Python腳本搜索PII

我想編寫一個腳本，可以搜索和報告個人身份信息，如卡號等文件系統中。我想在txt以及xls word和PDF文件中找到它。Python腳本搜索PII

歡迎任何啓動提示或使用哪個庫。

我也會喜歡上的有效方式的意見，掃描大型文件如信用卡等

2012-05-16 Novice123

如何祈禱告訴，可以這樣的事情以道德的方式使用？ – Crisfole

那麼，這是當你正在努力保護它。您知道未上過冊的PII尤其是卡片會帶來更大的風險，現在PCIDSS等競爭者需要在不使用前掃描環境並保護它們。所以，我有純粹的道德原因。 – Novice123

充其量可疑 –

，或者你可以寫自己的，並使用一個共同的正則表達式數據集，如 https://github.com/madisonmay/CommonRegex

2015-10-17 02:11:03

如果您正在爲一家公司工作，可以考慮購買打包解決方案。我見過的廣告是Nuix。此外，Oracle還爲GDPR（新歐盟隱私法）提供端到端解決方案，其中包括您描述的功能類型。見http://www.oracle.com/technetwork/database/security/wp-security-dbsec-gdpr-3073228.pdf。

如果您擁有Oracle RDBMS，則有一個名爲CTXSYS（現稱爲Oracle Text）的軟件包，它具有跨文檔的驚人搜索功能，包括PDF，整個Office套件等等。 CTXSYS包含在常規許可證中。如果您是家庭用戶，則可以下載Oracle服務器（Express版本適用於此功能）。

如果您按照上面的建議使用正則表達式，一種簡單的方法是搜索在句子中部大寫的單詞，但只對文檔有幫助（比如XLS不太常用）。你也可以建立一個通用名字典（第一/最後一個名字，街道，城鎮）。信用卡和SSNs應該是易於正則表達的。

2017-11-05 14:04:24 Ken

回答