comtext-sr-pseudonymizer 0.5.3__py3-none-any.whl

comtext_sr_pseudonymizer/__init__.py

@@ -0,0 +1 @@
+from comtext_sr_pseudonymizer.main import run_anonymization

comtext_sr_pseudonymizer/constants.py

@@ -0,0 +1,324 @@
+ROMAN_NUMBERS = ["I", "II", "III", "IV", "V", "VI", "VII", "VIII", "IX", "X"]
+
+SERBIAN_ALPHABET = "ABCČĆDĐEFGHIJKLMNOPRSŠTUVZŽ"
+
+SERBIAN_PHONE_OPERATORS = {
+    "mobile":{
+        "064": "mts",
+        "065": "mts",
+        "066": "mts",
+        "062": "Yettel",
+        "063": "Yettel",
+        "069": "Yettel",
+        "060": "A1 Srbija",
+        "061": "A1 Srbija",
+        "068": "A1 Srbija",
+        "0677": "Globaltel",
+        "0678": "Globaltel",
+    },
+    "landline":
+    {
+        "010": "Pirot",
+        "011": "Beograd",
+        "012": "Požarevac",
+        "013": "Pančevo",
+        "014": "Valjevo",
+        "015": "Šabac",
+        "016": "Leskovac",
+        "017": "Vranje",
+        "018": "Niš",
+        "019": "Zaječar",
+        "020": "Novi Pazar",
+        "021": "Novi Sad",
+        "022": "Sremska Mitrovica",
+        "023": "Zrenjanin",
+        "0230": "Kikinda",
+        "024": "Subotica",
+        "025": "Sombor",
+        "026": "Smederevo",
+        "027": "Prokuplje",
+        "028": "Kosovska Mitrovica",
+        "0280": "Gnjilane",
+        "029": "Prizren",
+        "0290": "Uroševac",
+        "030": "Bor",
+        "031": "Užice",
+        "032": "Čačak",
+        "033": "Prijepolje",
+        "034": "Kragujevac",
+        "035": "Jagodina",
+        "036": "Kraljevo",
+        "037": "Kruševac",
+        "038": "Priština",
+        "039": "Peć",
+        "0390": "Đakovica"
+    }
+}
+
+NON_SERBIAN_CITIES = [
+    "Amsterdam", "Ankara", "Atina", "Bagdad", "Baku", "Bangkok", 
+    "Barselona", "Bazel", "Beč", "Berlin", "Bern", "Bratislava", 
+    "Brisel", "Budimpešta", "Buenos Ajres", "Bukurešt", "Cirih", 
+    "Čikago", "Dablin", "Damas", "Doha", "Dubai", "Firenca","Frankfurt", 
+    "Hamburg", "Hag", "Helsinki", "Hong Kong", "Istanbul", "Jakurta", 
+    "Jerusalim", "Johanesburg", "Kairo", "Kopenhagen", "Kuala Lumpur", 
+    "Kuvajt Siti", "Kijev", "Larnaka", "Lion", "Lisabon", "London", 
+    "Los Anđeles", "Madrid", "Manila", "Marsej", "Meksiko Siti", 
+    "Milano", "Minhen", "Moskva", "Najrobi", "Napulj", "Nica", 
+    "Njujork", "Nju Delhi", "Oslo", "Pariz", "Peking", "Podgorica", "Prag", 
+    "Rejkjavik", "Riga", "Rim", "Rijad", "Sao Paolo", "Sarajevo", 
+    "Seul", "Sidnej", "Singapur", "Sofija", "Solun", "Stokholm", 
+    "Strazbur", "Šangaj", "Talin", "Taškent", "Tbilis", "Teheran", 
+    "Tel Aviv", "Tirana", "Tokio", "Toronto", "Tripoli", "Tunis", 
+    "Varšava", "Vatikan", "Venecija", "Viljnus", "Vašington", 
+    "Velington", "Ženeva"
+]
+
+COUNTRIES = [
+    "Albanija", "Australija", "Austrija", "Belgija", "BiH", 
+    "Bosna i Hercegovina", "Brazil", "Bugarska", "Belgija", 
+    "Crna Gora", "Češka", "Češka Republika", "Danska", "Egipat", 
+    "Federacija BiH", "Finska", "Francuska", "Francuska Republika", 
+    "Grčka", "Helenska Republika", "Holandija", "Hrvatska", "Indija", 
+    "Irska", "Italija", "Italijanska Republika", "Japan", "Kanada", 
