@stll/anonymize-wasm 1.2.0 → 1.4.0

package/dist/person-stopwords.mjs

@@ -2,65 +2,185 @@
 var person_stopwords_default = {
 	_comment: "Words that are valid in other labels (address, org) but should never be classified as person. Checked only in person chain scoring.",
 	words: [
+		"addendum",
+		"agent",
+		"agreement",
+		"alameda",
+		"amendment",
+		"annex",
 		"april",
+		"article",
 		"august",
 		"austria",
 		"austrian",
+		"avenida",
 		"basic",
 		"belgian",
+		"borrower",
 		"british",
 		"bulgarian",
+		"buyer",
 		"california",
 		"center",
+		"consent",
+		"consultant",
+		"contract",
+		"contractor",
 		"croatian",
+		"customer",
 		"cypriot",
 		"czech",
 		"danish",
 		"december",
+		"default",
 		"delaware",
+		"delivery",
 		"dry",
 		"dutch",
 		"english",
 		"estonian",
+		"estrada",
 		"european",
+		"event",
+		"exhibit",
 		"february",
 		"finnish",
 		"french",
 		"german",
 		"germany",
 		"greek",
+		"guarantor",
 		"hungarian",
 		"indiana",
+		"interest",
 		"irish",
 		"israel",
 		"italian",
 		"january",
 		"july",
 		"june",
+		"landlord",
+		"largo",
 		"latvian",
+		"lender",
+		"lessee",
+		"lessor",
+		"license",
+		"licensee",
+		"licensor",
 		"lithuanian",
 		"louisiana",
 		"luxembourgish",
 		"maltese",
 		"march",
 		"maryland",
+		"memorandum",
 		"missouri",
 		"nevada",
+		"notice",
 		"november",
 		"october",
 		"ohio",
 		"opportunity",
+		"owner",
 		"page",
+		"party",
+		"payment",
 		"polish",
 		"portuguese",
+		"praca",
+		"praça",
+		"price",
+		"principal",
+		"purchaser",
+		"rate",
+		"rodovia",
 		"romanian",
+		"rua",
 		"sale",
+		"schedule",
+		"section",
+		"seller",
 		"september",
 		"slovak",
 		"slovenian",
 		"spanish",
 		"swedish",
-		"university"
+		"tenant",
+		"term",
+		"termination",
+		"time",
+		"travessa",
+		"union",
+		"university",
+		"vendor",
+		"waiver",
+		"borgo",
+		"contrada",
+		"corso",
+		"indirizzo",
+		"lungarno",
+		"lungomare",
+		"lungotevere",
+		"piazza",
+		"piazzale",
+		"salita",
+		"sede",
+		"sezione",
+		"strada",
+		"stradone",
+		"traversa",
+		"via",
+		"viale",
+		"vico",
+		"vicolo",
+		"acheteur",
+		"acheteuse",
+		"acquéreur",
+		"acquéreuse",
+		"allée",
+		"annexe",
+		"avenue",
+		"bailleresse",
+		"bailleur",
+		"boulevard",
+		"cédant",
+		"cédante",
+		"cessionnaire",
+		"chapitre",
+		"chemin",
+		"domicilié",
+		"domiciliée",
+		"employé",
+		"employée",
+		"employeur",
+		"employeuse",
+		"fournisseur",
+		"fournisseuse",
+		"impasse",
+		"locataire",
+		"maître",
+		"mandant",
+		"mandante",
+		"mandataire",
+		"passage",
+		"préambule",
+		"preneur",
+		"preneuse",
+		"prestataire",
+		"prêteur",
+		"prêteuse",
+		"promesse",
+		"quai",
+		"résidence",
+		"ruelle",
+		"salarié",
+		"salariée",
+		"société",
+		"titre",
+		"vendeur",
+		"vendeuse",
+		"voie"
 	]
 };
 //#endregion

