@hoilab/ada-cli 0.84.22 → 0.85.1

package/dist/core/privacidad/categorias-especiales.js

@@ -0,0 +1,749 @@
+/**
+ * Detectar las CATEGORÍAS ESPECIALES del artículo 9 del RGPD (y las condenas
+ * del artículo 10) en un texto, sin repetir el texto en el hallazgo.
+ *
+ * POR QUÉ EXISTE, medido antes de escribir nada. El escáner de
+ * `memory-engine/security.ts` tiene cinco patrones de datos personales
+ * (correo, teléfono, DNI/NIE, IBAN, fecha de nacimiento) y CERO del artículo 9.
+ * Sobre un corpus de 24 cadenas que sí deberían saltar, en nivel `strict`
+ * fallaban 20. Entre las 20: «baja por depresión», «afiliado a CCOO»,
+ * «HIV positive», «huella dactilar registrada», «tiene antecedentes penales».
+ * Ninguna de ellas tiene hoy categoría en `SensitiveCategory`, así que
+ * `redactSensitive` las devuelve idénticas, sin un solo bloque: hoy una
+ * categoría especial se escribe EN CLARO en el libro de auditoría
+ * (`audit/libro.ts`), en la exportación y en el diario de edición.
+ *
+ * El coste no es simétrico con el de un correo. Tratar datos de salud,
+ * afiliación sindical, origen étnico, religión, opinión política, vida sexual,
+ * biometría o genética está PROHIBIDO salvo excepción tasada (art. 9.1 y 9.2),
+ * y las condenas penales sólo pueden tratarse bajo control de la autoridad
+ * (art. 10). Filtrar uno de estos no es un incidente de privacidad: es un
+ * tratamiento ilícito.
+ *
+ * LAS DOS MITADES. Un detector de vocabulario ingenuo es peor que ninguno.
+ * «diagnóstico» sale de cualquier compilador, «union» de cualquier SQL,
+ * «race» de cualquier `race condition`, y un identificador interno de ocho
+ * cifras no es un DNI. Un detector que grita sobre todo se desactiva en una
+ * semana y entonces no protege de nada. Por eso aquí hay dos mecanismos, y
+ * los dos se miden contra el corpus benigno:
+ *
+ *   1. Los IDENTIFICADORES se VALIDAN, no se reconocen por su forma. DNI y NIE
+ *      por la letra de control (módulo 23 sobre TRWAGMYFPDXBNJZSQVHLCKE), IBAN
+ *      y número de la Seguridad Social por módulo 97. Esto no es sólo rigor:
+ *      es lo que hace desaparecer el único falso positivo medido del escáner
+ *      actual —el UUID `550e8400-e29b-41d4-a716-446655440000`, cuyo fragmento
+ *      `446655440000` tiene forma de NSS pero da 56 donde debería dar 00—.
+ *
+ *   2. El VOCABULARIO ambiguo exige CO-OCURRENCIA con un marcador de persona.
+ *      «diagnóstico» solo no dispara; «su diagnóstico» sí. Ver `VENTANA`.
+ *
+ * LA VENTANA es de 60 caracteres entre los bordes más cercanos del término y
+ * del marcador. Una oración simple en español ronda las 10-12 palabras, unos
+ * 60-70 caracteres; dentro de eso el marcador y el término suelen compartir
+ * sujeto. Más allá ya son dos frases distintas y la co-ocurrencia deja de
+ * significar nada: el marcador habla de una persona y el término, de otra cosa.
+ * Medido sobre el corpus: con 60 caracteres las 12 cadenas benignas salen
+ * limpias y las 19 sensibles por vocabulario salen todas.
+ *
+ * QUÉ NO HACE, y conviene que conste:
+ *
+ *   · No entiende negación ni hipótesis. «no está de baja por depresión» y
+ *     «si estuviera de baja por depresión» disparan igual. Es deliberado: en
+ *     un detector de fugas el falso negativo se paga más caro que el falso
+ *     positivo POR CADA CASO, y la negación en texto libre no se resuelve con
+ *     una lista de palabras.
+ *   · No cubre `fingerprint` ni `huella digital` como biometría, porque en
+ *     este repositorio son la huella de un certificado o de un fichero. Sí
+ *     cubre «huella dactilar», que no tiene lectura técnica.
+ *   · La matrícula española no tiene dígito de control: es la única forma sin
+ *     validar de las cinco. Se compensa exigiendo el alfabeto real de las
+ *     placas (consonantes, sin vocales ni Ñ ni Q), que descarta casi cualquier
+ *     token accidental de cuatro cifras y tres letras.
+ *   · No sustituye a `classifySensitive`: es complementario. Aquí no hay
+ *     correos, ni teléfonos, ni tarjetas.
+ */
+/**
+ * El tercer estado: «no he podido mirar».
+ *
+ * Una lista vacía significa «he mirado el texto entero y no hay nada». Si el
+ * módulo no puede analizar, devolver `[]` convertiría un fallo en un permiso:
+ * quien llama guardaría la nota creyendo que está limpia. Por eso se LANZA.
+ *
+ * Se lanza en dos casos, y sólo en dos:
+ *   · `no-es-cadena`: llega algo que no es `string` (un `null` de una API, un
+ *     objeto que alguien esperaba serializado).
