Spaces:
Sleeping
Sleeping
| import os | |
| import sys | |
| sys.path.append(os.path.dirname(os.path.dirname(os.path.abspath(__file__)))) | |
| print("Python version:", sys.version) | |
| print("Python path:", sys.path) | |
| import site | |
| print("Site packages:", site.getsitepackages()) | |
| import streamlit as st | |
| # Odstraňte nebo zakomentujte tento řádek | |
| # from streamlit_option_menu import option_menu | |
| import re | |
| from faker import Faker | |
| import json | |
| import pandas as pd | |
| # Odstraňte nebo zakomentujte tyto řádky | |
| # from src.czech_anonymization.analyzers import custom_recognizers | |
| # from src.czech_anonymization.processors import document_processors | |
| # Initialize Faker for Czech | |
| fake = Faker('cs_CZ') | |
| # Enhanced PII patterns (simplified for brevity) | |
| PII_PATTERNS = { | |
| 'JMÉNO': r'\b(?:(?:Ing\.|Mgr\.|JUDr\.|MUDr\.|PhDr\.|RNDr\.|doc\.|prof\.|Dr\.) )?[A-ZÁČĎÉĚÍŇÓŘŠŤÚŮÝŽ][a-záčďéěíňóřšťúůýž]+(?:[ -][A-ZÁČĎÉĚÍŇÓŘŠŤÚŮÝŽ][a-záčďéěíňóřšťúůýž]+)*(?:(,? (?:CSc\.|DrSc\.|Ph\.D\.))?)\b', | |
| 'RODNÉ_ČÍSLO': r'\b\d{6}/\d{3,4}\b', | |
| 'DATUM_NAROZENÍ': r'\b(?:\d{1,2}\.? )?(?:\d{1,2}\.? )?(?:\d{4}|(?:led(?:na|en)|únor(?:a)?|břez(?:na|en)|dub(?:na|en)|květ(?:na|en)|červ(?:na|en)(?:ec)?|srp(?:na|en)|září|říj(?:na|en)|listopa(?:du|d)|prosine(?:c|e)) ?\d{4})\b', | |
| 'TELEFON': r'\b(?:\+420 ?)?(?:(?:\d{3} ?){3}|\d{9})\b', | |
| 'EMAIL': r'\b[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}\b', | |
| 'ADRESA': r'\b[A-ZÁČĎÉĚÍŇÓŘŠŤÚŮÝŽ][a-záčďéěíňóřšťúůýž]+(?:[ -][A-ZÁČĎÉĚÍŇÓŘŠŤÚŮÝŽ][a-záčďéěíňóřšťúůýž]+)* \d+(?:/\d+[a-zA-Z]?)?,?\s*\d{3} ?\d{2} [A-ZÁČĎÉĚÍŇÓŘŠŤÚŮÝŽ][a-záčďéěíňóřšťúůýž]+(?:[ -][A-ZÁČĎÉĚÍŇÓŘŠŤÚŮÝŽ][a-záčďéěíňóřšťúůýž]+)*\b', | |
| 'ČÍSLO_OP': r'\b(?:\d{9}|\d{6} ?\d{3})\b', | |
| 'ČÍSLO_PASU': r'\b[A-Z]{2}\d{7}\b', | |
| 'BANKOVNÍ_ÚČET': r'\b\d{1,6}-?\d{2,10}/\d{4}\b', | |
| 'IČO': r'\b\d{8}\b', | |
| 'DIČ': r'\bCZ\d{8,10}\b', | |
| 'DATOVÁ_SCHRÁNKA': r'\b[a-zA-Z0-9]{7}\b' | |
| } | |
| def detect_and_anonymize_pii(text, selected_pii_types, anonymization_method): | |
| entities = [] | |
| anonymized_text = text | |
| for entity_type, pattern in PII_PATTERNS.items(): | |
| if entity_type in selected_pii_types: | |
| for match in re.finditer(pattern, text): | |
| entities.append({ | |
| 'start': match.start(), | |
| 'end': match.end(), | |
| 'text': match.group(), | |
| 'type': entity_type | |
| }) | |
| # Sort entities in reverse order to avoid index issues when replacing | |
| entities.sort(key=lambda x: x['start'], reverse=True) | |
| for entity in entities: | |
| anonymized_value = anonymize_entity(entity, anonymization_method) | |
| anonymized_text = anonymized_text[:entity['start']] + anonymized_value + anonymized_text[entity['end']:] | |
| return {'original_text': text, 'anonymized_text': anonymized_text, 'entities': entities} | |
| def anonymize_entity(entity, method): | |
| if method == 'Nahradit X': | |
| return 'X' * len(entity['text']) | |
| elif method == 'Nahradit [TYP_ÚDAJE]': | |
| return f"[{entity['type']}]" | |
| elif method == 'Použít falešná data': | |
| if entity['type'] == 'JMÉNO': | |
| return fake.name() | |
| elif entity['type'] == 'RODNÉ_ČÍSLO': | |
| return fake.ssn() | |
