# text.anonymize

Regex-basierte PII-Anonymisierung für reinen Text. Erkennt
typische Personenbezugs-Muster und ersetzt sie durch stabile
Tokens der Form `⟦TYPE_N⟧`. Zusätzlich entsteht ein JSON-Bericht,
mit dem ein Folge-Schritt die Vollständigkeit prüfen kann.

## Capability

- `text.anonymize@0.1.0`

## Eingaben

| Name           | Typ  | Beschreibung                                                                       |
| -------------- | ---- | ---------------------------------------------------------------------------------- |
| `text`         | text | UTF-8-String, der anonymisiert werden soll.                                        |
| `custom_terms` | text | Optional. Newline-getrennte Liste zusätzlicher Begriffe (ganz-Wort, Groß/Klein-egal). |

## Ausgaben

| Name         | Typ  | Beschreibung                                                                                 |
| ------------ | ---- | -------------------------------------------------------------------------------------------- |
| `anonymized` | text | Der Eingabetext mit PII durch `⟦TYPE_N⟧`-Tokens ersetzt.                                     |
| `report`     | json | `{ redactions: [{ type, token, original, offset }…], counts: { TYPE: n, … } }`.              |

## Erkannte Kategorien

| Typ             | Muster                                                                          |
| --------------- | ------------------------------------------------------------------------------- |
| `EMAIL`         | RFC-5321-nahe `local@domain`, IDN-Domains zulässig.                             |
| `PHONE`         | International (`+49 …`) oder deutsch-national (`030 …`, `0151-…`).              |
| `IBAN`          | Wortgrenzen, `[A-Z]{2}\d{2}[A-Z0-9]{11,30}`. Nur Struktur — Prüfsumme bewusst nicht. |
| `BIC`           | 8 oder 11 Großbuchstaben/Ziffern, wortbegrenzt.                                 |
| `IPV4`          | Vier 0..255-Oktette, punktgetrennt.                                             |
| `GERMAN_TAX_ID` | 11 zusammenhängende Ziffern, wortbegrenzt.                                      |
| `CUSTOM`        | Jede Zeile aus `custom_terms` als ganzes Wort, Groß/Klein-egal.                 |

NER kommt erst in v0.2.0 — sobald wir ein gebenchmarktes
ONNX-Modell für Namen + Organisationen ausgewählt haben.

## Berechtigungen

Keine. Reines Rust, regex-basiert, in-WASM. Kein Dateisystem,
kein Netz, kein LLM-Aufruf.

## Beispiel-Flow

```yaml
name: redact-case-file
inputs:
  document: bytes
steps:
  - id: extract
    use: text.extract@^0
    with:
      document: $inputs.document
  - id: redact
    use: text.anonymize@^0
    with:
      text: $extract.extracted.pages[*].text
      custom_terms: |
        Mustermann
        Musterfrau
outputs:
  redacted: $redact.anonymized
  audit_report: $redact.report
```

## Build

```bash
cargo build --release --target wasm32-wasip2
# Ausgabe: target/wasm32-wasip2/release/text_anonymize.wasm
```