+ *   · `demasiado-largo`: por encima de `LIMITE_CARACTERES`. El barrido es
+ *     lineal por patrón, pero son ~80 patrones y la búsqueda de marcadores es
+ *     cuadrática en el número de coincidencias; con un volcado de megabytes el
+ *     detector deja de responder y quien llama se queda colgado sin saber por
+ *     qué. Falla rápido y explícito.
+ */
+export class TextoNoAnalizable extends Error {
+    motivo;
+    constructor(motivo, detalle) {
+        super(`No se pudo analizar el texto (${motivo}): ${detalle}`);
+        this.name = "TextoNoAnalizable";
+        this.motivo = motivo;
+    }
+}
+/** 200.000 caracteres ≈ 200 KB. Una nota de memoria razonable no llega a 10 KB. */
+export const LIMITE_CARACTERES = 200_000;
+/** Caracteres de distancia máxima entre el término y su marcador de persona. */
+export const VENTANA = 60;
+// ─────────────────────────────────────────────────────────────────────────────
+// Plegado: quitar acentos y mayúsculas SIN mover ni un índice
+// ─────────────────────────────────────────────────────────────────────────────
+/**
+ * `NFD` + quitar diacríticos cambiaría la longitud y con ella `desde`/`hasta`,
+ * que dejarían de servir para redactar el original. Aquí se mapea carácter a
+ * carácter, uno a uno, para que el texto plegado y el original compartan
+ * índices exactamente.
+ */
+const EQUIVALENTES = {
+    á: "a",
+    à: "a",
+    ä: "a",
+    â: "a",
+    é: "e",
+    è: "e",
+    ë: "e",
+    ê: "e",
+    í: "i",
+    ì: "i",
+    ï: "i",
+    î: "i",
+    ó: "o",
+    ò: "o",
+    ö: "o",
+    ô: "o",
+    ú: "u",
+    ù: "u",
+    ü: "u",
+    û: "u",
+    ñ: "n",
+    ç: "c",
+    Á: "a",
+    À: "a",
+    Ä: "a",
+    Â: "a",
+    É: "e",
+    È: "e",
+    Ë: "e",
+    Ê: "e",
+    Í: "i",
+    Ì: "i",
+    Ï: "i",
+    Î: "i",
+    Ó: "o",
+    Ò: "o",
+    Ö: "o",
+    Ô: "o",
+    Ú: "u",
+    Ù: "u",
+    Ü: "u",
+    Û: "u",
+    Ñ: "n",
+    Ç: "c",
+};
+/**
+ * Devuelve el texto en minúsculas, sin acentos y con TODO espacio en blanco
+ * convertido en un espacio simple, con la MISMA longitud.
+ *
+ * Lo del salto de línea no es cosmético y se midió: con el salto intacto,
+ * «perfil\ngenético» y «trade\nunion» salían LIMPIOS —los patrones de varias
+ * palabras llevan un espacio literal— y un dato de categoría especial partido
+ * por un ajuste de línea es exactamente lo que produce cualquier editor, todo
+ * correo citado y todo comentario de código. Se arregla aquí, en el plegado,
+ * y no patrón a patrón: son ~30 patrones de varias palabras y arreglar sólo
+ * los que uno recuerda deja el resto igual de ciegos.
+ */
+export function plegar(texto) {
+    let salida = "";
+    for (let i = 0; i < texto.length; i++) {
+        const c = texto[i];
+        if (c === "\n" || c === "\r" || c === "\t" || c === "\f" || c === "\v") {
+            salida += " ";
+            continue;
+        }
+        const equivalente = EQUIVALENTES[c];
+        if (equivalente !== undefined) {
+            salida += equivalente;
+            continue;
+        }
+        const minuscula = c.toLowerCase();
+        // Hay caracteres cuya minúscula ocupa dos unidades ('İ' → 'i̇'). Ésos se
+        // dejan como están: mover un índice cuesta más que perder una coincidencia.
+        salida += minuscula.length === 1 ? minuscula : c;
+    }
+    return salida;
+}
+// ─────────────────────────────────────────────────────────────────────────────
+// Validación de identificadores
+// ─────────────────────────────────────────────────────────────────────────────
+const LETRAS_DNI = "TRWAGMYFPDXBNJZSQVHLCKE";
+/**
+ * Letra de control del DNI: módulo 23 sobre la tabla oficial.
+ *
+ * Acepta los puntos de millar («12.345.678»), que es como se imprime en la
+ * tarjeta y como lo teclea la mitad de la gente.
+ */
+export function dniValido(numero, letra) {
+    const digitos = numero.replace(/\./g, "");
+    if (!/^\d{8}$/.test(digitos))
+        return false;
+    return LETRAS_DNI[Number(digitos) % 23] === letra.toUpperCase();
+}
+/** NIE: la inicial X/Y/Z vale 0/1/2 y luego es el mismo módulo 23. */
+export function nieValido(inicial, numero, letra) {
+    const prefijo = { X: "0", Y: "1", Z: "2" }[inicial.toUpperCase()];
+    if (prefijo === undefined)
+        return false;
+    return dniValido(prefijo + numero, letra);
+}
+/** Resto módulo 97 de una cadena de dígitos, sin desbordar el entero. */
+function modulo97(digitos) {
+    let resto = 0;
+    for (const d of digitos)
+        resto = (resto * 10 + Number(d)) % 97;
+    return resto;
+}
+/** IBAN: mover los cuatro primeros al final, letra → número, y módulo 97 = 1. */
+export function ibanValido(iban) {
+    const limpio = iban.replace(/\s/g, "").toUpperCase();
+    if (!/^[A-Z]{2}\d{2}[A-Z0-9]{10,30}$/.test(limpio))
+        return false;
+    const rotado = limpio.slice(4) + limpio.slice(0, 4);
+    let digitos = "";
+    for (const c of rotado) {
+        digitos += c >= "A" && c <= "Z" ? String(c.charCodeAt(0) - 55) : c;
+    }
+    return modulo97(digitos) === 1;
+}
+/**
+ * Número de la Seguridad Social: provincia (2) + número (8) + control (2),
+ * donde el control es el módulo 97 de los diez primeros dígitos.