| elif entity['type'] == 'DATUM_NAROZENÍ': | |
| return fake.date(pattern='%d.%m.%Y') | |
| elif entity['type'] == 'TELEFON': | |
| return fake.phone_number() | |
| elif entity['type'] == 'EMAIL': | |
| return fake.email() | |
| elif entity['type'] == 'ADRESA': | |
| return fake.address() | |
| else: | |
| return fake.word() | |
| return entity['text'] | |
| def main(): | |
| st.set_page_config(page_title="Český PII Anotátor a Anonymizátor", layout="wide") | |
| st.sidebar.title("Navigace") | |
| selected = st.sidebar.selectbox( | |
| "Vyberte sekci", | |
| ["Hlavní aplikace", "O projektu", "Budoucí vývoj", "Specifikace využití", "Testovací data"] | |
| ) | |
| st.sidebar.markdown("---") | |
| st.sidebar.markdown("[GitHub repozitář](https://github.com/petrsovadina/Anonymiza-n-platforma)") | |
| if selected == "Hlavní aplikace": | |
| show_main_app() | |
| elif selected == "O projektu": | |
| show_about_project() | |
| elif selected == "Budoucí vývoj": | |
| show_future_development() | |
| elif selected == "Specifikace využití": | |
| show_usage_specifications() | |
| elif selected == "Testovací data": | |
| show_test_data() | |
| def show_main_app(): | |
| st.title("Pokročilý Český PII Anotátor a Anonymizátor") | |
| text_input = st.text_area("Zadejte český text k analýze:", height=200) | |
| selected_pii_types = st.multiselect( | |
| "Vyberte typy PII k detekci:", | |
| list(PII_PATTERNS.keys()), | |
| default=list(PII_PATTERNS.keys()) | |
| ) | |
| anonymization_method = st.selectbox( | |
| "Vyberte metodu anonymizace:", | |
| ["Nahradit X", "Nahradit [TYP_ÚDAJE]", "Použít falešná data"] | |
| ) | |
| if st.button("Analyzovat a Anonymizovat"): | |
| if not text_input: | |
| st.error("Prosím, zadejte nějaký text k analýze.") | |
| elif not selected_pii_types: | |
| st.error("Prosím, vyberte alespoň jeden typ PII k detekci.") | |
| else: | |
| result = detect_and_anonymize_pii(text_input, selected_pii_types, anonymization_method) | |
| st.subheader("Výsledky anonymizace") | |
| st.write(f"Anonymizace proběhla úspěšně, bylo detekováno a anonymizováno {len(result['entities'])} osobních údajů.") | |
| col1, col2 = st.columns(2) | |
| with col1: | |
| st.subheader("Původní text") | |
| st.text_area("", result['original_text'], height=300) | |
| with col2: | |
| st.subheader("Anonymizovaný text") | |
| st.text_area("", result['anonymized_text'], height=300) | |
| st.subheader("Detekované PII:") | |
| pii_summary = {} | |
| for entity in result['entities']: | |
| if entity['type'] not in pii_summary: | |
| pii_summary[entity['type']] = 1 | |
| else: | |
| pii_summary[entity['type']] += 1 | |
| summary_data = [{"Typ PII": k, "Počet instancí": v, "Úspěšnost": "✅"} for k, v in pii_summary.items()] | |
| st.table(pd.DataFrame(summary_data)) | |
| if st.button("Stáhnout zprávu"): | |
| report = { | |
| "original_text": result['original_text'], | |
| "anonymized_text": result['anonymized_text'], | |
| "pii_summary": pii_summary | |
| } | |
| st.download_button( | |
| label="Stáhnout JSON zprávu", | |
| data=json.dumps(report, ensure_ascii=False, indent=2), | |
| file_name="anonymization_report.json", | |
| mime="application/json" | |
| ) | |
| st.subheader("Zpětná vazba") | |
