在Excel中匿名化数据

Question

我有一个包含培训数据的Excel文件。在A列中，它包含来自客户的非结构化电子邮件（1个电子邮件/单元），而在其他列中，它包含其他内容。我必须使A列中每封电子邮件的电子邮件地址，邮政地址，发件人/收件人姓名和电话号码匿名。

我当时正在考虑使用python熊猫将细胞转换为数据帧。 有想法吗？

谢谢

Answer 1

一旦您已经转换了excel文件中的数据（我个人没有很多经验，但是我认为曾经使用过https://pypi.org/project/xlrd/），则文本处理能力过滤器可以帮助您匿名化内容：{{ 1}} icw textacy.preprocess.preprocess_text等（https://chartbeat-labs.github.io/textacy/api_reference.html）

Answer 2

根据需要将数据读入python，然后使用正则表达式替换字符串。

例如，您得到一个仅包含邮件地址r的列表： r = "abc@gf.com"

现在，您可以import re并使用re.sub()并带有合适的样式。对于邮件，我采取了One from regexr.com community，整个过程看起来像这样：

import re r = "abc@gf.com" p = re.sub("[a-z0-9!#$%&'*+/=?^_`{|}~-]+(?:\.[a-z0-9!#$%&'*+/=?^_`{|}~-]+)*@(?:[a-z0-9](?:[a-z0-9-]*[a-z0-9])?\.)+[a-z0-9](?:[a-z0-9-]*[a-z0-9])?", "***MAIL***", r) print(p)

结果： >>> print(p) ***MAIL***