在当今，数据隐私保护变得尤为重要。随着越来越多的个人信息以电子形式存储和传输，确保这些信息的安全至关重要。本文将介绍如何使用Python及其相关库来检测PDF文件中的隐私信息，如姓名、身份证号、手机号和邮箱等。
C:\pythoncode\new\checkpersoninfoincontent.py
项目背景
我们的目标是开发一个简单的桌面应用程序，该程序能够加载PDF文件，并检查其中是否包含特定的隐私信息。如果检测到这些信息，程序将显示它们的具体位置（页码和行号）。
技术栈
- Python: 作为主要编程语言。
- wxPython: 用于创建图形用户界面。
- pdfplumber: 用于从PDF文件中提取文本。
- 正则表达式(re): 用于匹配隐私信息的模式。
代码解析
首先，我们需要安装必要的库：
pip install wxPython pdfplumber
接下来是核心代码部分：
import wx
import pdfplumber
import reclass PDFPrivacyChecker(wx.Frame):def __init__(self):super().__init__(None, title="PDF 个人隐私检查", size=(600, 400))panel = wx.Panel(self)vbox = wx.BoxSizer(wx.VERTICAL)# 选择文件按钮self.btn_select = wx.Button(panel, label="选择 PDF 文件")self.btn_select.Bind(wx.EVT_BUTTON, self.on_select_file)vbox.Add(self.btn_select, flag=wx.EXPAND | wx.ALL, border=5)# 结果显示框（Memo）self.memo = wx.TextCtrl(panel, style=wx.TE_MULTILINE | wx.TE_READONLY)vbox.Add(self.memo, proportion=1, flag=wx.EXPAND | wx.ALL, border=5)panel.SetSizer(vbox)self.Show()def on_select_file(self, event):""" 选择 PDF 文件并分析隐私信息 """with wx.FileDialog(self, "选择 PDF 文件", wildcard="PDF 文件 (*.pdf)|*.pdf",style=wx.FD_OPEN | wx.FD_FILE_MUST_EXIST) as fileDialog:if fileDialog.ShowModal() == wx.ID_CANCEL:returnpdf_path = fileDialog.GetPath()self.memo.SetValue(f"已选择文件: {pdf_path}\n\n正在分析...\n")wx.CallLater(100, self.analyze_pdf, pdf_path)def analyze_pdf(self, pdf_path):""" 分析 PDF 文档中的隐私信息 """results = []# 定义隐私信息匹配规则patterns = {"姓名": r"[\u4e00-\u9fa5]{2,4}","身份证": r"\b\d{18}|\d{17}X\b","手机号": r"\b1[3-9]\d{9}\b","邮箱": r"[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+","公司": r"[\u4e00-\u9fa5]+公司"}with pdfplumber.open(pdf_path) as pdf:for page_num, page in enumerate(pdf.pages, start=1):text = page.extract_text()if not text:continuelines = text.split("\n")for line_num, line in enumerate(lines, start=1):for label, pattern in patterns.items():matches = re.findall(pattern, line)for match in matches:results.append(f"第 {page_num} 页，第 {line_num} 行：{label} - {match}")# 显示结果if results:self.memo.SetValue("\n".join(results))else:self.memo.SetValue("未检测到隐私信息。")if __name__ == "__main__":app = wx.App(False)frame = PDFPrivacyChecker()app.MainLoop()功能说明
- 用户界面: 使用
wxPython创建一个简单的GUI，包括一个按钮用于选择PDF文件和一个多行文本框用于显示检测结果。 - 文件选择: 用户点击“选择PDF文件”按钮后，会弹出一个文件对话框让用户选择要分析的PDF文件。
- 隐私信息检测: 使用
pdfplumber库读取PDF内容，并利用正则表达式匹配预定义的隐私信息模式。支持的隐私信息包括姓名、身份证号、手机号、邮箱和公司名称。 - 结果显示: 如果在PDF中检测到隐私信息，会在文本框中显示每条信息的详细位置（页码和行号）。如果没有检测到任何信息，则显示“未检测到隐私信息”。
运行结果