| feedback = st.radio("Jste spokojeni s výsledkem anonymizace?", ("Ano", "Ne")) | |
| comments = st.text_area("Další komentáře:") | |
| if st.button("Odeslat zpětnou vazbu"): | |
| st.success("Děkujeme za vaši zpětnou vazbu!") | |
| def show_about_project(): | |
| st.title("O projektu") | |
| st.write(""" | |
| ## Cíl projektu | |
| Jako AI Developer jsem navrhl a implementoval systém pro automatickou detekci a anonymizaci osobních údajů (PII) v českém textu. Tento nástroj jsem vytvořil s cílem pomoci organizacím chránit soukromí jednotlivců při zpracování textových dat, což je klíčové při přípravě dat pro trénování jazykových modelů nebo chatbotů. | |
| ## Časová osa vývoje | |
| ### Dosavadní vývoj (3 dny): | |
| 1. **Den 1: Analýza a návrh** | |
| - Průzkum existujících řešení | |
| - Definice požadavků a rozsahu projektu | |
| - Návrh architektury systému | |
| 2. **Den 2: Implementace základní funkcionality** | |
| - Vývoj modulů pro detekci PII pomocí regulárních výrazů | |
| - Implementace metod anonymizace | |
| - Začátek vývoje uživatelského rozhraní | |
| 3. **Den 3: Dokončení prototypu a testování** | |
| - Dokončení uživatelského rozhraní | |
| - Implementace generování reportů | |
| - Základní testování a ladění | |
| ### Plán budoucího vývoje: | |
| 4. **Dny 4-5: Rozšíření funkcionality** | |
| - Implementace pokročilých metod anonymizace | |
| - Rozšíření podpory pro další typy dokumentů | |
| - Vylepšení uživatelského rozhraní | |
| 5. **Dny 6-8: Implementace NLP modelů** | |
| - Výběr vhodných NLP modelů pro detekci českých PII | |
| - Příprava trénovacích dat | |
| - Implementace a integrace NLP modelů do systému | |
| 6. **Dny 9-11: Trénink a ladění NLP modelů** | |
| - Trénování NLP modelů na českých datech | |
| - Fine-tuning modelů pro přesnou detekci PII | |
| - Testování a vyhodnocení přesnosti modelů | |
| 7. **Dny 12-13: Optimalizace a škálování** | |
| - Optimalizace výkonu systému | |
| - Implementace škálovatelného řešení pro zpracování velkých objemů dat | |
| - Integrace s externími systémy | |
| 8. **Dny 14-15: Finální testování a dokumentace** | |
| - Komplexní testování celého systému | |
| - Příprava uživatelské a technické dokumentace | |
| - Vytvoření demonstračních materiálů | |
| 9. **Den 16: Nasazení a školení** | |
| - Nasazení systému do produkčního prostředí | |
| - Školení uživatelů a administrátorů | |
| - Zahájení podpory a údržby | |
| Celková odhadovaná pracnost: 16 pracovních dnů | |
| ## Klíčové aspekty mého řešení | |
| 1. **Pokročilá detekce PII**: Implementoval jsem sofistikované regulární výrazy pro detekci různých typů osobních údajů specifických pro český kontext. | |
| 2. **Flexibilní anonymizace**: Navrhl jsem tři metody anonymizace přizpůsobitelné různým potřebám ochrany soukromí. | |
| 3. **Interaktivní rozhraní**: Využil jsem Streamlit pro vytvoření uživatelsky přívětivého webového rozhraní. | |
| 4. **Customizace**: Implementoval jsem možnost výběru konkrétních typů PII k detekci a anonymizaci. | |
| 5. **Reporting**: Vytvořil jsem systém pro generování přehledných statistik o detekovaných a anonymizovaných údajích. | |
| ## Algoritmus flow | |
