f

public/desensitize.js

@@ -5,75 +5,256 @@ import { fileURLToPath } from 'url';
 const __filename = fileURLToPath(import.meta.url);
 const __dirname = path.dirname(__filename);
 
-// 读取JSON文件
-// 读取JSON文件
-const inputFile = path.join(__dirname, 'DWBG9FB3.json');
-const data = JSON.parse(fs.readFileSync(inputFile, 'utf8'));
+const INPUT_FILES = ['DWBG9FB2.json', 'DWBG9FB3.json'];
 
-// 姓名映射表（保持同一姓名脱敏后一致）
-const nameMap = {
-  '何志勇': '何某某',
-  '覃圣有': '覃某',
-  '刘飞': '刘某某',
-  '陈波': '陈某某',
-  '覃小群': '覃某某',
-  '陈观海': '陈某某',
-  '刘国富': '刘某某'
-};
+const ORG_SUFFIXES = [
+  '股份有限公司城区支行',
+  '农村商业银行股份有限公司',
+  '物业服务有限公司南宁分公司',
+  '物业服务有限公司',
+  '房地产开发有限公司',
+  '国际大酒店有限公司',
+  '生态旅游家园开发有限公司',
+  '农业发展有限公司',
+  '农资有限公司',
+  '贸易有限公司',
+  '发展有限公司',
+  '开发有限公司',
+  '股份有限公司',
+  '农村合作银行',
+  '信用合作联社',
+  '有限公司',
+  '分公司',
 
-// 脱敏函数
-function desensitizeName(name) {
-  if (nameMap[name]) {
-    return nameMap[name];
+];
+
+const COMPANY_KEYWORDS = /银行|公司|联社|集团|酒店|有限|股份/;
+
+const NAME_BLACKLIST = new Set([
+  '当事人', '法律关系', '法律关', '案涉房', '案涉', '房屋', '所有权',
+  '合同法律', '侵权法律', '物业服务', '诉讼请求', '正当理由',
+  '民发物业', '民发实', '民发', '广西广为', '广西中硕','广西',
+]);
+
+// ── 基础脱敏函数 ──────────────────────────────────────────
+
+function desensitizePersonName(name) {
+  if (!name || typeof name !== 'string') return name;
+  if (COMPANY_KEYWORDS.test(name)) return desensitizeCompany(name);
+  if (name.length <= 1) return name;
+  return name[0] + '某某';
+}
+
+function desensitizeCompany(name) {
+  if (!name || typeof name !== 'string') return name;
+
+  for (const suffix of ORG_SUFFIXES) {
+    if (!name.endsWith(suffix)) continue;
+    const core = name.slice(0, -suffix.length);
+
+    if (core.startsWith('广西')) return '广西****' + suffix;
+    if (core.startsWith('湖北')) return '湖北****' + suffix;
+    if (core.startsWith('桂林市')) return '桂林市****' + suffix;
+    if (core.startsWith('兴安县')) return '兴安县****' + suffix;
+    if (core.startsWith('资源县')) return '资源县****' + suffix;
+    if (/^.+县/.test(core)) return '**县****' + suffix;
+    if (/^.+市/.test(core)) return '**市****' + suffix;
+
+    return core.slice(0, 2) + '****' + suffix;
   }
-  // 对于未知的姓名，保留姓氏，名字用星号代替
-  if (name && name.length > 0) {
-    const surname = name[0];
-    return surname + '某某';
-  }
-  return name;
+
+  return name.slice(0, 2) + '****';
+}
+
+function desensitizeCourt(court) {
+  if (!court || typeof court !== 'string') return court;
+  return court
+    .replace(/^(.+?市)(.+?区)/, '**市**区')
+    .replace(/^(.+?市)(.+?县)/, '**市**县')
+    .replace(/^(.+?县)/, '**县')
+    .replace(/^(.+?市)/, '**市');
+}
+
+function desensitizeProvince(text) {
+  if (!text || typeof text !== 'string') return text;
+  return text
+    .replace(/湖北省/g, '**省')
+    .replace(/辽宁省/g, '**省');
+}
+
+function desensitizeAreaStat(text) {
+  if (!text || typeof text !== 'string') return text;
+  return desensitizeProvince(text).replace(/辽宁省\(/g, '**省(');
 }
 