+    "Kina", "Kraljevina Belgija", "Kraljevina Holandija", "Kraljevina Španija", 
+    "Mađarska", "Meksiko", "Narodna Republika Kina", "Nemačka", "Nizozemska", "Norveška", 
+    "Poljska", "Republika Austrija", "Republika Hrvatska", "Republika Poljska", 
+    "Republika Slovenija", "Republika Srbija", "Republika Srpska", "Republika Turska", 
+    "Rumunija", "Rusija", "Ruska Federacija", "SAD", "Savezna Republika Nemačka", 
+    "Severna Makedonija", "Sjedinjene Američke Države", "Slovačka", "Slovenija", 
+    "Srbija", "Španija", "Švedska", "Švajcarska", "Švajcarska Konfederacija", 
+    "Turska", "Ujedinjeno Kraljevstvo", "Ukrajina", "Velika Britanija"
+]
+
+EMAIL_ENDINGS = [
+    "gmail.com",
+    "yahoo.com",
+    "outlook.com",
+    "icloud.com"
+]
+
+MONTH_DICTIONARY = {
+    "1": ["januar", "januara", "jan.", "januarom", "januaru"],
+    "2": ["februar", "februara", "feb.", "februarom", "februaru"],
+    "3": ["mart", "marta", "mar.", "martom", "martu"],
+    "4": ["april", "aprila", "apr.", "aprilom", "aprilu"],
+    "5": ["maj", "maja", "maj.", "majom", "maju"],
+    "6": ["jun", "juna", "jun.", "junom", "junu"],
+    "7": ["jul", "jula", "jul.", "julom", "julu"],
+    "8": ["avgust", "avgusta", "avg.", "avgustom", "avgustu"],
+    "9": ["septembar", "septembra", "sept.", "septembrom", "septembru"],
+    "10": ["oktobar", "oktobra", "okt.", "oktobrom", "oktobru"],
+    "11": ["novembar", "novembra", "nov.", "novembrom", "novembru"],
+    "12": ["decembar", "decembra", "dec.", "decembrom", "decembru"]
+}
+
+
+IDPER_REGION_DICTIONARY = {
+    # 00–09: Foreigners
+    "01": ["Stranci u Bosni i Hercegovini"],
+    "02": ["Stranci u Crnoj Gori"],
+    "03": ["Stranci u Hrvatskoj"],
+    "04": ["Stranci u Makedoniji"],
+    "05": ["Stranci u Sloveniji"],
+    "07": ["Stranci u Srbiji (bez pokrajina)"],
+    "08": ["Stranci u Vojvodini"],
+    "09": ["Stranci na Kosovu i Metohiji"],
+
+    # 10–19: Bosnia and Herzegovina
+    "10": ["Banja Luka"],
+    "11": ["Bihac"],
+    "12": ["Doboj"],
+    "13": ["Gorazde"],
+    "14": ["Livno"],
+    "15": ["Mostar"],
+    "16": ["Prijedor"],
+    "17": ["Sarajevo"],
+    "18": ["Tuzla"],
+    "19": ["Zenica"],
+
+    # 20–29: Montenegro
+    "21": ["Podgorica"],
+    "26": ["Niksic"],
+    "29": ["Pljevlja"],
+
+    # 30–39: Croatia
+    "30": ["Osijek", "Slavonija region"],
+    "31": ["Bjelovar", "Virovitica", "Koprivnica", "Pakrac", "Podravina region"],
+    "32": ["Varazdin", "Medjimurje region"],
+    "33": ["Zagreb"],
+    "34": ["Karlovac"],
+    "35": ["Gospic", "Lika region"],
+    "36": ["Rijeka", "Pula", "Istra", "Primorje region"],
+    "37": ["Sisak", "Banovina region"],
+    "38": ["Split", "Zadar", "Dubrovnik", "Dalmacija region"],
+    "39": ["Ostalo"],
+
+    # 41–49: North Macedonia
+    "41": ["Bitolj"],
+    "42": ["Kumanovo"],
+    "43": ["Ohrid"],
+    "44": ["Prilep"],
+    "45": ["Skoplje"],
+    "46": ["Strumica"],
+    "47": ["Tetovo"],
+    "48": ["Veles"],
+    "49": ["Stip"],
+
+    # 50–59: Slovenia
+    "50": ["Slovenija"],
+
+    #70-80 Serbia central
+    "71": ["Beograd"],