package/dist/section-headings.mjs

@@ -26,7 +26,19 @@ var patterns = [
 		"flags": "iu"
 	},
 	{
-		"re": "^\\s*(?:Capitolo|Sezione)\\s*\\d",
+		"re": "^\\s*(?:Annexe|Préambule|Titre)\\s*\\d",
+		"flags": "iu"
+	},
+	{
+		"re": "^\\s*(?:Capitolo|Sezione|Articolo)\\s*\\d",
+		"flags": "iu"
+	},
+	{
+		"re": "^\\s*Sezione\\s+[IVX]+\\b",
+		"flags": "iu"
+	},
+	{
+		"re": "^\\s*(?:AMMINISTRAZIONE\\s+AGGIUDICATRICE|ALTRE\\s+INFORMAZIONI|OGGETTO|PROCEDURA)\\b",
 		"flags": "iu"
 	},
 	{
@@ -34,11 +46,11 @@ var patterns = [
 		"flags": "iu"
 	},
 	{
-		"re": "^\\s*(?:Článok|Čl\\.)\\s*\\d",
+		"re": "^\\s*(?:Článok|Čl\\.|Oddiel|Odsek|Príloha)\\s*\\d",
 		"flags": "iu"
 	},
 	{
-		"re": "^\\s*(?:Rozdział|Artykuł)\\s*\\d",
+		"re": "^\\s*(?:Rozdział|Artykuł|Paragraf|Załącznik)\\s*\\d",
 		"flags": "iu"
 	}
 ];

package/dist/sentence-verb-indicators.mjs

@@ -0,0 +1,223 @@
+//#region src/data/sentence-verb-indicators.json
+var _comment = "Verb-like tokens that signal sentence context inside a legal-form match span. When one of these appears between a role-head opening ('Vendor', 'Predávajúci') and the legal-form suffix ('Inc.', 's.r.o.'), the match is a swept sentence fragment and gets trimmed back to the real organisation name. Lowercased; matched case-insensitively. Organised per-language because verb morphology is language-specific; at runtime the legal-form detector unions every language's list into a single set because match spans don't carry a language tag.";
+var cs = [
+	"je",
+	"jsou",
+	"byl",
+	"byla",
+	"byly",
+	"bude",
+	"není",
+	"vlastní",
+	"vlastníkem",
+	"prodává",
+	"prodal",
+	"prodala",
+	"koupil",
+	"koupila",
+	"kupuje",
+	"platí",
+	"hradí",
+	"podepsal",
+	"podepsala",
+	"podepisuje",
+	"uzavírá",
+	"uzavřel",
+	"uzavřela",
+	"zavazuje",
+	"dluží"
+];
+var en = [
+	"is",
+	"are",
+	"was",
+	"were",
+	"owns",
+	"grants",
+	"sells",
+	"sold",
+	"buys",
+	"bought",
+	"has",
+	"holds",
+	"agrees",
+	"pays",
+	"paid",
+	"owes",
+	"signs",
+	"signed",
+	"leases",
+	"rents"
+];
+var de = [
+	"ist",
+	"sind",
+	"war",
+	"waren",
+	"besitzt",
+	"gewährt",
+	"verkauft",
+	"kauft",
+	"hat",
+	"unterzeichnet",
+	"zahlt"
+];
+var fr = [
+	"est",
+	"sont",
+	"était",
+	"étaient",
+	"sera",
+	"seront",
+	"possède",
+	"possèdent",
+	"détient",
+	"détiennent",
+	"vend",
+	"vendent",
+	"achète",
+	"achètent",
+	"signe",
+	"signent",
+	"paie",
+	"paient",
+	"accorde",
+	"accordent",
+	"loue",
+	"louent",
+	"s'engage",
+	"s’engage",
+	"s'engagent",
+	"s’engagent",
+	"conclut",
+	"concluent",
+	"doit",
+	"doivent"
+];
+var sk = [
+	"je",
+	"sú",
+	"bol",
+	"bola",
+	"boli",
+	"bude",
+	"nie je",
+	"uzatvára",
+	"uzatvoril",
+	"uzatvorila",
+	"uzaviera",
+	"uzavrel",
+	"uzavrela",
+	"podpisuje",
+	"podpísal",
+	"podpísala",
+	"vlastní",
+	"vlastníkom",
+	"vlastníkmi",
+	"predáva",
+	"predal",
+	"predala",
+	"kupuje",
+	"kúpil",
+	"kúpila",
+	"platí",
+	"hradí",
+	"zaväzuje",
+	"dlží",
+	"prenajíma",
+	"najíma"
+];
+var es = [
+	"actúa",
+	"actúan",
+	"adquiere",
+	"adquirió",
+	"celebra",
+	"celebran",
+	"celebró",
+	"compra",
+	"compró",
+	"concede",
+	"contrata",
+	"contrató",
+	"debe",
+	"es",
+	"fue",
+	"fueron",
+	"firma",
+	"firman",
+	"firmó",
+	"ha",
+	"han",
+	"otorga",
+	"otorgan",
+	"otorgó",
+	"paga",
+	"pagó",
+	"posee",
+	"compromete",
+	"comprometen",
+	"comprometió",
+	"ser",
+	"son",
+	"suscribe",
+	"tiene",
+	"tienen",
+	"transfiere",
+	"vende",
+	"vendió"
+];
+var it = [
+	"è",
+	"sono",
+	"era",
+	"erano",
+	"possiede",
+	"concede",
+	"vende",
+	"compra",
+	"ha",
+	"firma",
+	"firmato",
+	"paga",
+	"deve",
+	"ratifica",
+	"stipula"
+];
+var pl = [
+	"jest",
+	"są",
+	"był",
+	"była",
+	"było",
+	"były",
+	"będzie",
+	"będą",
+	"nie jest",
+	"oświadcza",
+	"oświadczają",
+	"sprzedaje",
+	"sprzedają",
+	"kupuje",
+	"kupują",
+	"zawiera",
+	"zawierają",
+	"podpisuje",
+	"płaci",
+	"wynajmuje"
+];
+var sentence_verb_indicators_default = {
+	_comment,
+	cs,
+	en,
+	de,
+	fr,
+	sk,
+	es,
+	it,
+	pl
+};
+//#endregion
+export { _comment, cs, de, sentence_verb_indicators_default as default, en, es, fr, it, pl, sk };
+
+//# sourceMappingURL=sentence-verb-indicators.mjs.map