+ *
+ * La excepción documentada: cuando el número de afiliación es menor que
+ * 10.000.000 —es decir, empieza por cero— el código de provincia se coloca
+ * DETRÁS. Se prueban las dos lecturas y basta con que una cuadre; probar sólo
+ * la principal perdería a todos los afiliados antiguos.
+ */
+export function nssValido(provincia, numero, control) {
+    const esperado = Number(control);
+    if (modulo97(provincia + numero) === esperado)
+        return true;
+    if (numero.startsWith("0"))
+        return modulo97(numero + provincia) === esperado;
+    return false;
+}
+// ─────────────────────────────────────────────────────────────────────────────
+// Marcadores de persona
+// ─────────────────────────────────────────────────────────────────────────────
+/**
+ * Lo que sitúa un dato EN UNA PERSONA. Sin uno de éstos cerca, el vocabulario
+ * ambiguo no dispara.
+ *
+ * No están los artículos («el», «la», «los»): son tan frecuentes que
+ * convertirían la co-ocurrencia en un adorno —todo texto en español tiene un
+ * artículo a menos de 60 caracteres de cualquier cosa—. Sí están los posesivos
+ * y los pronombres, que es lo que atribuye el dato a alguien.
+ *
+ * «de baja» / «baja por» entran porque una baja es siempre de una persona; es
+ * el marcador que sostiene «baja por depresión», donde no hay ningún pronombre.
+ */
+const MARCADORES = [
+    /\b(?:yo|tu|ella|ellos|ellas|nosotros|nosotras|vosotros|usted|ustedes)\b/g,
+    // SIN `su` ni `sus`, y es una corrección medida. En español el posesivo de
+    // tercera persona vale para CUALQUIER antecedente, animado o no: «agrega sus
+    // diagnósticos» habla de un comprobador, no de un paciente. Con `su`/`sus`
+    // dentro, 7 de los 10 falsos positivos que quedaban sobre `src` venían de
+    // ahí. Los de primera y segunda persona sí implican a alguien.
+    /\b(?:mi|mis|tus|nuestro|nuestra|nuestros|nuestras)\b/g,
+    // SIN `i`: es la variable de bucle de todo el código escrito jamás, y sobre
+    // el plegado no hay forma de distinguirla del pronombre inglés.
+    /\b(?:he|she|they|we|my|his|her|their|our|your|him|them)\b/g,
+    /\b(?:paciente|pacientes|enfermo|enferma|empleado|empleada|empleados|empleadas)\b/g,
+    /\b(?:trabajador|trabajadora|trabajadores|usuario|usuaria|usuarios|cliente|clientes)\b/g,
+    /\b(?:candidato|candidata|afiliado|afiliada|socio|socia|miembro|companero|companera|colega)\b/g,
+    /\b(?:patient|employee|employees|worker|workers|user|users|customer|member|colleague)\b/g,
+    /\b(?:don|dona|sr|sra|senor|senora|mr|mrs|ms)\b/g,
+    /\bde baja\b|\bbaja por\b|\bsick leave\b|\bon leave\b/g,
+];
+/**
+ * Nombre y apellido SEGUIDOS: dos palabras capitalizadas pegadas, ni al
+ * principio del texto ni tras un punto.
+ *
+ * MEDIDO, y es la corrección más cara de este módulo. Antes bastaba UNA palabra
+ * capitalizada. Sobre los 469 ficheros `.ts` reales de `src` eso daba 20.272
+ * marcadores: en un repositorio documentado en español toda palabra que abre
+ * frase dentro de un bloque de documentación y todo nombre de tipo
+ * (`Comprobador`, `Deteccion`, `Diagnostico`) valía por «una persona». El
+ * resultado era que la co-ocurrencia no filtraba nada y el detector marcaba 51
+ * veces palabras como `diagnóstico` y `positivo` —la segunda dentro de la
+ * expresión «falso positivo», que es justo lo que este módulo intenta evitar—.
+ * Exigiendo las dos palabras seguidas quedan 351 candidatos sobre el mismo
+ * corpus, y ninguno acaba produciendo un hallazgo.
+ *
+ * Lo que se paga: «Ana padece esclerosis» ya no tiene marcador por el nombre.
+ * Se acepta a sabiendas —un nombre de pila suelto es indistinguible de un
+ * identificador de código— y se compensa con el vocabulario sin marcador.