+    "72": ["Arandjelovac", "Batocina", "Despotovac", "Jagodina", "Knic", "Kragujevac", "Lapovo", "Paracin", "Raca", "Rekovac", "Svilajnac", "Topola", "Cuprija"],
+    "73": ["Aleksinac", "Babusnica", "Bela Palanka", "Blace", "Dimitrovgrad", "Doljevac", "Gadzin Han", "Kursumlija", "Merosina", "Nis", "Niska Banja", "Pirot", "Prokuplje", "Razanj", "Svrljig", "Zitoradja"],
+    "74": ["Bojnik", "Bosilegrad", "Bujanovac", "Crna Trava", "Lebane", "Leskovac", "Medvedja", "Presevo", "Surdulica", "Trgoviste", "Vladicin Han", "Vlasotince", "Vranje"],
+    "75": ["Boljevac", "Bor", "Kladovo", "Knjazevac", "Majdanpek", "Negotin", "Soko Banja", "Zajecar"],
+    "76": ["Golubac", "Kucevo", "Malo Crnice", "Petrovac na Mlavi", "Pozarevac", "Smederevo", "Smederevska Palanka", "Velika Plana", "Veliko Gradiste", "Zabari", "Zagubica"],
+    "77": ["Bogatic", "Koceljeva", "Krupanj", "Lajkovac", "Loznica", "Ljig", "Ljubovija", "Mali Zvornik", "Mionica", "Osecina", "Ub", "Valjevo", "Vladimirci", "Sabac"],
+    "78": ["Aleksandrovac", "Brus", "Gornji Milanovac", "Kraljevo", "Krusevac", "Lucani", "Novi Pazar", "Raska", "Sjenica", "Trstenik", "Tutin", "Varvarin", "Vrnjacka Banja", "Cicevac", "Cacak"],
+    "79": ["Arilje", "Bajina Basta", "Ivanjica", "Kosjeric", "Nova Varos", "Pozega", "Priboj", "Prijepolje", "Uzice", "Cajetina"],
+    
+    #80-90 Serbia vojvodina
+    "80": ["Bac", "Backa Palanka", "Backi Petrovac", "Beocin", "Novi Sad", "Sremski Karlovci", "Temerin", "Titel", "Zabalj"],
+    "81": ["Apatin", "Odžaci", "Sombor"],
+    "82": ["Ada", "Backa Topola", "Kanjiza", "Kula", "Mali Idjos", "Senta", "Subotica"],
+    "83": ["Becej", "Srbobran", "Vrbas"],
+    "84": ["Kikinda", "Nova Crnja", "Novi Knezevac", "Coka"],
+    "85": ["Novi Becej", "Secanj", "Zrenjanin", "Zitiste"],
+    "86": ["Alibunar", "Kovacica", "Kovin", "Opovo", "Pancevo"],
+    "87": ["Bela Crkva", "Plandiste", "Vrsac"],
+    "88": ["Indjija", "Irig", "Pecinci", "Ruma", "Stara Pazova"],
+    "89": ["Sremska Mitrovica", "Sid"],
+
+    #90-99 Kosovo
+    "91": ["Glogovac", "Kosovo Polje", "Lipljan", "Novo Brdo", "Obilic", "Podujevo", "Pristina"],
+    "92": ["Kosovska Mitrovica", "Leposavic", "Srbica", "Vucitrn", "Zubin Potok", "Zvecan"],
+    "93": ["Decani", "Istok", "Klina", "Pec"],
+    "94": ["Djakovica"],
+    "95": ["Dragas", "Gora", "Malisevo", "Opolje", "Orahovac", "Prizren", "Suva Reka"],
+    "96": ["Kacanik", "Urosevac", "Stimlje", "Strpce"],
+    "97": ["Gnjilane", "Kosovska Kamenica", "Vitina"]
+}
+
+NUMBERS_TO_WORDS_DICT = {
+    "1": "jedan",
+    "2": "dva",
+    "3": "tri",
+    "4": "četiri",
+    "5": "pet",
+    "6": "šest",
+    "7": "sedam",
+    "8": "osam",
+    "9": "devet",
+    "10": "deset",
+    "11": "jedanaest",
+    "12": "dvanaest",
+    "13": "trinaest",
+    "14": "četrnaest",
+    "15": "petnaest",
+    "16": "šesnaest",
+    "17": "sedamnaest",
+    "18": "osamnaest",
+    "19": "devetnaest",
+    "20": "dvadeset",   
+    "30": "trideset",
+    "40": "četrdeset",
+    "50": "pedeset",
+    "60": "šezdeset",
+    "70": "sedamdeset",
+    "80": "osamdeset",
+    "90": "devedeset",
+    "100": "sto",
+    "200": "dvesta",
+    "300": "trista",      
+    "400": "četiristo",  
+    "500": "petsto",