 function desensitizeIdCard(idCard) {
-  if (!idCard || idCard.length !== 18) return idCard;
-  return idCard.substring(0, 6) + '********' + idCard.substring(14);
+  if (!idCard || typeof idCard !== 'string') return idCard;
+  if (idCard.length === 18) {
+    return idCard.substring(0, 6) + '********' + idCard.substring(14);
+  }
+  if (/^[0-9A-Z]{15,18}$/.test(idCard)) {
+    return idCard.substring(0, 4) + '**********' + idCard.substring(idCard.length - 4);
+  }
+  return idCard;
 }
 
 function desensitizeMobile(mobile) {
-  if (!mobile || mobile.length !== 11) return mobile;
+  if (!mobile || typeof mobile !== 'string' || mobile.length !== 11) return mobile;
   return mobile.substring(0, 3) + '****' + mobile.substring(7);
 }
 
-function desensitizeText(text) {
+function desensitizeAddressText(text) {
   if (!text || typeof text !== 'string') return text;
   let result = text;
-  // 替换所有出现的人名
-  for (const [realName, maskedName] of Object.entries(nameMap)) {
-    // 替换姓名
-    const regex1 = new RegExp(realName, 'g');
-    result = result.replace(regex1, maskedName);
-    // 替换姓名+某的形式（如：何志某 -> 何某某某）
-    const regex2 = new RegExp(realName.substring(0, realName.length - 1) + '某', 'g');
-    result = result.replace(regex2, maskedName);
-  }
+
+  result = result.replace(/统一社会信用代码[:：]?\s*[0-9A-Z]{15,18}/g, (m) => {
+    const code = m.replace(/统一社会信用代码[:：]?\s*/, '');
+    return '统一社会信用代码:' + desensitizeIdCard(code);
+  });
+
+  result = result.replace(/账号[:：]?\s*[\d×]{10,}/g, '账号:********');
+  result = result.replace(/[\u4e00-\u9fa5]{2,6}路\d+号[^,，。；;]*/g, '**路**号****');
+  result = result.replace(/民发[·・][\u4e00-\u9fa5A-Za-z0-9]{2,15}?(?:小区|会所)/g, '****小区');
+  result = result.replace(/民发物业服务有限公司南宁分公司/g, '****物业服务有限公司南宁分公司');
+  result = result.replace(/民发物业服务有限公司/g, '****物业服务有限公司');
+  result = result.replace(/民发物业南宁分公司/g, '****物业南宁分公司');
+  result = result.replace(/民发物业公司/g, '****物业公司');
+  result = result.replace(/广西中硕资产评估有限责任公司/g, '广西****资产评估有限责任公司');
+  result = result.replace(/民发实业集团\(广西\)房地产开发有限公司/g, '****实业集团(广西)****开发有限公司');
+  result = result.replace(/[\u4e00-\u9fa5]{2,4}市[\u4e00-\u9fa5]{2,6}区人民法院/g, '**市**区人民法院');
+  result = result.replace(/上诉于([\u4e00-\u9fa5]{2,4})市中级人民法院/g, '上诉于**市中级人民法院');
+  result = result.replace(/开户名称[:：]([\u4e00-\u9fa5]{2,4})市中级人民法院/g, '开户名称:**市中级人民法院');
+  result = result.replace(/([\u4e00-\u9fa5]{2,4})县人民法院/g, '**县人民法院');
+
+  result = result.replace(/住广西壮族自治区[^,，。；;]{2,20}?[区县]/g, '住广西壮族自治区**市**区');
+  result = result.replace(/住所地广西壮族自治区[^,，。；;]{2,30}/g, '住所地广西壮族自治区**市**区****');
+  result = result.replace(/住所地湖北省[^,，。；;]{2,30}/g, '住所地**省**市**区****');
+  result = result.replace(/位于[\u4e00-\u9fa5]{2,4}市[\u4e00-\u9fa5]{2,6}区/g, '位于**市**区');
+  result = result.replace(/坐落于[\u4e00-\u9fa5]{2,4}市[\u4e00-\u9fa5]{2,6}区/g, '坐落于**市**区');
+  result = result.replace(/系[\u4e00-\u9fa5]{2,5}市[\u4e00-\u9fa5]{2,6}区/g, '系**市**区');
+  result = result.replace(/[\u4e00-\u9fa5·・A-Za-z0-9]+栋\d+单元\d+号/g, '****栋**单元**号');
+
   return result;
 }
 
