使用正則運算式在腳本中屏蔽SSN(bash/perl/python)

我正在嘗試撰寫一個小腳本（最好在 bash 中，但 python 或 perl 也可以）來屏蔽 SSN 的前 5 位數字（格式為 123456789 或 123-45-6789 - 所以它將輸出 XXXXX6789 或 XXX -XX-6789 分別）。輸入在一個文本檔案中。

我知道我應該能夠用 sed 做到這一點，但是我在創建正確的正則運算式時遇到了麻煩（然后我必須進行替換）。它應該正確處理所有這些用例：

123456789 needs to be matched.
123-45-6789 does, too.
Mask this 123-45-6789 SSN please
Don't miss 123456789 either.
123456789 should match.
123-45-6789 should also match.
As should 123456789
And 123-45-6789
But not 1234567890
1234567890 should also not match.
And 1234567890 is right out.

因此，SSN 可以出現在一行的開頭、中間某處或結尾。

輸出（例如，前兩行）應該屏蔽前 5 個數字，比如用 Xs）：

XXXXX6789 needs to be matched.
XXX-XX-6789 does, too.

我設法得到一個 grep 正則運算式，它只正確匹配我想要的運算式：

grep '\b[0-9]\{3\}-\{0,1\}[0-9]\{2\}-\{0,1\}[0-9]\{4\}\b' testfile

我認為我應該能夠在 sed 或 awk 中使用分組來獲得我想要的結果，但是我嘗試過的所有方法都沒有奏效。

uj5u.com熱心網友回復：

使用sed

$ sed '/\<[0-9]\{9\}\>\|\<[0-9-]\{11\}\>/{s/[0-9]\{5\}/XXXXX/;s/[0-9]\{3\}-[0-9]\{2\}/XXX-XX/g}' input_file
XXXXX6789 needs to be matched.
XXX-XX-6789 does, too.
Mask this XXX-XX-6789 SSN please
Don't miss XXXXX6789 either.
XXXXX6789 should match.
XXX-XX-6789 should also match.
As should XXXXX6789
And XXX-XX-6789
But not 1234567890
1234567890 should also not match.
And 1234567890 is right out.

uj5u.com熱心網友回復：

使用 GNU awk 作為第三個 arg to match()and gensub()and \< \>word 邊界：

$ awk '
    match($0,/(.*)(\<[0-9]{3}-?[0-9]{2})(-?[0-9]{4}\>.*)/,a) {
        $0 = a[1] gensub(/[0-9]/,"X","g",a[2]) a[3]
    }
1' file
XXXXX6789 needs to be matched.
XXX-XX-6789 does, too.
Mask this XXX-XX-6789 SSN please
Don't miss XXXXX6789 either.
XXXXX6789 should match.
XXX-XX-6789 should also match.
As should XXXXX6789
And XXX-XX-6789
But not 1234567890
1234567890 should also not match.
And 1234567890 is right out.

uj5u.com熱心網友回復：

perl -lpe 's/\b[0-9]{3}(-?)[0-9]{2}(-?)([0-9]{4})\b/XXX${1}XX$2$3/g'

您只需要捕獲最終將出現在輸出中的內容：（可能的）破折號和最后四位數字。而且，Perl 的正則運算式語法消除了不必要的反斜杠，這很好。

（具體來說，在 perl 正則運算式中，“魔術”函式總是附加到不帶反斜杠的標點符號或帶有反斜杠的字母數字；反斜杠標點符號總是使其不特殊。）

uj5u.com熱心網友回復：

假設前 8 行應該應用了掩碼（最后 3 行保持不變）：

修改輸入檔案以在前 2 行中包含雙重匹配 SSN 模式：

$ cat testfile
123456789 needs to be matched (and again 123-45-6789)
123-45-6789 does, too (and again 123456789)
Mask this 123-45-6789 SSN please
Don't miss 123456789 either.
123456789 should match.
123-45-6789 should also match.
As should 123456789
And 123-45-6789
But not 1234567890
1234567890 should also not match.
And 1234567890 is right out.

sed使用 OP 正則運算式的修改版本的一個想法：

sed -r 's/\b([0-9]{3})(-{0,1})([0-9]{2})(-{0,1}[0-9]{4})\b/XXX\2XX\4/g' testfile

在哪里：

• -r- 啟用擴展的正則運算式支持（無需轉義括號和大括號）
• ([0-9]{3})- 匹配 3 位數字（第一個捕獲組）
• (-{0,1})- 匹配可選-（第二個捕獲組）
• ([0-9]{2})- 匹配 2 個數字（第 3 個捕獲組）
• (-{0,1}[0-9]{4})- 匹配可選- 4 位數字（第 4 個捕獲組）
• XXX\2XX\4- 將第一個捕獲組替換XXX為，按原樣列印第二個捕獲組，將第三個捕獲組替換為，XX按原樣列印第四個捕獲組
• g- 適用于一行中的所有匹配項

這會產生：

XXXXX6789 needs to be matched (and again XXX-XX-6789)
XXX-XX-6789 does, too (and again XXXXX6789)
Mask this XXX-XX-6789 SSN please
Don't miss XXXXX6789 either.
XXXXX6789 should match.
XXX-XX-6789 should also match.
As should XXXXX6789
And XXX-XX-6789
But not 1234567890
1234567890 should also not match.
And 1234567890 is right out

uj5u.com熱心網友回復：

Grep 反轉匹配正則運算式（固定）：

grep -vE '([^0-9]|^)[0-9]{3}-?[0-9]{2}-?[0-9]{4}([^0-9]|$)' input-file.txt

grep 選項：

• -v：反轉匹配（列印沒有匹配的所有內容）。
• -E：對模式使用擴展的正則運算式語法。

正則運算式詳細資訊：

• ([^0-9]|^)：匹配非數字或行首。
• [0-9]{3}-?：匹配 3 位數字，可選地后跟一個破折號。
• [0-9]{2}-?: 匹配 2 位數字，可選地后跟一個破折號。
• [0-9]{4}: 匹配 4 位數字。
• ([^0-9]|$)：匹配非數字或行尾。

測驗

grep -vE '([^0-9]|^)[0-9]{3}-?[0-9]{2}-?[0-9]{4}([^0-9]|$)' <<'EOF'
123456789 needs to be matched.
123-45-6789 does, too.
Mask this 123-45-6789 SSN please
Don't miss 123456789 either.
123456789 should match.
123-45-6789 should also match.
As should 123456789
And 123-45-6789
But not 1234567890
1234567890 should also not match.
And 1234567890 is right out.
EOF

測驗輸出：

But not 1234567890
1234567890 should also not match.
And 1234567890 is right out.

標籤：Python 重击 perl awk sed

上一篇：編碼-字串位元組長度

下一篇：從cron運行時Perl不執行shell命令