Anonimizador

Compartilhar uma decisão para estudo, mandar uma peça de exemplo, alimentar uma ferramenta de IA — tudo isso esbarra no mesmo problema: o documento está cheio de dado pessoal que não deveria circular. O anonimizador resolve isso na sua máquina, sem internet e sem gastar token.

O que ele faz

• Nomes de pessoas viram iniciais — “João Silva Souza” vira “J.S.S.”. Ele ignora conectores (“da”, “de”) e pronomes de tratamento (“Dr.”, “Exmo.”), pra não embaralhar.
• Dados estruturados ganham tarja com rótulo — CPF, RG, CNPJ, OAB, CRM, telefone, e-mail e CEP viram [CPF], [RG], [EMAIL] e por aí vai.

Como ele acha os nomes

Por dois caminhos, e a ordem importa:

1. Por lista — você informa os nomes das partes e eles são sempre trocados. É o método confiável; é assim que se garante o resultado.
2. Automático — um detector de nomes em português pega menções soltas que você não listou. Funciona como rede de segurança, não como rede principal: trata-se de um rascunho a conferir, e ele tropeça em nome escrito em CAIXA ALTA.

Cada arquivo gera um mapa do que foi trocado, para você conferir antes de usar. Esse mapa permite re-identificar — então ele é tão sigiloso quanto o original: guarde em lugar seguro ou apague depois da conferência.

Por que importa

É o par natural do Conversor PDF → TXT: primeiro você extrai o texto sem ele sair da máquina, depois tira os dados pessoais — e só então o material fica pronto para circular, virar exemplo de aula ou entrar numa ferramenta de IA, sem ferir o sigilo nem a LGPD. Como o conversor, ele troca conveniência por uma garantia: nada sai do computador.

Como montar o seu

A base é dois movimentos simples, ambos offline: trocar por padrão (os dados que têm formato fixo) e trocar por lista (os nomes que você informa).

O que instalar

1. Python (versão 3.10 ou mais nova) — baixe em python.org/downloads. Na primeira tela do instalador, marque “Add Python to PATH”. É o passo que quase todo mundo esquece, e sem ele o computador não acha o programa depois. Só o Python já resolve a parte de tarjas (CPF, e-mail, telefone…), que é pura expressão regular.
2. Opcional, para pescar nomes que você esqueceu de listar: abra o Prompt de Comando (tecle Windows, digite cmd, Enter) e rode pip install spacy, depois python -m spacy download pt_core_news_sm — baixa uma vez. Trate o resultado automático como rascunho a conferir.

O esqueleto

import re

# dados com formato fixo → tarja com rótulo
TARJAS = {
    r"\d{3}\.?\d{3}\.?\d{3}-?\d{2}": "[CPF]",
    r"[\w.+-]+@[\w-]+\.[\w.-]+":      "[EMAIL]",
    r"\(?\d{2}\)?\s?9?\d{4}-?\d{4}":  "[TELEFONE]",
}
texto = open("peca.txt", encoding="utf-8").read()
for padrao, rotulo in TARJAS.items():
    texto = re.sub(padrao, rotulo, texto)

# nomes das partes (o jeito confiável: você informa)
for nome in ["João Silva Souza", "Maria Lima"]:
    iniciais = "".join(p[0] for p in nome.split() if p[0].isupper()) 
    texto = texto.replace(nome, ".".join(iniciais) + ".")

open("peca_anon.txt", "w", encoding="utf-8").write(texto)

Depois é só somar padrões (RG, OAB, CNPJ, CEP) e, importante, gerar um arquivo-mapa do que foi trocado — pra você conferir antes de usar, e guardar em segurança (esse mapa re-identifica).

---

Inspirado no Sistema Marmelstein, de George Marmelstein — nosso professor e orientador, que disponibiliza seus prompts publicamente. A Crocodrila adaptou a ideia à sua rotina.