+ */
+const NOMBRE_COMPLETO = /\b[A-ZÁÉÍÓÚÑ][a-záéíóúñ]{2,} [A-ZÁÉÍÓÚÑ][a-záéíóúñ]{2,}\b/g;
+function marcadoresDe(plegado, original) {
+    const tramos = [];
+    for (const patron of MARCADORES) {
+        for (const m of plegado.matchAll(patron)) {
+            tramos.push({ desde: m.index, hasta: m.index + m[0].length });
+        }
+    }
+    for (const m of original.matchAll(NOMBRE_COMPLETO)) {
+        const antes = original.slice(0, m.index).trimEnd();
+        if (antes.length === 0)
+            continue; // primera palabra del texto
+        if (/[.!?¿¡:]$/.test(antes))
+            continue; // primera palabra de la oración
+        tramos.push({ desde: m.index, hasta: m.index + m[0].length });
+    }
+    return tramos;
+}
+/** ¿Hay algún marcador a menos de `VENTANA` del término, sin solaparlo? */
+function tieneMarcadorCerca(termino, marcadores) {
+    for (const m of marcadores) {
+        if (m.desde < termino.hasta && termino.desde < m.hasta)
+            continue; // se solapan: es el propio término
+        const distancia = m.desde >= termino.hasta ? m.desde - termino.hasta : termino.desde - m.hasta;
+        if (distancia <= VENTANA)
+            return true;
+    }
+    return false;
+}
+/**
+ * Español e inglés en la misma tabla. Lo que entra sin marcador es lo que no
+ * tiene otra lectura en un repositorio de software: `diabetes` no sale de un
+ * compilador. Lo que exige marcador es lo que sí sale: `diagnostico`,
+ * `depresion`, `positivo`.
+ *
+ * Ausencias deliberadas, cada una por un falso positivo concreto:
+ *   · `union` a secas → `union type`, `UNION ALL`. Sólo entra en locuciones
+ *     («union member», «trade union»).
+ *   · `race` a secas → `race condition`. Sólo entra «racial origin».
+ *   · `podemos` como partido → es la primera persona del plural de «poder».
+ *     Se cubre por la locución «votante de», que revela la opinión política
+ *     sea cual sea el partido.
+ *   · `master`, `slave`, `blacklist` → vocabulario técnico, no étnico.
+ */
+const TERMINOS = [
+    // ── Salud (art. 9) ──
+    { categoria: "salud", patron: /\bdiabetes\b|\bdiabetic(?:o|a|os|as)?\b/g, exigeMarcador: false },
+    {
+        categoria: "salud",
+        patron: /\balergi(?:a|as)\b|\balergic(?:o|a)\b|\ballerg(?:y|ic|ies)\b/g,
+        exigeMarcador: false,
+    },
+    { categoria: "salud", patron: /\b(?:vih|hiv|sida|aids|hepatitis|tuberculosis)\b/g, exigeMarcador: false },
+    { categoria: "salud", patron: /\bcancer\b|\bleucemia\b|\bleukemia\b|\btumor(?:es)?\b/g, exigeMarcador: false },
+    { categoria: "salud", patron: /\bgrupo sanguineo\b|\bblood (?:type|group)\b/g, exigeMarcador: false },
+    {
+        categoria: "salud",
+        patron: /\ben tratamiento (?:con|por|de)\b|\bunder treatment for\b|\bon medication\b/g,
+        exigeMarcador: false,
+    },
+    {
+        categoria: "salud",
+        patron: /\b(?:sertralina|fluoxetina|paroxetina|litio|insulina|metformina|antidepresiv(?:o|os)|antirretroviral(?:es)?|quimioterapia|chemotherapy)\b/g,
+        exigeMarcador: false,
+    },
+    {
+        categoria: "salud",
+        patron: /\bhistoria clinica\b|\bhistorial medico\b|\bmedical (?:record|history)\b|\binforme medico\b/g,
+        exigeMarcador: false,
+    },
+    {
+        categoria: "salud",
+        patron: /\bembarazad(?:a|as)\b|\bpregnan(?:t|cy)\b|\bdiscapacidad\b|\bminusvalia\b/g,
+        exigeMarcador: false,
+    },
+    // `diagnostico` PARTIDO EN DOS, y es la lección más cara del módulo. En un
+    // agente de programación «diagnóstico» es lo que escupe el compilador: sobre
+    // `src` aparece 46 veces y ninguna habla de la salud de nadie. La forma que
+    // sí es art. 9 no es la palabra suelta, es la CONSTRUCCIÓN: a alguien se le
+    // diagnostica ALGO. Ésa no exige marcador porque ya lo lleva dentro.