+    "600": "šeststo",
+    "700": "sedamsto",
+    "800": "osamsto",
+    "900": "devetsto",
+    "1000": "hiljadu"
+}
+NUMBER_STEMS = ["jedan", "jedn", "dve", "hiljad", "milion", "milijard"]
+
+MONEY_CURRENCY_DICT = {
+    "RSD": ["dinara", "dinar"],
+    "EUR": ["evra", "evro"],
+    "DEM": ["nemačkih maraka", "nemačka marka"],
+    "FFR": ["francuskih franaka", "francuski franak"],
+    "USD": ["dolara", "dolar"],
+    "GBP": ["funti", "funta"],
+    "KM":  ["konvertibilnih maraka", "konvertibilna marka"],
+    "BAM": ["konvertibilnih maraka", "konvertibilna marka"],
+    "CHF": ["švajcarskih franaka", "švajcarski franak"],
+    "JPY": ["jena", "jen"],
+    "CNY": ["juana", "juan"],
+    "HUF": ["forinti", "forinta"],
+    "RUB": ["rubalja", "rublja"],
+    "AED": ["dirhama", "dirham"],
+    "INR": ["rupija", "rupija"],
+    "MKD": ["denara", "denar"],
+    "CAD": ["kanadskih dolara", "kanadski dolar"],
+    "AUD": ["australijskih dolara", "australijski dolar"],
+    "CZK": ["čeških kruna", "češka kruna"],
+    "DKK": ["danskih kruna", "danska kruna"],
+    "NOK": ["norveških kruna", "norveška kruna"],
+    "SEK": ["švedskih kruna", "švedska kruna"],
+    "TRY": ["turskih lira", "turska lira"],
+    "PLN": ["poljskih zlota", "poljski zlot"],
+    "KWD": ["kuvajtskih dinara", "kuvajtski dinar"],
+    "RON": ["rumunskih leja", "rumunski lej"],
+    "BGN": ["bugarskih leva", "bugarski lev"]
+}
+
+SERBIAN_BANK_CODES = {
+    "active":
+        {
+        "105": "AIK Banka",
+        "115": "Yettel Bank",
+        "145": "Adriatic Bank",
+        "155": "Halkbank",
+        "160": "Banca Intesa",
+        "165": "Addiko Bank",
+        "170": "UniCredit Bank Srbija",
+        "190": "Alta banka",
+        "200": "Banka Poštanska štedionica",
+        "205": "NLB Komercijalna banka",
+        "220": "ProCredit Bank",
+        "250": "Eurobank Direktna",
+        "265": "Raiffeisen banka",
+        "295": "Srpska banka",
+        "325": "OTP Banka Srbija",
+        "340": "Erste Bank",
+        "370": "3 Banka",
+        "375": "API Bank",
+        "380": "Mirabank",
+        "385": "Bank of China Srbija",
+        },
+    "special":
+    {
+        "840": "Uprava za trezor",
+        "908": "Narodna banka Srbije",
+    },
+    "legacy":
+    {
+        "310": "NLB Banka (now 205)",
+        "355": "Vojvođanska banka (now 325)",
+        "125": "Piraeus Bank (now 325)",
+        "240": "Findomestic banka (now 325)",
+        "140": "JUBMES banka (now 190)"
+    }    
+}
+STATEHOOD_INDICATORS = ['drzav', 'držav', 'republika', 'federacija', 'kraljevina', 'kraljevstvo']
+
+NUMCAR_PLATE_LIST = [
+    "AC", "AL", "AR", "BB", "BG", "BO", "BP", "BT", "BU", "BĆ", "BČ", "DE", 
+    "GL", "GM", "IC", "IN", "JA", "KA", "KC", "KG", "KI", "KL", "KM", "KO", 
+    "KU", "KV", "KŠ", "KŽ", "LB", "LE", "LO", "LU", "NG", "NI", "NP", "NS", 
+    "NV", "PA", "PB", "PE", "PI", "PK", "PN", "PO", "PP", "PR", "PT", "PZ", 
+    "PŽ", "RA", "RU", "SA", "SC", "SD", "SJ", "SM", "SO", "SP", "ST", "SU", 
+    "SV", "SV", "TO", "TS", "TT", "UB", "UE", "UR", "VA", "VB", "VL", "VP", 
+    "VR", "VS", "VŠ", "ZA", "ZR", "ĆU", "ČA", "ĐA", "ŠA", "ŠI"
+]
+