-// 递归遍历对象进行脱敏
-function desensitizeObject(obj) {
+// ── 从数据中收集替换映射 ──────────────────────────────────
+
+function isValidPersonName(name) {
+  return (
+    name &&
+    name.length >= 2 &&
+    name.length <= 4 &&
+    !COMPANY_KEYWORDS.test(name) &&
+    !NAME_BLACKLIST.has(name) &&
+    /^[\u4e00-\u9fa5]+$/.test(name)
+  );
+}
+
+function collectMappings(data) {
+  const personNames = new Set();
+  const companyNames = new Set();
+  const courtNames = new Set();
+
+  function walk(obj) {
+    if (!obj || typeof obj !== 'object') return;
+    if (Array.isArray(obj)) {
+      obj.forEach(walk);
+      return;
+    }
+
+    if (obj.c_mc) {
+      if (obj.n_dsrlx === '企业组织' || COMPANY_KEYWORDS.test(obj.c_mc)) {
+        companyNames.add(obj.c_mc);
+      } else if (isValidPersonName(obj.c_mc)) {
+        personNames.add(obj.c_mc);
+      }
+    }
+    if (obj.n_jbfy) courtNames.add(obj.n_jbfy);
+
+    for (const field of ['c_gkws_dsr', 'c_gkws_pjjg']) {
+      if (obj[field]) extractNamesFromLegalText(obj[field], personNames, companyNames);
+    }
+
+    Object.values(obj).forEach(walk);
+  }
+
+  walk(data);
+  return { personNames, companyNames, courtNames };
+}
+
+function extractNamesFromLegalText(text, personNames, companyNames) {
+  if (!text || typeof text !== 'string') return;
+
+  const rolePatterns = [
+    /(?:原告|被告|上诉人|被上诉人|原审被告人|被告人|负责人|法定代表人|案外人|委托诉讼代理人|代理人|承租人|出租人)[:：]([\u4e00-\u9fa5]{2,4})/g,
+    /与案外人([\u4e00-\u9fa5]{2,4})签/g,
+    /([\u4e00-\u9fa5]{2,4})所有的/g,
+    /向([\u4e00-\u9fa5]{2,4})转账/g,
+  ];
+
+  let match;
+  for (const rolePattern of rolePatterns) {
+    while ((match = rolePattern.exec(text)) !== null) {
+      if (isValidPersonName(match[1])) personNames.add(match[1]);
+    }
+  }
+
+  const companyPattern =
+    /([\u4e00-\u9fa5（）()·・]{4,40}?(?:有限公司|股份有限公司|合作银行|信用合作联社))/g;
+  while ((match = companyPattern.exec(text)) !== null) {
+    companyNames.add(match[1]);
+  }
+}
+
+function buildReplacementList(personNames, companyNames, courtNames) {
+  const replacements = [];
+
+  for (const name of personNames) {
+    replacements.push({ from: name, to: desensitizePersonName(name) });
+  }
+  for (const name of companyNames) {
+    replacements.push({ from: name, to: desensitizeCompany(name) });
+  }
+  for (const court of courtNames) {
+    replacements.push({ from: court, to: desensitizeCourt(court) });
+  }
+
+  replacements.sort((a, b) => b.from.length - a.from.length);
+  return replacements;
+}
+
+function desensitizeText(text, replacements) {
+  if (!text || typeof text !== 'string') return text;
+  let result = text;
+
+  for (const { from, to } of replacements) {
+    if (from && to && from !== to) {
+      result = result.split(from).join(to);
+    }
+  }
+
+  result = desensitizeAddressText(result);
+  result = desensitizeProvince(result);
+
+  return result;
+}
+
+// ── 递归脱敏 ──────────────────────────────────────────────
+
+function desensitizeObject(obj, replacements) {
   if (obj === null || typeof obj !== 'object') {
     return obj;
   }
 
   if (Array.isArray(obj)) {
-    return obj.map(item => desensitizeObject(item));
+    return obj.map((item) => desensitizeObject(item, replacements));
   }
 