+    {
+        categoria: "salud",
+        patron: /\bdiagnosticad(?:o|a|os|as) (?:de|con)\b|\bdiagnos(?:ed with|is of)\b|\bdiagnostico (?:medico|clinico|psiquiatrico|psicologico|de cancer)\b|\bmedical diagnosis\b/g,
+        exigeMarcador: false,
+    },
+    {
+        categoria: "salud",
+        patron: /\bdiagnostic(?:o|os|ado|ada|ados|adas)\b|\bdiagnos(?:is|ed)\b/g,
+        exigeMarcador: true,
+        cancelablePor: /\b(?:LSP|lsp|compilador(?:es)?|compilers?|linters?|checkers?|comprobador(?:es)?|TypeScript|eslint|biome|servidor de lenguaje|tree-sitter|workers?|streaming|stderr|stdout|IRC)\b|\bdiagn\w*\s*:\s*(?:number|string|boolean)\b|\bdiagn\w*\.\w+/g,
+    },
+    {
+        categoria: "salud",
+        patron: /\bdepresion\b|\bansiedad\b|\bdepression\b|\banxiety\b|\bburnout\b/g,
+        exigeMarcador: true,
+    },
+    {
+        categoria: "salud",
+        patron: /\benfermedad(?:es)?\b|\bdolencia\b|\billness\b|\bdisease\b|\bsintomas\b/g,
+        exigeMarcador: true,
+    },
+    // `positivo` va sin «falso» ni «false» delante: «falso positivo» es la
+    // expresión de oficio de este repositorio —medido, 5 hallazgos en `src`, uno
+    // de ellos en un comentario que explica cómo evitar falsos positivos— y no
+    // habla de la serología de nadie.
+    {
+        categoria: "salud",
+        patron: /(?<!\bfals[oa]s? )(?<!\bfalse )(?:\bpositiv(?:o|a)\b|\bpositive\b|\bseropositiv(?:o|a)\b)/g,
+        exigeMarcador: true,
+    },
+    // Patologías sin lectura técnica: no salen de un compilador, así que no
+    // exigen marcador. Coste medido sobre los 469 ficheros de `src` y sobre 200
+    // commits: CERO hallazgos.
+    {
+        categoria: "salud",
+        patron: /\besquizofrenia\b|\bbipolar\b|\bepilep(?:sia|tic(?:o|a))\b|\balzheimer\b|\bparkinson\b|\bdialisis\b|\besclerosis\b|\bfibromialgia\b|\bcelia(?:co|ca)\b|\basma\b|\bictus\b|\binfarto\b/g,
+        exigeMarcador: false,
+    },
+    {
+        categoria: "salud",
+        patron: /\bsuicidi(?:o|os|arse)\b|\bautolesion(?:es)?\b|\bsalud mental\b|\bmental health\b|\bingreso psiquiatric(?:o|a)\b|\bpsiquiatric(?:o|a)\b/g,
+        exigeMarcador: false,
+    },
+    {
+        categoria: "salud",
+        patron: /\badict(?:o|a) a\b|\balcoholi(?:co|ca|smo)\b|\bdrogodependien\w*\b|\bdesintoxicacion\b|\brehabilitacion\b|\btoxicoman\w*\b/g,
+        exigeMarcador: false,
+    },
+    {
+        categoria: "salud",
+        patron: /\bbaja medica\b|\bbaja laboral\b|\bincapacidad (?:temporal|permanente|laboral)\b|\bsick leave\b|\bmedical leave\b/g,
+        exigeMarcador: false,
+    },
+    {
+        categoria: "salud",
+        patron: /\babortion\b|\binterrupcion (?:voluntaria )?del embarazo\b|\btratamiento de fertilidad\b|\bmiscarriage\b/g,
+        exigeMarcador: false,
+    },
+    // Siglas clínicas, en mayúsculas y sobre el original. Sólo las que no
+    // colisionan con vocabulario técnico: fuera `IAM` (AWS), `ACV`, `TOC` (tabla
+    // de contenidos) y `SNS`, que en un repositorio son otra cosa.
+    {
+        categoria: "salud",
+        patron: /\b(?:TDAH|TEPT|EPOC|VHC|VHB)\b/g,
+        exigeMarcador: false,
+        sobreOriginal: true,
+    },
+    // ── Afiliación sindical (art. 9) ──
+    // EN MAYÚSCULAS y sobre el original: ver `sobreOriginal`. `uso`, `lab`, `cnt`
+    // y `ela` en minúsculas son palabras corrientes, no sindicatos.
+    {
+        categoria: "sindical",
+        patron: /\b(?:CCOO|UGT|CGT|CNT|USO|ELA|LAB|CIG|SATSE|CSIF)\b/g,
+        exigeMarcador: false,
+        sobreOriginal: true,
+    },
+    // `liberado sindical` y `seccion sindical` llevan la palabra dentro: no hay
+    // otra lectura. `huelga` sí la tiene —«huelga decir»— y además una huelga
+    // convocada no es un dato de nadie; lo que revela afiliación es que una
+    // PERSONA aparezca al lado. De ahí el marcador sólo en la segunda.