package/dist/sentence-verb-indicators.mjs.map

@@ -0,0 +1 @@
+{"version":3,"file":"sentence-verb-indicators.mjs","names":[],"sources":["../../src/data/sentence-verb-indicators.json"],"sourcesContent":[""],"mappings":""}

package/dist/triggers.cs.mjs

@@ -190,7 +190,7 @@ var triggers_cs_default = [
 	},
 	{
 		"id": "cs-birth-number",
-		"label": "czech birth number",
+		"label": "birth number",
 		"strategy": {
 			"type": "n-words",
 			"count": 1
@@ -347,7 +347,22 @@ var triggers_cs_default = [
 			"obvodní soud"
 		],
 		"label": "organization",
-		"strategy": { "type": "to-next-comma" },
+		"strategy": {
+			"type": "to-next-comma",
+			"stopWords": [
+				"dne",
+				"v oddíle",
+				"oddíl",
+				"oddílu",
+				"vložka",
+				"vložky",
+				"vložce",
+				"sp.zn.",
+				"spisové",
+				"spisovou",
+				"pod"
+			]
+		},
 		"includeTrigger": true,
 		"extensions": [],
 		"validations": [{
@@ -366,7 +381,96 @@ var triggers_cs_default = [
 			"obvodního soudu"
 		],
 		"label": "organization",
-		"strategy": { "type": "to-next-comma" },
+		"strategy": {
+			"type": "to-next-comma",
+			"stopWords": [
+				"dne",
+				"v oddíle",
+				"oddíl",
+				"oddílu",
+				"vložka",
+				"vložky",
+				"vložce",
+				"sp.zn.",
+				"spisové",
+				"spisovou",
+				"pod"
+			]
+		},
+		"includeTrigger": true,
+		"extensions": [],
+		"validations": [{
+			"type": "min-length",
+			"min": 3
+		}]
+	},
+	{
+		"id": "soudy-instrumental",
+		"triggers": [
+			"krajským soudem",
+			"okresním soudem",
+			"městským soudem",
+			"nejvyšším soudem",
+			"ústavním soudem",
+			"obvodním soudem"
+		],
+		"label": "organization",
+		"strategy": {
+			"type": "to-next-comma",
+			"stopWords": [
+				"dne",
+				"v oddíle",
+				"oddíl",
+				"oddílu",
+				"vložka",
+				"vložky",
+				"vložce",
+				"sp.zn.",
+				"spisové",
+				"spisovou",
+				"pod"
+			]
+		},
+		"includeTrigger": true,
+		"extensions": [],
+		"validations": [{
+			"type": "min-length",
+			"min": 3
+		}]
+	},
+	{
+		"id": "soudy-dative-locative",
+		"triggers": [
+			"krajskému soudu",
+			"okresnímu soudu",
+			"městskému soudu",
+			"nejvyššímu soudu",
+			"ústavnímu soudu",
+			"obvodnímu soudu",
+			"krajském soudu",
+			"okresním soudu",
+			"městském soudu",
+			"nejvyšším soudu",
+			"ústavním soudu",
+			"obvodním soudu"
+		],
+		"label": "organization",
+		"strategy": {
+			"type": "to-next-comma",
+			"stopWords": [
+				"dne",
+				"v oddíle",
+				"oddíl",
+				"oddílu",
+				"vložka",
+				"vložky",
+				"vložce",
+				"sp.zn.",
+				"spisové",
+				"spisovou",
+				"pod"
+			]
+		},
 		"includeTrigger": true,
 		"extensions": [],
 		"validations": [{