| Pro lepší pochopení procesu detekce a anonymizace PII jsem vytvořil následující diagram, který ilustruje tok dat a klíčové kroky algoritmu: | |
| """) | |
| st.image("https://utfs.io/f/z2Za8Zqs0Nofbl54P61Phgi3WHO4xLUXal01qvcmesjT8KJp", caption="Diagram algoritmu flow pro detekci a anonymizaci PII") | |
| st.write(""" | |
| Tento diagram ukazuje hlavní komponenty systému a jejich vzájemné interakce, od vstupu textu přes detekci PII až po výstup anonymizovaného textu a generování reportu. | |
| ## Technologie a nástroje | |
| Při vývoji tohoto projektu jsem využil následující technologie a knihovny: | |
| - **Python**: Hlavní programovací jazyk pro implementaci logiky. | |
| - **Streamlit**: Pro vytvoření interaktivního webového rozhraní. | |
| - **Regex**: Využití pokročilých regulárních výrazů pro přesnou detekci PII. | |
| - **Faker**: Generování realistických falešných dat pro anonymizaci. | |
| - **Pandas**: Zpracování a vizualizace statistik o detekovaných PII. | |
| V budoucích fázích projektu plánuji integraci pokročilých NLP modelů pro ještě přesnější detekci českých PII. | |
| ## Využití pro přípravu dat | |
| Tento systém hraje klíčovou roli v procesu přípravy dat pro různé účely, včetně: | |
| 1. **Ochrana soukromí**: Anonymizace osobních údajů v dokumentech před jejich dalším zpracováním nebo sdílením. | |
| 2. **Příprava trénovacích dat**: Bezpečná příprava textových dat pro trénování jazykových modelů nebo chatbotů. | |
| 3. **Compliance**: Pomoc při dodržování předpisů o ochraně osobních údajů, jako je GDPR. | |
| 4. **Analýza dat**: Umožnění bezpečné analýzy textových dat bez rizika úniku citlivých informací. | |
| Tento projekt demonstruje mou schopnost navrhnout a implementovat komplexní řešení pro ochranu osobních údajů s důrazem na praktické využití v reálném světě, zejména v kontextu zpracování a analýzy textových dat v českém jazyce. | |
| """) | |
| def show_future_development(): | |
| st.title("Plán vývoje a nasazení") | |
| st.write(""" | |
| ## Integrace s chatbotem pomocí FastAPI a LangChain | |
| Pro efektivní využití našeho anonymizačního nástroje v systému chatbota implementujeme následující: | |
| 1. **FastAPI Endpoints**: | |
| - `/anonymize`: POST endpoint pro anonymizaci jednotlivých textů | |
| - `/batch-anonymize`: POST endpoint pro dávkové zpracování většího množství dokumentů | |
| - `/update-rules`: PUT endpoint pro aktualizaci pravidel anonymizace | |
| - `/get-stats`: GET endpoint pro získání statistik o zpracovaných datech | |
| 2. **API Dokumentace**: | |
| - Využití Swagger UI pro interaktivní API dokumentaci | |
| - Detailní popis všech endpointů, včetně vstupních a výstupních schémat | |
| - Příklady použití pro každý endpoint | |
| 3. **Integrace s LangChain**: | |
| - Vytvoření custom LangChain tool pro anonymizaci dat | |
| - Implementace LangChain agent, který bude využívat náš anonymizační nástroj | |
| - Nastavení workflow pro automatické zpracování dokumentů před jejich použitím v chatbotu | |
| 4. **Příklad využití v LangChain**: | |
| ```python | |
| from langchain.agents import Tool | |
| from langchain.agents import initialize_agent | |
| from langchain.llms import OpenAI | |
| # Definice našeho anonymizačního nástroje | |
| anonymization_tool = Tool( | |