+    {
+        categoria: "sindical",
+        patron: /\bliberad(?:o|a) sindical\b|\bseccion sindical\b/g,
+        exigeMarcador: false,
+    },
+    { categoria: "sindical", patron: /\bhuelga\b|\bpiquete\b/g, exigeMarcador: true },
+    {
+        categoria: "sindical",
+        patron: /\bsindicat(?:o|os)\b|\bsindicalista\b|\bafiliacion sindical\b|\bdelegad(?:o|a) sindical\b|\bcomite de empresa\b/g,
+        exigeMarcador: false,
+    },
+    {
+        categoria: "sindical",
+        patron: /\bunion member(?:ship)?\b|\btrade union\b|\blabou?r union\b|\bunioni[sz]ed\b|\bshop steward\b/g,
+        exigeMarcador: false,
+    },
+    // ── Origen étnico o racial (art. 9) ──
+    {
+        categoria: "origen-etnico",
+        patron: /\bde origen (?:marroqui|gitan(?:o|a)|magrebi|subsaharian(?:o|a)|arabe|bereber|judi(?:o|a)|latin(?:o|a)|rumen(?:o|a)|rumano|rumana|chin(?:o|a)|african(?:o|a)|asiatic(?:o|a)|indi(?:o|a)|turc(?:o|a)|paquistani|senegales|ecuatorian(?:o|a)|bolivian(?:o|a)|etnic(?:o|a))\b/g,
+        exigeMarcador: false,
+    },
+    {
+        categoria: "origen-etnico",
+        patron: /\betnia\b|\bgitan(?:o|a|os|as)\b|\bracial origin\b|\bethnic (?:origin|group|background|minority)\b|\bethnicity\b|\borigen racial\b|\bminoria etnica\b/g,
+        exigeMarcador: false,
+    },
+    // ── Religión o creencias (art. 9) ──
+    {
+        categoria: "religion",
+        patron: /\bmusulman(?:a|es|as)?\b|\bmuslim\b|\bislamic(?:o|a)?\b|\bcatolic(?:o|a|os|as)\b|\bcatholic\b|\bevangelic(?:o|a)\b|\bprotestante\b|\bjudi(?:o|a)\b|\bjewish\b|\bhindu\b|\bbudista\b|\bbuddhist\b|\btestigo de jehova\b|\bate(?:o|a)\b/g,
+        exigeMarcador: false,
+    },
+    // `agnostico` sale de la lista: medido, en `src` aparece una vez y es
+    // «agnóstico de proveedor». La creencia religiosa que hay que cazar es la
+    // que se declara, no la que se niega con una palabra que además es jerga.
+    {
+        categoria: "religion",
+        patron: /\bcreencias religiosas\b|\breligious belief(?:s)?\b|\bconviccion religiosa\b|\bpractica religiosa\b|\bmotivos religiosos\b|\bramadan\b|\bkosher\b|\bhalal\b|\bva a misa\b|\bbautizad(?:o|a)\b/g,
+        exigeMarcador: false,
+    },
+    // ── Opiniones políticas (art. 9) ──
+    {
+        categoria: "opinion-politica",
+        patron: /\bvotante de\b|\bvot(?:a|o|e) a\b|\bvoted for\b|\bmilitante de\b|\bsimpatizante de\b|\bafiliad(?:o|a) al partido\b/g,
+        exigeMarcador: false,
+    },
+    {
+        categoria: "opinion-politica",
+        patron: /\bpartido popular\b|\bpsoe\b|\bizquierda unida\b|\bpartido comunista\b|\bideologia politica\b|\bpolitical (?:opinion|affiliation|party)\b/g,
+        exigeMarcador: false,
+    },
+    // ── Vida sexual u orientación sexual (art. 9) ──
+    {
+        categoria: "vida-sexual",
+        patron: /\bgay\b|\blesbian(?:a|as)?\b|\bbisexual\b|\bhomosexual\b|\bheterosexual\b|\btransexual\b|\btransgener(?:o|a)\b|\btransgender\b|\bqueer\b/g,
+        exigeMarcador: false,
+    },
+    {
+        categoria: "vida-sexual",
+        patron: /\borientacion sexual\b|\bsexual orientation\b|\bidentidad de genero\b|\bgender identity\b|\bpareja de hecho\b|\bcivil partnership\b/g,
+        exigeMarcador: false,
+    },
+    // ── Datos biométricos (art. 9) ──
+    {
+        categoria: "biometrico",
+        patron: /\bhuella(?:s)? dactilar(?:es)?\b|\breconocimiento facial\b|\bfacial recognition\b|\bfingerprint scan(?:ner)?\b|\biris scan\b|\bescaneo de iris\b|\bvoiceprint\b|\bhuella de voz\b/g,
+        exigeMarcador: false,
+    },
+    {
+        categoria: "biometrico",
+        patron: /\bdatos biometricos\b|\bbiometric data\b|\bplantilla biometrica\b|\bbiometric template\b/g,
+        exigeMarcador: false,
+    },
+    // ── Datos genéticos (art. 9) ──
+    {
+        categoria: "genetico",
+        patron: /\bperfil genetic(?:o|a)\b|\bgenetic (?:profile|test|testing|data|marker)\b|\btest genetico\b|\bsecuenciacion (?:genetica|del genoma)\b|\bgenoma\b|\bcariotipo\b|\bbrca[12]\b/g,
+        exigeMarcador: false,
+    },
+    // ── Condenas e infracciones penales (art. 10) ──
+    {
+        categoria: "condenas",
+        patron: /\bantecedentes penales\b|\bcriminal record\b|\bcertificado de penales\b|\bregistro de delincuentes\b/g,
+        exigeMarcador: false,
+    },
+    {
+        categoria: "condenas",
+        patron: /\bcondenad(?:o|a) por\b|\bconvicted of\b|\bsentenciad(?:o|a) a\b|\bsentenced to\b|\bimputad(?:o|a) por\b|\bproceso penal\b|\ben prision por\b/g,
+        exigeMarcador: false,
+    },
+    // Las formas que faltaban, medidas: «cumplió condena por robo», «detenido
+    // por», «orden de alejamiento» y «violencia de género» salían LIMPIAS. Coste
+    // sobre los 469 ficheros de `src` y 200 commits: CERO.
