"""시험용 가짜 개인정보 파일과 정답표(labels.json)를 만듭니다. 실제 사람의 정보는 없습니다. 주민등록번호 형식 값은 생년월일과 검증 숫자 규칙만 맞춘 임의 번호입니다. 앞 6자리와 뒤 7자리를 따로 조합해 만들며, 이 스크립트의 출력에는 그대로 찍지 않습니다. """ import json import random from pathlib import Path rnd = random.Random(20261102) AT = "@" # 이메일 주소를 소스에 그대로 쓰지 않으려고 따로 둡니다 OUT = Path("data") def rrn_check(first12): w = [2, 3, 4, 5, 6, 7, 8, 9, 2, 3, 4, 5] s = sum(int(c) * k for c, k in zip(first12, w)) return str((11 - s % 11) % 10) def make_rrn(birth6, gender, valid=True): tail6 = "".join(str(rnd.randint(0, 9)) for _ in range(5)) first12 = (birth6 + str(gender) + tail6)[:12] check = rrn_check(first12) if not valid: # 검증 숫자를 일부러 틀리게 만든 값 check = str((int(check) + 3) % 10) return birth6, first12[6:] + check def luhn_ok(num): total = 0 for i, c in enumerate(reversed(num)): d = int(c) if i % 2 == 1: d = d * 2 - 9 if d * 2 > 9 else d * 2 total += d return total % 10 == 0 def make_card(prefix): while True: body = prefix + "".join(str(rnd.randint(0, 9)) for _ in range(15 - len(prefix))) for chk in range(10): if luhn_ok(body + str(chk)): return body + str(chk) def not_luhn_16(): while True: n = "".join(str(rnd.randint(0, 9)) for _ in range(16)) if not luhn_ok(n): return n def make_brn(valid=True): d = [rnd.randint(1, 9) for _ in range(3)] + [rnd.randint(1, 9) for _ in range(2)] + [rnd.randint(0, 9) for _ in range(4)] w = [1, 3, 7, 1, 3, 7, 1, 3, 5] s = sum(a * b for a, b in zip(d, w)) + (d[8] * 5) // 10 chk = (10 - s % 10) % 10 if not valid: chk = (chk + 4) % 10 t = "".join(map(str, d)) + str(chk) return f"{t[:3]}-{t[3:5]}-{t[5:]}" truth = [] # {file, type, text} files = {} def put(name, text, kind=None, value=None): files.setdefault(name, []).append(text) if kind: truth.append({"file": name, "type": kind, "text": value}) def phone(mid="5550"): return f"{mid}-{rnd.randint(0, 9999):04d}" # ---- customers.csv: 정상 서식 위주 ---- csv_rows = ["이름,연락처,이메일,주민등록번호,사업자등록번호,메모"] births = ["900101", "851130", "010315", "770622", "030228", "950909"] for i, b in enumerate(births, 1): g = 1 if int(b[:2]) > 25 else 3 g = g + (i % 2) # 1/2 또는 3/4 front, back = make_rrn(b, g) rrn = f"{front}-{back}" ph = "010-" + phone() em = f"test{i:02d}" + AT + "example.com" csv_rows.append(f"시험고객{i:02d},{ph},{em},{rrn},,") truth += [{"file": "customers.csv", "type": t, "text": v} for t, v in (("PHONE", ph), ("EMAIL", em), ("RRN", rrn))] files["customers.csv"] = csv_rows # ---- memo.txt: 자유 문장 속 여러 서식, 놓치기 쉬운 표기 포함 ---- def t(kind, v): truth.append({"file": "memo.txt", "type": kind, "text": v}) return v f, b = make_rrn("880808", 1) no_hyphen = f + b f2, b2 = make_rrn("991231", 2) spaced = f"{f2} {b2}" f3, b3 = make_rrn("050505", 3, valid=True) new_style = f"{f3}-{b3[:-1]}{(int(b3[-1]) + 3) % 10}" # 2020년 10월 이후 발급처럼 검증 숫자가 맞지 않는 값 brn = [make_brn() for _ in range(3)] cards = [make_card("4"), make_card("51"), make_card("35")] lines = [ "상담 메모 (시험용 가짜 데이터)", f"고객이 구두로 알려 준 번호는 {t('RRN', no_hyphen)} 이고 하이픈 없이 적었음.", f"다른 고객은 {spaced} 처럼 공백으로 적음.", f"신규 발급 형식이라는 {t('RRN', new_style)} 도 접수됨.", f"휴대전화는 {t('PHONE', '01055501234')} 또는 {t('PHONE', '+82 10-5550-2345')}.", f"다른 표기: {t('PHONE', '010 5550 3456')} 와 공일공-오오오공-사오육칠.", f"이메일 {t('EMAIL', 'memo01' + AT + 'example.com')} 로 회신, 또는 memo02 at example dot com 으로 보내 달라고 함.", f"사업자등록번호 {t('BRN', brn[0])}, {t('BRN', brn[1])}, {t('BRN', brn[2])}.", f"결제 카드 {t('CARD', cards[0][:4] + '-' + cards[0][4:8] + '-' + cards[0][8:12] + '-' + cards[0][12:])}, " f"{t('CARD', cards[1][:4] + ' ' + cards[1][4:8] + ' ' + cards[1][8:12] + ' ' + cards[1][12:])}, {t('CARD', cards[2])}.", ] files["memo.txt"] = lines truth += [{"file": "memo.txt", "type": "RRN", "text": spaced}, {"file": "memo.txt", "type": "PHONE", "text": "공일공-오오오공-사오육칠"}, {"file": "memo.txt", "type": "EMAIL", "text": "memo02 at example dot com"}] # ---- orders.txt: 개인정보가 아닌데 모양이 비슷한 값(오탐 유도) ---- orders = ["주문 내역 (개인정보 없음, 시험용)"] for i in range(3): # 생년월일처럼 보이는 앞 6자리 + 성별 자리 1~4 + 검증 숫자가 틀린 뒤 7자리 front = f"26{rnd.randint(1, 12):02d}{rnd.randint(1, 28):02d}" _, back = make_rrn(front, rnd.randint(1, 4), valid=False) orders.append(f"주문번호 {front}-{back} 배송 완료") orders.append(f"송장번호 {make_rrn('261102', 2, valid=False)[0]}{make_rrn('261102', 2, valid=False)[1]} 출고") for i in range(2): n = not_luhn_16() orders.append(f"주문 묶음 번호 {n[:4]}-{n[4:8]}-{n[8:12]}-{n[12:]} 접수") orders.append(f"상품 코드 {make_brn(valid=False)} 재고 확인") orders.append("일시 2026-11-02 14:30, 문의 대표번호 02-555-0100, 버전 3.12 는 개인정보가 아님") files["orders.txt"] = orders OUT.mkdir(exist_ok=True) for name, rows in files.items(): (OUT / name).write_text("\n".join(rows) + "\n", encoding="utf-8", newline="\n") for item in truth: text = (OUT / item["file"]).read_text(encoding="utf-8") s = text.find(item["text"]) assert s >= 0, item item["start"], item["end"] = s, s + len(item["text"]) (OUT / "labels.json").write_text(json.dumps(truth, ensure_ascii=False, indent=1), encoding="utf-8") print("만든 파일:", ", ".join(sorted(files)), "/ 정답표", len(truth), "건")