Ajout des classes FrDateRecognizer et FrAgeRecognizer corrigées

medkit/text/deid.py

@@ -1,6 +1,8 @@
 from __future__ import annotations
 
-from typing import TYPE_CHECKING, Iterator
+from typing import TYPE_CHECKING, ClassVar, Iterator
+
+from presidio_analyzer import Pattern, PatternRecognizer
 
 from medkit._import import import_optional
 from medkit.core.text import Entity, span_utils
@@ -11,7 +13,7 @@
 
 presidio_analyzer = import_optional("presidio_analyzer", extra="deid")
 
-__all__ = ["PIIDetector"]
+__all__ = ["PIIDetector", "FrDateRecognizer", "FrAgeRecognizer"]
 
 
 class PIIDetector(NEROperation):
@@ -35,3 +37,113 @@ def _run_one(self, segment: Segment) -> Iterator[Entity]:
                 spans=spans,
                 metadata={"score": result.score},
             )
+
+
+class FrDateRecognizer(PatternRecognizer):
+    """
+    Recognizes French Date using regex.
+
+    :param patterns: List of patterns to be used by this recognizer
+    :param supported_language: Language this recognizer supports
+    :param supported_entity: The entity this recognizer can detect
+    """
+
+    PATTERNS: ClassVar[list[Pattern]] = [
+        Pattern(
+            "French dates with day month year",
+            r"\b(?i)(\d{1,2}|1er) "
+            r"((janvier|janv.|JAN)|(février|févr.|FÉV)|(mars|MAR)|"
+            r"(avril|avr.|AVR)|(mai|MAI)|(juin|JUN)|(juillet|juill.|JUL)|"
+            r"(août|AOÛ)|(septembre|sept.|SEP)|(octobre|oct.|OCT)|"
+            r"(novembre|nov.|NOV)|(décembre|déc|DÉC)) \d{4}\b",
+            0.9,
+        ),
+        Pattern(
+            "French dates with month year",
+            r"\b(?i)((janvier|janv.|JAN)|(février|févr.|FÉV)|(mars|MAR)|"
+            r"(avril|avr.|AVR)|(mai|MAI)|(juin|JUN)|(juillet|juill.|JUL)|"
+            r"(août|AOÛ)|(septembre|sept.|SEP)|(octobre|oct.|OCT)|"
+            r"(novembre|nov.|NOV)|(décembre|déc|DÉC)) \d{4}\b",
+            0.9,
+        ),
+        Pattern(
+            "French dates with day month",
+            r"\b(?i)(\d{1,2} |1er )"
+            r"((janvier|janv.|JAN)|(février|févr.|FÉV)|(mars|MAR)|"
+            r"(avril|avr.|AVR)|(mai|MAI)|(juin|JUN)|(juillet|juill.|JUL)|"
+            r"(août|AOÛ)|(septembre|sept.|SEP)|(octobre|oct.|OCT)|"
+            r"(novembre|nov.|NOV)|(décembre|déc|DÉC))\b",
+            0.9,
+        ),
+        Pattern(
+            "French dates with month",
+            r"\b(?i)((janvier|janv.|JAN)|(février|févr.|FÉV)|(mars|MAR)|"
+            r"(avril|avr.|AVR)|(mai|MAI)|(juin|JUN)|(juillet|juill.|JUL)|"
+            r"(août|AOÛ)|(septembre|sept.|SEP)|(octobre|oct.|OCT)|"
+            r"(novembre|nov.|NOV)|(décembre|déc|DÉC))\b",
+            0.9,
+        ),
+    ]
+
+    def __init__(
+        self,
+        patterns: list[Pattern] | None = None,
+        supported_language: str = "fr",
+        supported_entity: str = "FR_DATE",
+    ):
+        patterns = patterns if patterns else self.PATTERNS
+        super().__init__(
+            supported_entity=supported_entity,
+            patterns=patterns,
+            supported_language=supported_language,
+        )
+
+
+class FrAgeRecognizer(PatternRecognizer):
+    """
+    Recognizes French Phone Age using regex.
+
+    :param patterns: List of patterns to be used by this recognizer
+    :param supported_language: Language this recognizer supports
+    :param supported_entity: The entity this recognizer can detect
+    """
+
+    PATTERNS: ClassVar[list[Pattern]] = [
+        Pattern(
+            "French age written with 'number (ans|mois)' "
+            "ou 'number et number (ans|mois)' "
+            "ou 'number à number (ans|mois)' "
+            "ou ' number ou number (ans|mois)'",
+            r"\d+\s+(ans|mois)|\d+\s+et\s+\d+\s+(ans|mois)|" r"\d+\s+à\s+\d+\s+(ans|mois)|\d+\s+ou\s+\d+\s+(ans|mois)",
+            0.9,
+        ),
+        Pattern(
+            "French age written with 'number ans et number mois' "
+            "ou 'number ans et number ou number mois' "
+            " ou 'number ans et number à number mois' ",
+            r"\d+\s+ans\s+et\s+\d+\s+mois|\d+\s+ans\s+et\s+\d+\s+à\s+\d+\s+mois|"
+            r"\d+\s+ans\s+et\s+\d+\s+ou\s+\d+\s+mois",
+            0.9,
+        ),
+        Pattern(
+            "French age written with letters '.. (ans|mois)' "
+            "ou ' .. et .. ans' ou ' .. à .. ans' ou ' .. ou .. ans' ",
+            r"((dix|vingt|trente|quarante|cinquante|soixante|soixante-dix|quatre-vingt|quatre-vingt-dix|cent)"
+            r"(\s+|-|-et-)?)?(un|deux|trois|quatre|cinq|six|sept|huit|neuf|dix|onze|douze|treize|quatorze"
+            r"|quinze|seize)?\s+((et\s+|à\s+|ou\s+)\d+\s+)?(ans|mois)",
+            0.9,
+        ),
+    ]
+
+    def __init__(
+        self,
+        patterns: list[Pattern] | None = None,
+        supported_language: str = "fr",
+        supported_entity: str = "FR_AGE",
+    ):
+        patterns = patterns if patterns else self.PATTERNS
+        super().__init__(
+            supported_entity=supported_entity,
+            patterns=patterns,
+            supported_language=supported_language,
+        )