+    {
+        categoria: "condenas",
+        patron: /\bcondena por\b|\bcumplio condena\b|\bdetenid(?:o|a) por\b|\borden de alejamiento\b|\bdelito de\b|\bviolencia de genero\b|\bjuicio penal\b|\barrested for\b|\bon probation\b|\bparole\b/g,
+        exigeMarcador: false,
+    },
+];
+// ─────────────────────────────────────────────────────────────────────────────
+// Identificadores
+// ─────────────────────────────────────────────────────────────────────────────
+/**
+ * Van sobre el texto ORIGINAL, no sobre el plegado —el plegado ya no distingue
+ * `X` de `x`— pero SÍ aceptan minúsculas y los puntos de millar.
+ *
+ * MEDIDO, y era un agujero de los grandes: `dni 12345678z`, `nie z1234567r`,
+ * `es9121000418450200051332` y `DNI 12.345.678-Z` salían LIMPIOS. Las cuatro
+ * son formas que produce cualquiera: el punto de millar es como se imprime un
+ * DNI en España, y la minúscula es lo que sale de un `toLowerCase()` en
+ * cualquier campo de formulario, de un `JSON` normalizado o de una URL.
+ *
+ * El coste se midió, y no salió gratis: `/Users/31017423z/...` —un directorio
+ * de trabajo real, citado en dos ficheros de `src`— tiene ocho cifras y una
+ * letra, y PASA el módulo 23. De ahí el `(?<![/\\])` y el `(?![/\\])`: un token
+ * pegado a una barra es un segmento de ruta, no un documento. Con ese guardián
+ * la forma insensible a mayúsculas produce CERO hallazgos sobre los 469
+ * ficheros `.ts` de `src` y sobre 200 commits.
+ */
+const DNI = /(?<![/\\])\b(\d{2}\.?\d{3}\.?\d{3})[ .-]?([A-Za-z])\b(?![/\\])/g;
+const NIE = /(?<![/\\])\b([XYZxyz])[ .-]?(\d{7})[ .-]?([A-Za-z])\b(?![/\\])/g;
+const IBAN = /\b([A-Za-z]{2}\d{2}(?:[ ]?[A-Za-z0-9]{4}){3,7}[ ]?[A-Za-z0-9]{0,4})\b/g;
+const NSS = /\b(\d{2})[ -]?(\d{8})[ -]?(\d{2})\b/g;
+/** Matrícula española desde 2000: cuatro cifras y tres consonantes, sin Ñ ni Q. */
+const MATRICULA = /\b\d{4}[ -]?[BCDFGHJKLMNPRSTVWXYZ]{3}\b/g;
+const PORQUE_MODULO_23 = "identificador nacional con letra de control correcta (comprobada, modulo 23)";
+const PORQUE_MODULO_97 = "identificador nacional con digito de control correcto (comprobado, modulo 97)";
+const PORQUE_FORMA_PLACA = "identificador nacional con la forma exacta de una placa (cuatro cifras y tres consonantes; sin control que comprobar)";
+const PORQUE_VOCABULARIO = "vocabulario de categoria especial sin otra lectura tecnica";
+const PORQUE_CON_MARCADOR = `vocabulario ambiguo con un marcador de persona a menos de ${VENTANA} caracteres`;
+function articuloDe(categoria) {
+    return categoria === "condenas" ? "10" : "9";
+}
+/**
+ * Funde los hallazgos de la MISMA categoría que se solapan.
+ *
+ * «afiliado al partido popular» dispara dos patrones políticos sobre tramos
+ * que se pisan; dos hallazgos para un solo dato inflan el informe del DPO y
+ * hacen que redactar sea redactar dos veces lo mismo.
+ */
+function fundir(hallazgos) {
+    const ordenados = [...hallazgos].sort((a, b) => a.desde - b.desde || a.hasta - b.hasta);
+    const salida = [];
+    for (const h of ordenados) {
+        const previo = salida.find((p) => p.categoria === h.categoria && h.desde < p.hasta && p.desde < h.hasta);
+        if (previo) {
+            previo.desde = Math.min(previo.desde, h.desde);
+            previo.hasta = Math.max(previo.hasta, h.hasta);
+            continue;
+        }
+        salida.push({ ...h });
+    }
+    return salida.sort((a, b) => a.desde - b.desde);
+}
+/**
+ * Busca categorías especiales del art. 9 y condenas del art. 10.
+ *
+ * TRES ESTADOS, no dos:
+ *   · lista con hallazgos → hay datos de categoría especial;
+ *   · lista vacía → he mirado el texto entero y no hay;
+ *   · `TextoNoAnalizable` → no he podido mirar. Nunca se confunde con la vacía.
+ *
+ * Ningún campo del hallazgo lleva el texto detectado; sólo su posición y la
+ * forma que lo disparó.
+ */
+export function categoriasEspeciales(texto) {
+    if (typeof texto !== "string") {
+        throw new TextoNoAnalizable("no-es-cadena", `llego un ${texto === null ? "null" : typeof texto}`);
+    }
+    if (texto.length > LIMITE_CARACTERES) {
+        throw new TextoNoAnalizable("demasiado-largo", `${texto.length} caracteres, el limite es ${LIMITE_CARACTERES}`);
+    }
+    const hallazgos = [];
+    const plegado = plegar(texto);
+    const marcadores = marcadoresDe(plegado, texto);
+    for (const termino of TERMINOS) {
+        // Plegado y original tienen la MISMA longitud, así que los índices de uno
+        // sirven para el otro y para el cálculo de distancia al marcador.
