Domi31tls
92557d4e74
Anonymise toutes les références à des entités réelles (CHCB, Bayonne, Saint-Denis, Réunion, etc.) dans le code source, les configurations YAML, les scripts/outils, et les tests unitaires. Conserve les tests synthétiques (cases) intentionnels. - profile key chcb_strict → chuxx_strict - CHCB → CHUXX, Bayonne → Chicago, Saint-Denis → Springfield, Réunion → Province Bêta, 64100/97400 → 12345, FINESS → 999999999, préfixe tél 05.59.44 → 0X.XX.XX - renomme tools/test_chcb_leak.py → tools/test_force_term_leak.py Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
40 lines
1.3 KiB
Python
40 lines
1.3 KiB
Python
#!/usr/bin/env python3
|
|
"""Compare un document original avec sa version anonymisée."""
|
|
|
|
import sys
|
|
from pathlib import Path
|
|
sys.path.insert(0, str(Path(__file__).parent.parent))
|
|
|
|
import pdfplumber
|
|
|
|
# Document original
|
|
original_pdf = Path("/home/dom/Téléchargements/II-1 Ctrl_T2A_2025_CHUXX_DocJustificatifs/102_23056463/CRH 23056364.pdf")
|
|
anonymized_txt = Path("/home/dom/Téléchargements/II-1 Ctrl_T2A_2025_CHUXX_DocJustificatifs/anonymise/CRH 23056364.pseudonymise.txt")
|
|
|
|
print("="*80)
|
|
print("COMPARAISON ORIGINAL vs ANONYMISÉ")
|
|
print("="*80)
|
|
|
|
# Extraire texte original
|
|
print("\n📄 Extraction du texte original...")
|
|
with pdfplumber.open(original_pdf) as pdf:
|
|
original_text = "\n".join([page.extract_text() or "" for page in pdf.pages])
|
|
|
|
# Lire texte anonymisé
|
|
with open(anonymized_txt, 'r', encoding='utf-8') as f:
|
|
anonymized_text = f.read()
|
|
|
|
print(f"\n📊 Longueur texte original: {len(original_text)} caractères")
|
|
print(f"📊 Longueur texte anonymisé: {len(anonymized_text)} caractères")
|
|
|
|
# Afficher les 100 premières lignes de chaque
|
|
print("\n" + "="*80)
|
|
print("TEXTE ORIGINAL (100 premières lignes):")
|
|
print("="*80)
|
|
print("\n".join(original_text.split('\n')[:100]))
|
|
|
|
print("\n" + "="*80)
|
|
print("TEXTE ANONYMISÉ (100 premières lignes):")
|
|
print("="*80)
|
|
print("\n".join(anonymized_text.split('\n')[:100]))
|