| name="Anonymization", | |
| func=lambda x: requests.post("http://our-api.com/anonymize", json={"text": x}).json()["anonymized_text"], | |
| description="Useful for anonymizing text containing personal information" | |
| ) | |
| # Inicializace agenta | |
| llm = OpenAI(temperature=0) | |
| agent = initialize_agent([anonymization_tool], llm, agent="zero-shot-react-description", verbose=True) | |
| # Použití agenta | |
| agent.run("Anonymize this text and then summarize it: 'Jan Novák, born on 15.3.1985, lives at Hlavní 123, Prague.'") | |
| ``` | |
| ## AI a NLP modely pro detekci PII | |
| V budoucím vývoji plánujeme integraci pokročilých NLP a NER (Named Entity Recognition) modelů pro zlepšení detekce osobních údajů: | |
| ### Výhody NER modelů pro náš projekt: | |
| NER modely jsou ideální pro klasifikaci a anonymizaci textu díky své schopnosti přesně identifikovat pojmenované entity a strukturovaně kategorizovat citlivé údaje. Oproti jiným AI modelům poskytují přesnější výsledky při detekci citlivých informací, což je zásadní pro zajištění ochrany osobních údajů a správnou kategorizaci textů podle jejich obsahu. | |
| ### Plánované využití NLP a NER modelů: | |
| 1. **Přesnější detekce PII**: Využití pre-trénovaných modelů pro identifikaci širšího spektra osobních údajů. | |
| 2. **Kontextová analýza**: Schopnost rozpoznat PII i v méně zřejmých kontextech. | |
| 3. **Multijazyčná podpora**: Rozšíření detekce PII na více jazyků. | |
| 4. **Adaptivní učení**: Možnost doučování modelů na specifických datech klienta. | |
| ### Vhodné modely pro detekci PII: | |
| - FacebookAI/xlm-roberta-large-finetuned-conll03-english: Pro multijazyčnou detekci entit. | |
| - iiiorg/piiranha-v1-detect-personal-information: Specializovaný model pro detekci osobních informací. | |
| - Microsoft Presidio: Framework pro detekci a anonymizaci, který můžeme integrovat do našeho řešení. | |
| ### Implementace: | |
| 1. Využití Transformers knihovny pro integraci a fine-tuning modelů. | |
| 2. Vytvoření pipeline pro kombinaci rule-based přístupu s NER modely. | |
| 3. Implementace mechanismu pro pravidelné aktualizace a doučování modelů. | |
| Integrace těchto pokročilých NLP a NER modelů významně zvýší přesnost a robustnost našeho anonymizačního nástroje, což umožní jeho využití i v náročnějších scénářích a pro komplexnější typy dokumentů. | |
| """) | |
| def show_usage_specifications(): | |
| st.title("Specifikace využití") | |
| st.write(""" | |
| ## Způsoby anonymizace | |
| Systém nabízí tři hlavní metody anonymizace osobních údajů: | |
| 1. **Nahrazení zástupnými znaky**: Osobní údaje jsou nahrazeny řetězcem 'X' stejné délky. | |
| 2. **Nahrazení obecnými pojmy**: Osobní údaje jsou nahrazeny obecným označením typu údaje (např. [JMÉNO], [ADRESA]). | |
| 3. **Použití falešných dat**: Osobní údaje jsou nahrazeny realisticky vypadajícími, ale fiktivními daty. | |
| ## Testování a ověření | |
| Pro zajištění správnosti a úplnosti anonymizace systém zahrnuje: | |
| 1. **Generování testovacích dat**: Možnost vytvářet fiktivní dokumenty s osobními údaji pro testování. | |
| 2. **Statistiky detekce**: Přehled detekovaných a anonymizovaných údajů pro každý dokument. | |
