Condenados à atualização em IA
← a toca da Crocodrila
maio de 2026

Anonimizador

Tira os dados pessoais de uma peça sem nada sair do seu computador.

Inspirado no Sistema Marmelstein, de George Marmelstein

offlineLGPDsigiloprivacidade

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 (inclusive o novo, alfanumérico), OAB, CRM e outros conselhos, PIS, título de eleitor, CTPS, cartão do SUS, passaporte, placa e chassi, conta e agência, telefone, e-mail, CEP, perfil de rede social e o número do endereço viram [CPF], [RG], [EMAIL] e por aí vai.
  • Instituições ficam — tribunais, órgãos, empresas, cidades, leis e datas continuam legíveis, pra peça não virar sopa de iniciais.
  • Sigilo total, quando o texto vai sair da máquina — uma opção a mais tarja também o número do processo e as datas de nascimento.

Como ele acha os nomes

Por dois caminhos que se somam:

  1. Automático — um detector de nomes em português varre o texto inteiro, inclusive o que vem em CAIXA ALTA e com pronome de tratamento na frente (“Dra. Fulana de Tal”). A regra da casa é preferir anonimizar demais a deixar vazar um nome: em PDF escaneado, uma ou outra frase em maiúsculas pode virar iniciais, e esse é o preço de não vazar.
  2. Por lista — você pode informar os nomes das partes para reforçar. Nome listado é sempre trocado.

Nenhum detector automático é perfeito, ainda mais em texto de OCR.

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.

Baixe o kit pronto

O anonimizador vem no mesmo pacote do Conversor PDF → TXT, para Windows, com atalhos na Área de Trabalho: você arrasta o arquivo para a janela e pronto. O código foi escrito pela Crocodrila, a partir da ideia do Sistema Marmelstein.

Extraia o ZIP e siga o COMECE-AQUI.txt. A instalação usa a internet uma vez; depois, tudo roda offline.

Ou monte 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.