   const result = {};
   for (const [key, value] of Object.entries(obj)) {
     switch (key) {
       case 'name':
-        result[key] = desensitizeName(value);
+        result[key] = desensitizePersonName(value);
         break;
       case 'id_card':
         result[key] = desensitizeIdCard(value);
@@ -82,36 +263,69 @@ function desensitizeObject(obj) {
         result[key] = desensitizeMobile(value);
         break;
       case 'c_mc':
-        // 当事人姓名
-        result[key] = desensitizeName(value);
+        result[key] =
+          obj.n_dsrlx === '企业组织' || COMPANY_KEYWORDS.test(value)
+            ? desensitizeCompany(value)
+            : desensitizePersonName(value);
         break;
       case 'c_gkws_dsr':
       case 'c_gkws_pjjg':
-        // 判决书内容中的文本
-        result[key] = desensitizeText(value);
+        result[key] = desensitizeText(value, replacements);
+        break;
+      case 'n_jbfy':
+        result[key] = desensitizeCourt(value);
+        break;
+      case 'c_ssdy':
+        result[key] = value;
+        break;
+      case 'area_stat':
+        result[key] = desensitizeAreaStat(value);
         break;
       default:
-        result[key] = desensitizeObject(value);
+        result[key] = desensitizeObject(value, replacements);
         break;
     }
   }
   return result;
 }
 
-// 执行脱敏
-const desensitizedData = desensitizeObject(data);
+function processFile(filename) {
+  const inputFile = path.join(__dirname, filename);
+  const baseName = filename.replace('.json', '');
+  const outputFile = path.join(__dirname, `${baseName}_desensitized.json`);
 
-// 保存脱敏后的文件
-const outputFile = path.join(__dirname, 'DWBG9FB3_desensitized.json');
-fs.writeFileSync(outputFile, JSON.stringify(desensitizedData, null, 2), 'utf8');
+  const data = JSON.parse(fs.readFileSync(inputFile, 'utf8'));
+  const { personNames, companyNames, courtNames } = collectMappings(data);
+  const replacements = buildReplacementList(personNames, companyNames, courtNames);
+  const desensitizedData = desensitizeObject(data, replacements);
 
-console.log('脱敏完成！');
-console.log('原始文件：', inputFile);
-console.log('脱敏后文件：', outputFile);
+  fs.writeFileSync(outputFile, JSON.stringify(desensitizedData, null, 2), 'utf8');
+
+  console.log(`\n✓ ${filename} 脱敏完成`);
+  console.log(`  原始文件：${inputFile}`);
+  console.log(`  输出文件：${outputFile}`);
+  console.log(`  姓名 ${personNames.size} 个，公司 ${companyNames.size} 个，法院 ${courtNames.size} 个`);
+
+  return { personNames, companyNames, courtNames };
+}
+
+// ── 执行 ──────────────────────────────────────────────────
+
+console.log('开始脱敏处理...');
+const summary = { person: 0, company: 0, court: 0 };
+
+for (const file of INPUT_FILES) {
+  const stats = processFile(file);
+  summary.person += stats.personNames.size;
+  summary.company += stats.companyNames.size;
+  summary.court += stats.courtNames.size;
+}
 
-// 显示脱敏摘要
 console.log('\n脱敏摘要：');
-console.log('- 姓名：已脱敏（保留姓氏）');
-console.log('- 身份证号：已脱敏（保留前6位和后4位）');
-console.log('- 手机号：已脱敏（保留前3位和后4位）');
-console.log('- 判决书文本中的姓名：已批量替换');
+console.log('- 姓名：保留姓氏，名字替换为「某某」');
+console.log('- 公司/机构：保留地区前缀与组织类型，中间替换为「****」');
+console.log('- 法院：市/县/区名称替换为「**」');
+console.log('- 省份/地区：次要省份（湖北、辽宁等）脱敏，广西自治区保留');
+console.log('- 判决书文本：地址、信用代码、路名等同步脱敏');
+console.log('- 身份证号/手机号：按字段规则脱敏');
+console.log(`- 合计处理：姓名 ${summary.person} 个，公司 ${summary.company} 个，法院 ${summary.court} 个`);