+        const donde = termino.sobreOriginal ? texto : plegado;
+        for (const m of donde.matchAll(termino.patron)) {
+            const tramo = { desde: m.index, hasta: m.index + m[0].length };
+            if (termino.exigeMarcador && !tieneMarcadorCerca(tramo, marcadores))
+                continue;
+            if (termino.cancelablePor &&
+                texto.slice(Math.max(0, tramo.desde - VENTANA), tramo.hasta + VENTANA).match(termino.cancelablePor))
+                continue;
+            hallazgos.push({
+                categoria: termino.categoria,
+                articulo: articuloDe(termino.categoria),
+                desde: tramo.desde,
+                hasta: tramo.hasta,
+                porque: termino.exigeMarcador ? PORQUE_CON_MARCADOR : PORQUE_VOCABULARIO,
+            });
+        }
+    }
+    // Identificadores: la forma sólo abre la puerta; entra el que valida.
+    for (const m of texto.matchAll(DNI)) {
+        if (!dniValido(m[1], m[2]))
+            continue;
+        hallazgos.push({
+            categoria: "identificador-nacional",
+            articulo: "9",
+            desde: m.index,
+            hasta: m.index + m[0].length,
+            porque: PORQUE_MODULO_23,
+        });
+    }
+    for (const m of texto.matchAll(NIE)) {
+        if (!nieValido(m[1], m[2], m[3]))
+            continue;
+        hallazgos.push({
+            categoria: "identificador-nacional",
+            articulo: "9",
+            desde: m.index,
+            hasta: m.index + m[0].length,
+            porque: PORQUE_MODULO_23,
+        });
+    }
+    for (const m of texto.matchAll(IBAN)) {
+        const candidato = m[1].trimEnd();
+        if (!ibanValido(candidato))
+            continue;
+        hallazgos.push({
+            categoria: "identificador-nacional",
+            articulo: "9",
+            desde: m.index,
+            hasta: m.index + candidato.length,
+            porque: PORQUE_MODULO_97,
+        });
+    }
+    for (const m of texto.matchAll(NSS)) {
+        if (!nssValido(m[1], m[2], m[3]))
+            continue;
+        hallazgos.push({
+            categoria: "identificador-nacional",
+            articulo: "9",
+            desde: m.index,
+            hasta: m.index + m[0].length,
+            porque: PORQUE_MODULO_97,
+        });
+    }
+    for (const m of texto.matchAll(MATRICULA)) {
+        hallazgos.push({
+            categoria: "identificador-nacional",
+            articulo: "9",
+            desde: m.index,
+            hasta: m.index + m[0].length,
+            porque: PORQUE_FORMA_PLACA,
+        });
+    }
+    return fundir(hallazgos);
+}
+/** Con lo que se sustituye cada tramo. El mismo bloque que usa `redactSensitive`. */
+const BLOQUE = "█";
+/**
+ * Devuelve el texto con los tramos hallados —y SÓLO ésos— sustituidos por
+ * bloques.
+ *
+ * Es lo que le falta hoy a `redactSensitive`: medido,
+ * `redactSensitive("baja por depresión, afiliado a CCOO, HIV positive",
+ * "strict")` devuelve la cadena idéntica, y esa función alimenta el libro de
+ * auditoría y el diario de edición.
+ *
+ * DOS DECISIONES, las dos deliberadas:
+ *
+ *   · El bloque tiene la MISMA longitud que el tramo. Un texto tapado que
+ *     encoge delata dónde estaba el dato al comparar con el original, y además
+ *     rompe cualquier índice que alguien haya guardado sobre el texto.
+ *   · No se escribe la categoría en el hueco. Poner «[salud]» taparía el dato y
+ *     publicaría el diagnóstico: que hay información de salud sobre esta
+ *     persona ya es, por sí solo, una categoría especial. La categoría va en el
+ *     hallazgo, que es para el DPO; el texto tapado es para todos los demás.
+ *
+ * Un texto sin hallazgos sale idéntico byte a byte —se devuelve el mismo
+ * objeto—, y `TextoNoAnalizable` sube igual que en `categoriasEspeciales`:
+ * devolver aquí el texto sin tocar sería devolver el original en claro
+ * creyendo haberlo tapado.
+ */
+export function taparCategoriasEspeciales(texto) {
+    const hallazgos = categoriasEspeciales(texto);
+    if (hallazgos.length === 0)
+        return texto;
+    // Los hallazgos vienen ordenados por `desde`, pero `fundir` sólo une los de
+    // la MISMA categoría: dos categorías distintas pueden pisarse («judío» es
+    // origen étnico y religión a la vez). El cursor evita tapar dos veces el
+    // mismo trozo, que duplicaría bloques y alargaría el texto.
+    let salida = "";
+    let cursor = 0;
+    for (const h of hallazgos) {
+        if (h.hasta <= cursor)
+            continue;
+        const desde = Math.max(h.desde, cursor);
+        salida += texto.slice(cursor, desde) + BLOQUE.repeat(h.hasta - desde);
+        cursor = h.hasta;
+    }
+    return salida + texto.slice(cursor);
+}
+//# sourceMappingURL=categorias-especiales.js.map