在脚本（bash / perl / python）中使用正则掩盖SSN

Question

我正在尝试编写一个小脚本（最好是在bash中，但python或perl也可以使用）来掩盖SSN的前5位数字（以123456789或123-45-6789形式使用，因此它将输出xxxxxx6789或xxxx -XX-6789）。输入在文本文件中。

我知道我应该能够使用SED做到这一点，但是我在创建合适的正则义务方面遇到了麻烦（然后我必须进行替代）。它应该正确处理所有这些用例：

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.

以便SSN可以在线的开头，中间或末尾发生。

输出（例如，对于前两行），应该用XS掩盖前5个数字）：

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

我设法获得了一个GREP的正则态度，该正则是正确匹配我想要的表达式：

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

我认为我应该能够能够在SED或尴尬中使用分组来获得我想要的结果，但是我尝试过的任何事情都没有奏效。

Answer 1

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.

Answer 2

使用GNU awk进行第三次arg match（）和gensub（）和\＆lt; \＆gt;单词边界：

$ 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.

Answer 3

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

您只需要捕获最终输出的内容：（可能的）破折号和最后四个数字。而且，Perl的Regex语法消除了不必要的后斜切，这很好。

（具体来说，在Perl Regex中，“魔术”功能总是连接到标点符号，而没有后斜线，或带有 backsslashes的Alphanumerics ; BackStslashing Putincation始终使它成为非特殊性的。）

Answer 4

假设前8行应该施加掩码（将最后3行未触及）：

修改输入文件以在前2行中包含双匹配的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.

一个SED> SED使用OP的修改版本的想法REGEX：

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

where：

• -r - 启用扩展的正则表面支持（消除需要逃脱Parens和Braces）
• （[0-9] {3}） - 匹配3位数字（< em> 1st捕获组）
• （ - {0,1}） - 匹配可选-（第二捕获组）
• <代码>（[0-9] {2}） - 匹配2位数字（ 3rd Capture group ）
• （ - {0,1} [0-9] [0-9] {4}） - 匹配可选- + 4位数字（第四捕获组）
• xxx \ 2xx \ 2xx \ 4 - 用xxx ，按原样打印第二个捕获组，用xx替换第三捕获组，打印第四捕获组，如
• g - 应用于行中的所有匹配项

这会生成：

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

Answer 5

GREP倒置匹配正则匹配（固定）：

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

GREP选项：

• -v：Inververs Match（无匹配的所有内容）。
• -e：使用扩展的正则语法进行模式。

REGEX详细信息：

• （[^0-9] |^）：匹配非数字或线路的开始。
• [0-9] {3} - ？：可选匹配3位数字，然后是破折号。
• [0-9] {2} - ？：匹配2位数字，然后是破折号。
• [0-9] {4}：匹配4位数字。
• （[^0-9] | $）：匹配非数字或线路的结尾。

测试的测试

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

输出：

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