java - 从具有多个 SSN 的文件中仅使用部分掩码屏蔽所有 SSN

Question

首先声明我对正则表达式很糟糕。我想在字符串中找到社会安全号码的每个实例，并屏蔽除破折号 (-) 和 SSN 的最后 4 个以外的所有内容。

例子

String someStrWithSSN = "This is an SSN,123-31-4321, and here is another 987-65-8765";
Pattern formattedPattern = Pattern.compile("^\\d{9}|^\\d{3}-\\d{2}-\\d{4}$");
Matcher formattedMatcher = formattedPattern.matcher(someStrWithSSN);

while (formattedMatcher.find()) {
    // Here is my first issue.  not finding the pattern
}

// my next issue is that I need to my String should look like this
//     "This is an SSN,XXX-XX-4321, and here is another XXX-XX-8765"

预期结果是找到每个 SSN 并替换。上面的代码应该产生字符串，“”这是一个 SSN，XXX-XX-4321，这里是另一个 XXX-XX-8765”

标签： javaregex

Answer 1

您可以通过执行以下操作来简化此操作：

String initial = "This is an SSN,123-31-4321, and here is another 987-65-8765";
String processed = initial.replaceAll("\\d{3}\\-\\d{2}(?=\\-\\d{4})","XXX-XX");
System.out.println(initial);
System.out.println(processed);

输出：

这是一个 SSN，123-31-4321，这是另一个 987-65-8765
这是一个 SSN，XXX-XX-4321，这是另一个 XXX-XX-8765

正则表达式\d{3}\-\d{2}(?=\-\d{4})捕获三位数字，后跟两位数字，用破折号分隔（然后是破折号和 4 位数字，非捕获）。与此正则表达式一起使用replaceAll将创建所需的掩蔽效果。

编辑：

如果您还希望此替换针对 9 个连续数字，您可以执行以下操作：

String initial = "This is an SSN,123-31-4321, and here is another 987658765";
String processed = initial.replaceAll("\\d{3}\\-\\d{2}(?=\\-\\d{4})","XXX-XX")
                       .replaceAll("\\d{5}(?=\\d{4})","XXXXX");
System.out.println(initial);
System.out.println(processed);

输出：

这是一个 SSN，123-31-4321，这是另一个 987658765
这是一个 SSN，XXX-XX-4321，这是另一个 XXXXX8765

正则表达式\d{5}(?=\d{4})捕获五位数字（后跟 4 位数字，非捕获）。使用第二次调用replaceAll将针对这些序列进行适当的替换。

编辑： 这是以前正则表达式的更强大版本，以及新正则表达式如何工作的更长演示：

String initial = "123-45-6789 is a SSN that starts at the beginning of the string,
    and still matches. This is an SSN, 123-31-4321, and here is another 987658765. These
    have 10+ digits, so they don't match: 123-31-43214, and 98765876545.
    This (123-31-4321-blah) has 9 digits, but is followed by a dash, so it doesn't match.
    -123-31-4321 is preceded by a dash, so it doesn't match as well. :123-31-4321 is 
    preceded by a non-colon/digit, so it does match. Here's a 4-2-4 non-SSN that would've
    tricked the initial regex: 1234-56-7890. Here's two SSNs in parentheses: (777777777) 
    (777-77-7777), and here's four invalid SSNs in parentheses: (7777777778) (777-77-77778)
    (777-778-7777) (7778-77-7777). At the end of the string is a matching SSN:
    998-76-4321";
String processed = initial.replaceAll("(?<=^|[^-\\d])\\d{3}\\-\\d{2}(?=\\-\\d{4}([^-\\d]|$))","XXX-XX")
                       .replaceAll("(?<=^|[^-\\d])\\d{5}(?=\\d{4}($|\\D))","XXXXX");
System.out.println(initial);
System.out.println(processed);

输出：

123-45-6789 是从字符串开头开始的 SSN，并且仍然匹配。这是一个 SSN，123-31-4321，这是另一个 987658765。这些有 10 多个数字，所以它们不匹配：123-31-43214 和 98765876545。这个 (123-31-4321-blah) 有9 位数字，但后跟一个破折号，因此不匹配。-123-31-4321 前面有一个破折号，所以它也不匹配。:123-31-4321 前面有一个非冒号/数字，所以它匹配。这是一个可以欺骗初始正则表达式的 4-2-4 非 SSN：1234-56-7890。括号中是两个 SSN：(777777777) (777-77-7777)，括号中是四个无效 SSN：(7777777778)(777-77-77778) (777-778-7777) (7778-77-7777)。字符串末尾是匹配的 SSN：998-76-4321

XXX-XX-6789 是一个 SSN，它从字符串的开头开始，并且仍然匹配。这是一个 SSN，XXX-XX-4321，这是另一个 XXXXX8765。这些有 10 位以上的数字，所以它们不匹配：123-31-43214 和 98765876545。这个 (123-31-4321-blah) 有 9 位数字，但后面是一个破折号，所以它不匹配。-123-31-4321 前面有一个破折号，所以它也不匹配。:XXX-XX-4321 前面有一个非冒号/数字，所以它确实匹配。这是一个可以欺骗初始正则表达式的 4-2-4 非 SSN：1234-56-7890。括号中是两个 SSN：(XXXXX7777) (XXX-XX-7777)，括号中是四个无效 SSN：(7777777778)(777-77-77778) (777-778-7777) (7778-77-7777)。字符串末尾是匹配的 SSN：XXX-XX-4321