'n telefoonnommer was te verberg) is die veilige soort fout.)

In ander tale

JavaScript: dieselfde regex werk, en replace aanvaar ook 'n function.

const EMAIL = /[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}/g;
const PHONE = /\+?\(?\d[\d\s().-]{6,}\d/g;
function redact(text) {
  text = text.replace(EMAIL, "[EMAIL]");
  return text.replace(PHONE, m => (m.match(/\d/g).length >= 9 ? "[PHONE]" : m));
}

Go: die regexp pakket het ReplaceAllStringFunc.

phone := regexp.MustCompile(`\+?\(?\d[\d\s().-]{6,}\d`)
out := phone.ReplaceAllStringFunc(text, func(m string) string {
    n := 0
    for _, c := range m { if c >= '0' && c <= '9' { n++ } }
    if n >= 9 { return "[PHONE]" }
    return m
})

Opsomming

  • Redaksie vervang persoonlike besonderhede met plekhouers voordat teks jou toestel verlaat.
  • Regulêre uitdrukkings beskryf die vorm van teks; re.sub vervang elke ooreenstemming.
  • Om 'n function na re.sub te stuur laat jou besluit neem per ooreenstemming, byvoorbeeld deur syfers te tel.
  • Redaksie verminder risiko maar maak nie teks anoniem nie; konteks kan mense steeds identifiseer.
Jou beurt

Skryf 'n funksie redact(text, names=()) wat 'n nuwe string teruggee waar:

  1. elke e-posadres word vervang met [EMAIL];
  2. elke foonnommer word vervang met [PHONE]. Behandel enige reeks wat begin met 'n opsionele + of (, dan 'n syfer, voortgaan met syfers, spasies, punte, strepe of hakies, eindig met 'n syfer, en ten min 9 syfers bevat as 'n foonnommer. Reekse met minder syfers (datums soos 2026-10-30, tye, pryse) bly soos hulle is;
  3. elke naam in names word vervang met [NAME], ongeag hoofletters of kleinletters, maar net as 'n hele woord (die naam Ann mag nie "Annual" verander nie).
Vervang e-posse eerste, dan fone, dan name. Alles anders in die teks moet presies dieselfde bly. Om redact twee keer te hardloop moet dieselfde resultaat gee as om dit een keer te hardloop. Aan die einde, print redact("Call Maya on +44 7700 900123 or maya@shopa.example", ["Maya"]).

Sien jy 'n probleem in hierdie les? Rapporteer dit · Vra oor hierdie les

Hierdie oefening open binnekort

Voltooi die lesie voor dit en hierdie een sal ontvanklik wees. Die hele kursus is gratis, geen rekening nodig nie, en jy kan hierdie les nou lees.