| 3. **Vizuální porovnání**: Možnost porovnat původní a anonymizovaný text pro kontrolu. | |
| ## Vstupní data | |
| Systém je navržen pro zpracování: | |
| 1. Libovolného textu zadaného uživatelem. | |
| 2. Generovaných falešných dat pro testovací účely. | |
| 3. (V budoucnu) Různých formátů dokumentů (TXT, PDF, DOC). | |
| ## Zdůvodnění výběru nástrojů | |
| 1. **Python**: Široká podpora pro NLP a zpracování textu, rozsáhlý ekosystém knihoven. | |
| 2. **Streamlit**: Rychlé vytvoření interaktivního rozhraní pro demonstraci funkčnosti. | |
| 3. **Regex**: Efektivní a flexibilní nástroj pro detekci vzorů v textu. | |
| 4. **Faker**: Generování realistických falešných dat pro testování a anonymizaci. | |
| Tato kombinace nástrojů umožňuje rychlý vývoj, snadnou údržbu a potenciál pro budoucí rozšíření systému. | |
| """) | |
| def show_test_data(): | |
| st.title("Testovací data pro anonymizační platformu") | |
| st.header("1. Osobní profily") | |
| st.subheader("Profil 1: Jan Novák") | |
| st.write(""" | |
| - Jméno: Jan Novák | |
| - Datum narození: 15.3.1985 | |
| - Rodné číslo: 850315/1234 | |
| - Adresa: Hlavní 123, 110 00 Praha 1 | |
| - E-mail: jan.novak@email.cz | |
| - Telefon: +420 601 234 567 | |
| - Číslo OP: 123456789 | |
| - Číslo účtu: 1234567890/0800 | |
| """) | |
| st.subheader("Profil 2: Marie Svobodová") | |
| st.write(""" | |
| - Jméno: Ing. Marie Svobodová, Ph.D. | |
| - Datum narození: 22.7.1990 | |
| - Rodné číslo: 905722/9876 | |
| - Adresa: Nová 456, 602 00 Brno | |
| - E-mail: marie.svobodova@gmail.com | |
| - Telefon: 00420777888999 | |
| - Číslo pasu: 98765432 | |
| - IBAN: CZ65 0800 0000 0012 3456 7890 | |
| """) | |
| st.subheader("Profil 3: Petr Dvořák") | |
| st.write(""" | |
| - Jméno: MUDr. Petr Dvořák | |
| - Datum narození: 1. ledna 1970 | |
| - Rodné číslo: 700101/3333 | |
| - Adresa: Dlouhá 789, 301 00 Plzeň | |
| - E-mail: petr.dvorak@seznam.cz | |
| - Telefon: 420 602 111 222 | |
| - DIČ: CZ7001013333 | |
| - Číslo pojištěnce: 700101/3333 | |
| """) | |
| st.header("2. Dokumenty") | |
| st.subheader("2.1 Životopis - Jan Novák") | |
| st.code(""" | |
| Jan Novák | |
| Hlavní 123, 110 00 Praha 1 | |
| Tel: +420 601 234 567 | |
| E-mail: jan.novak@email.cz | |
| Datum narození: 15.3.1985 | |
| Stav: ženatý | |
| Vzdělání: | |
| 2004-2009: Vysoká škola ekonomická v Praze, obor Finance | |
| Pracovní zkušenosti: | |
| 2010-současnost: Finanční analytik, ABC Bank, a.s. | |
| - Zpracování finančních reportů | |
| - Analýza investičních příležitostí | |
| 2009-2010: Junior účetní, XYZ s.r.o. | |
| - Vedení účetnictví malých a středních podniků | |
| Jazykové znalosti: | |
| Angličtina - pokročilá úroveň | |
| Němčina - středně pokročilá úroveň | |
| Reference: | |
| Ing. Jiří Zelený, vedoucí oddělení, ABC Bank, a.s. | |
| Tel: 420 234 567 890 | |
| """) | |
| st.subheader("2.2 Lékařská zpráva - Marie Svobodová") | |
| st.code(""" | |
| Fakultní nemocnice Brno | |
| Jihlavská 20, 625 00 Brno | |
| IČO: 65269705 | |
| LÉKAŘSKÁ ZPRÁVA | |
| Pacient: Ing. Marie Svobodová, Ph.D. | |
| Datum narození: 22.7.1990 | |
| Rodné číslo: 905722/9876 | |
| Bydliště: Nová 456, 602 00 Brno | |
| Pojišťovna: 111 | |
| Anamnéza: | |