package/dist/triggers.en.mjs

@@ -64,6 +64,38 @@ var triggers_en_default = [
 			"tax identification number",
 			"tax id"
 		]
+	},
+	{
+		"id": "en-uk-companies-house",
+		"label": "registration number",
+		"strategy": { "type": "company-id-value" },
+		"triggers": [
+			"Companies House",
+			"Company No.",
+			"Company No",
+			"CRN"
+		],
+		"extensions": ["add-colon", "add-colon-space"],
+		"validations": [{
+			"type": "matches-pattern",
+			"pattern": "^(?:SC|NI|OC|SO|R|FC|GE|GS|IC|IP|LP|NC|NF|NL|NO|NP|NR|NZ|RC|SA|SF|SI|SL|SP|SR|SZ)?\\d{6,8}$"
+		}]
+	},
+	{
+		"id": "en-uk-utr",
+		"label": "tax identification number",
+		"strategy": { "type": "company-id-value" },
+		"triggers": [
+			"UTR",
+			"Unique Tax Reference",
+			"Unique Taxpayer Reference",
+			"Self Assessment UTR"
+		],
+		"extensions": ["add-colon", "add-colon-space"],
+		"validations": [{
+			"type": "matches-pattern",
+			"pattern": "^\\d{10}$"
+		}]
 	}
 ];
 //#endregion

package/dist/triggers.es.mjs

@@ -8,7 +8,10 @@ var triggers_es_default = [
 			"con domicilio en",
 			"domiciliado en",
 			"domiciliada en",
-			"sita en"
+			"sita en",
+			"sito en",
+			"residente en",
+			"con sede en"
 		]
 	},
 	{
@@ -25,7 +28,11 @@ var triggers_es_default = [
 			"type": "n-words",
 			"count": 5
 		},
-		"triggers": ["nacido el", "nacida el"]
+		"triggers": [
+			"nacido el",
+			"nacida el",
+			"fecha de nacimiento"
+		]
 	},
 	{
 		"id": "es-national-id",
@@ -35,20 +42,52 @@ var triggers_es_default = [
 			"con D.N.I.",
 			"con DNI",
 			"con N.I.E.",
-			"con NIE"
+			"con NIE",
+			"DNI",
+			"NIE",
+			"D.N.I.",
+			"N.I.E.",
+			"documento nacional de identidad",
+			"número de identificación de extranjero"
 		]
 	},
 	{
 		"id": "es-tax-id",
 		"label": "tax identification number",
 		"strategy": { "type": "company-id-value" },
-		"triggers": ["con CIF", "con NIF"]
+		"triggers": [
+			"con CIF",
+			"con NIF",
+			"CIF",
+			"NIF",
+			"C.I.F.",
+			"N.I.F.",
+			"código de identificación fiscal",
+			"número de identificación fiscal"
+		]
 	},
 	{
 		"id": "es-bank-account",
 		"label": "bank account number",
 		"strategy": { "type": "to-end-of-line" },
 		"triggers": ["número de cuenta"]
+	},
+	{
+		"id": "es-postal-code",
+		"label": "address",
+		"strategy": {
+			"type": "n-words",
+			"count": 1
+		},
+		"triggers": [
+			"C.P.",
+			"CP",
+			"código postal"
+		],
+		"validations": [{
+			"type": "matches-pattern",
+			"pattern": "^\\d{5}\\.?$"
+		}]
 	}
 ];
 //#endregion