Update presidio_helpers.py

presidio_helpers.py

@@ -2,6 +2,7 @@ import spacy
 from presidio_analyzer import AnalyzerEngine, RecognizerRegistry, PatternRecognizer
 from presidio_anonymizer import AnonymizerEngine
 from presidio_anonymizer.entities import OperatorConfig
+from annotated_text import annotated_text
 
 # Vytvoření českých rozpoznávačů
 def create_czech_recognizers():
@@ -61,4 +62,41 @@ def anonymize(text, anonymization_method="replace"):
     # Anonymizuj rozpoznané údaje
     anonymized_text = anonymizer.anonymize(text=text, analyzer_results=analyzer_results, operators=operators)
     
-    return anonymized_text
+    return anonymized_text
+
+# Funkce pro anotaci (zvýraznění) textu s rozpoznanými entitami
+def annotate(text, analyzer_results):
+    annotated_tokens = []
+    last_idx = 0
+
+    for result in analyzer_results:
+        start, end = result.start, result.end
+        entity_text = text[start:end]
+        entity_type = result.entity_type
+        score = result.score
+
+        # Přidání textu před entitou, pokud existuje
+        if last_idx < start:
+            annotated_tokens.append(text[last_idx:start])
+
+        # Přidání zvýrazněné entity
+        annotated_tokens.append((entity_text, entity_type, "#faa"))
+
+        last_idx = end
+
+    # Přidání zbytku textu
+    if last_idx < len(text):
+        annotated_tokens.append(text[last_idx:])
+    
+    return annotated_tokens
+
+# Testovací aplikace pro anotaci
+if __name__ == "__main__":
+    text = "Jan Novák, narozený 15.3.1980, bydlí na adrese Hlavní 123, Praha 1. Jeho telefonní číslo je +420 123 456 789 a e-mail jan.novak@email.cz. Rodné číslo: 800315/1234, IČO: 12345678."
+    
+    analyzer = analyzer_engine()
+    analyzer_results = analyzer.analyze(text=text, entities=None, language="cs")
+    
+    # Zobraz anotovaný text
+    tokens = annotate(text, analyzer_results)
+    annotated_text(*tokens)