#!/usr/bin/env python3 # -*- coding: utf-8 -*- """ 不動產投資組合視覺化資料去識別化工具 功能： 1. 將大樓名稱改為匿名代碼（A棟、B棟等） 2. 將縣市名稱改為匿名代碼（A市、B市等） 3. 將地址去識別化 4. 將座標進行隨機偏移 5. 將客戶名稱去識別化 6. 將估價師事務所名稱去識別化 """ import os import re import random from pathlib import Path class PropertyDataAnonymizer: def __init__(self): # 縣市對應表 self.city_mapping = { '台北市': 'A市', '新北市': 'B市', '桃園市': 'C市', '新竹縣': 'D縣', '新竹市': 'E市', '苗栗縣': 'F縣', '台中市': 'G市', '彰化縣': 'H縣', '南投縣': 'I縣', '雲林縣': 'J縣', '嘉義縣': 'K縣', '嘉義市': 'L市', '台南市': 'M市', '高雄市': 'N市', '屏東縣': 'O縣', '宜蘭縣': 'P縣', '花蓮縣': 'Q縣', '台東縣': 'R縣', '澎湖縣': 'S縣', '金門縣': 'T縣', '連江縣': 'U縣', } # 大樓名稱對應表（動態生成） self.building_mapping = {} self.building_counter = 1 # 估價師事務所對應表 self.appraiser_mapping = {} self.appraiser_counter = 1 # 客戶名稱對應 self.client_mapping = { '新光人壽': 'XX集團', '新光': 'XX', } def get_building_code(self, building_name): """取得大樓匿名代碼""" if building_name not in self.building_mapping: self.building_mapping[building_name] = f"標的{self.building_counter:03d}" self.building_counter += 1 return self.building_mapping[building_name] def get_appraiser_code(self, appraiser_name): """取得估價師匿名代碼""" if appraiser_name not in self.appraiser_mapping: # 使用字母代碼：估價師A、估價師B等 letter = chr(64 + self.appraiser_counter) # A=65 self.appraiser_mapping[appraiser_name] = f"估價師{letter}" self.appraiser_counter += 1 return self.appraiser_mapping[appraiser_name] def offset_coordinate(self, coord_str, is_latitude=True): """座標隨機偏移（保持在合理範圍）""" try: coord = float(coord_str) # 偏移範圍：±0.01 到 ±0.05（約1-5公里） offset = random.uniform(-0.05, 0.05) new_coord = coord + offset # 確保座標在台灣範圍內 if is_latitude: new_coord = max(21.5, min(25.5, new_coord)) # 台灣緯度範圍 else: new_coord = max(120.0, min(122.5, new_coord)) # 台灣經度範圍 return f"{new_coord:.6f}" except: return coord_str def anonymize_address(self, address): """地址去識別化""" # 先替換縣市 for city, anon_city in self.city_mapping.items(): address = address.replace(city, anon_city) # 替換路名和門牌號碼 # 例如：忠孝西路一段66號 → OOO路X段Y號 address = re.sub(r'[^市縣區鄉鎮里村][\u4e00-\u9fa5]+路', 'OOO路', address) address = re.sub(r'[^市縣區鄉鎮里村][\u4e00-\u9fa5]+街', 'OOO街', address) address = re.sub(r'一段|二段|三段|四段|五段|六段|七段|八段|九段|十段', 'X段', address) address = re.sub(r'\d+號', 'Y號', address) address = re.sub(r'\d+樓', 'Z樓', address) return address def process_html_file(self, file_path): """處理單一HTML檔案""" print(f"處理檔案: {file_path.name}") with open(file_path, 'r', encoding='utf-8') as f: content = f.read() original_content = content # 1. 替換客戶名稱 for client, anon_client in self.client_mapping.items(): content = content.replace(client, anon_client) # 2. 替換縣市名稱 for city, anon_city in self.city_mapping.items(): content = content.replace(city, anon_city) # 3. 替換地址（在替換縣市之後） # 找出所有地址模式並替換 address_pattern = r'[A-Z]市[^<>]{5,30}號' addresses = re.findall(address_pattern, content) for addr in set(addresses): anon_addr = self.anonymize_address(addr) content = content.replace(addr, anon_addr) # 4. 