| Pacientka přichází s bolestí v pravém podžebří trvající 3 dny. Neudává horečku ani zvracení. V osobní anamnéze hypertenze na medikaci. | |
| Fyzikální vyšetření: | |
| TK: 130/80, P: 72/min, TT: 36.8°C | |
| Břicho měkké, palpačně citlivé v pravém podžebří, Murphy negativní. | |
| Závěr: | |
| Suspektní cholecystitis. Doporučeno ultrazvukové vyšetření břicha. | |
| Vypracoval: MUDr. Jan Veselý | |
| Dne: 15.5.2023 | |
| """) | |
| st.subheader("2.3 Faktura - Petr Dvořák") | |
| st.code(""" | |
| XYZ Servis s.r.o. | |
| Technická 10, 301 00 Plzeň | |
| IČO: 12345678 | |
| DIČ: CZ12345678 | |
| FAKTURA č. 2023001 | |
| Odběratel: | |
| MUDr. Petr Dvořák | |
| Dlouhá 789 | |
| 301 00 Plzeň | |
| DIČ: CZ7001013333 | |
| Datum vystavení: 1.6.2023 | |
| Datum splatnosti: 15.6.2023 | |
| Forma úhrady: bankovní převod | |
| Položka Množství Cena/ks Celkem | |
| --------------------------------------------------------- | |
| Servis zdravotnického | |
| zařízení XY 1 10000 Kč 10000 Kč | |
| Náhradní díly 2 2500 Kč 5000 Kč | |
| --------------------------------------------------------- | |
| Celkem bez DPH 15000 Kč | |
| DPH 21% 3150 Kč | |
| Celkem s DPH 18150 Kč | |
| Číslo účtu pro platbu: 1234567890/0300 | |
| Variabilní symbol: 2023001 | |
| Děkujeme za Vaši důvěru a těšíme se na další spolupráci. | |
| """) | |
| st.header("3. E-mailová komunikace") | |
| st.subheader("3.1 E-mail od Jana Nováka") | |
| st.code(""" | |
| Od: jan.novak@email.cz | |
| Komu: podpora@banka.cz | |
| Předmět: Žádost o změnu osobních údajů | |
| Vážení, | |
| prosím o změnu mých kontaktních údajů ve Vašem systému. Nové údaje jsou následující: | |
| Jméno: Jan Novák | |
| Nová adresa: Krátká 456, 120 00 Praha 2 | |
| Nový telefon: 702 345 678 | |
| Moje identifikační údaje: | |
| Datum narození: 15.3.1985 | |
| Číslo účtu: 1234567890/0800 | |
| Děkuji za vyřízení mé žádosti. | |
| S pozdravem, | |
| Jan Novák | |
| """) | |
| st.subheader("3.2 E-mail od Marie Svobodové") | |
| st.code(""" | |
| Od: marie.svobodova@gmail.com | |
| Komu: hr@firma.cz | |
| Předmět: Žádost o pracovní pozici | |
| Vážená paní / Vážený pane, | |
| reaguji na Váš inzerát na pozici "Datový analytik" zveřejněný na pracovním portálu Jobs.cz. | |
| Jmenuji se Ing. Marie Svobodová, Ph.D. a mám pětiletou zkušenost v oblasti datové analýzy. Absolvovala jsem doktorské studium na Masarykově univerzitě v Brně, obor Aplikovaná informatika. | |
| Moje kontaktní údaje: | |
| Telefon: 777888999 | |
| E-mail: marie.svobodova@gmail.com | |
| LinkedIn: linkedin.com/in/marie-svobodova | |
| V příloze naleznete můj životopis a motivační dopis. Budu ráda za zpětnou vazbu a případné pozvání na osobní pohovor. | |
| S pozdravem, | |
| Marie Svobodová | |
| """) | |
| st.header("4. Příspěvek na sociální síti") | |
| st.subheader("4.1 Příspěvek Petra Dvořáka na Facebooku") | |
| st.code(""" | |
| Petr Dvořák | |
| 1. června 2023 v 10:15 | |
| Ahoj přátelé! Právě jsem se vrátil z úžasné dovolené v Chorvatsku. Pokud budete chtít nějaké tipy na ubytování nebo restaurace v oblasti Splitu, dejte vědět. Můžete mi zavolat na 602 111 222 nebo napsat na petr.dvorak@seznam.cz. Pojede: Ivan Máchal, Pavel Miško, Rutha Tomanová, Zdislava Novotná | |
| """) | |
| if __name__ == "__main__": | |
| main() |