替換座標（找出 JavaScript 中的經緯度數據） # 模式：[緯度, 經度] 或 latitude: 數字, longitude: 數字 def replace_coordinates(match): lat = match.group(1) lng = match.group(2) new_lat = self.offset_coordinate(lat, is_latitude=True) new_lng = self.offset_coordinate(lng, is_latitude=False) return f"[{new_lat}, {new_lng}]" content = re.sub(r'\[(\d+\.\d+),\s*(\d+\.\d+)\]', replace_coordinates, content) # 5. 替換大樓名稱（需要識別常見的大樓名稱模式） # 這部分比較複雜，因為大樓名稱可能出現在各種地方 # 我們先找出一些常見模式 building_patterns = [ r'([^<>]{2,10}大樓)', r'([^<>]{2,10}廣場)', r'([^<>]{2,10}大廈)', r'([^<>]{2,10}商場)', r'([^<>]{2,10}中心)', ] for pattern in building_patterns: buildings = re.findall(pattern, content) for building in set(buildings): if building not in ['XX集團']: # 避免替換已經匿名化的名稱 anon_building = self.get_building_code(building) content = content.replace(building, anon_building) # 6. 替換估價師事務所名稱 # 常見的估價師事務所名稱模式 appraiser_keywords = ['估價', '不動產', '鑑定', '聯合', '事務所'] # 這裡我們需要更具體的名單，從 Gemini 分析結果中提取 known_appraisers = ['麗業', '尚上', '中徵', '瑞普', 'DTZ', '信義', '歐亞', '台灣', '戴德梁行'] for appraiser in known_appraisers: if appraiser in content: anon_appraiser = self.get_appraiser_code(appraiser) content = content.replace(appraiser, anon_appraiser) # 寫回檔案 if content != original_content: with open(file_path, 'w', encoding='utf-8') as f: f.write(content) print(f" [OK] 已更新") else: print(f" [-] 無需更新") def process_directory(self, dir_path): """處理整個目錄""" dir_path = Path(dir_path) html_files = list(dir_path.glob('*.html')) print(f"\n開始處理 {len(html_files)} 個 HTML 檔案...") print("=" * 60) for html_file in html_files: self.process_html_file(html_file) print("=" * 60) print("\n處理完成！") print(f"\n對應表統計:") print(f" - 縣市: {len(self.city_mapping)} 個") print(f" - 大樓: {len(self.building_mapping)} 個") print(f" - 估價師: {len(self.appraiser_mapping)} 個") # 儲存對應表供參考 self.save_mapping_table(dir_path.parent / 'anonymization_mapping.txt') def save_mapping_table(self, output_path): """儲存對應表""" with open(output_path, 'w', encoding='utf-8') as f: f.write("=" * 60 + "\n") f.write("去識別化對應表（僅供內部參考，請勿外流）\n") f.write("=" * 60 + "\n\n") f.write("【縣市對應】\n") for original, anon in sorted(self.city_mapping.items()): f.write(f" {original:10s} → {anon}\n") f.write("\n【大樓對應】\n") for original, anon in sorted(self.building_mapping.items(), key=lambda x: x[1]): f.write(f" {original:20s} → {anon}\n") f.write("\n【估價師對應】\n") for original, anon in sorted(self.appraiser_mapping.items(), key=lambda x: x[1]): f.write(f" {original:15s} → {anon}\n") f.write("\n【客戶對應】\n") for original, anon in self.client_mapping.items(): f.write(f" {original:15s} → {anon}\n") print(f"\n對應表已儲存至: {output_path}") if __name__ == '__main__': # 設定隨機種子以確保可重現性（如果需要的話） random.seed(42) # 取得腳本所在目錄 script_dir = Path(__file__).parent viz_dir = script_dir / 'visualization' if not viz_dir.exists(): print(f"錯誤: 找不到 visualization 目錄: {viz_dir}") exit(1) # 執行去識別化 anonymizer = PropertyDataAnonymizer() anonymizer.process_directory(viz_dir) print("\n[OK] 所有檔案處理完成！") print(f"[OK] 視覺化檔案位置: {viz_dir}") print(f"[OK] 對應表位置: {script_dir / 'anonymization_mapping.txt'}")