如何使用正则表达式在bash/perl/python脚本中实现SSN掩码脱敏

核心规则说明：

• 严格匹配两类合法SSN格式：9位无分隔符纯数字、3位数字-2位数字-4位数字横杠分隔格式
• 排除前后带额外数字的10位及以上非法数字串
• 两类格式分别对应掩码规则：无分隔符格式替换前5位为XXXXX，横杠分隔格式替换前两段为XXX-XX

方案1：Perl一行命令（兼容性最优，正则写法最简洁） #

直接在终端执行即可，适配绝大多数Unix/Linux/macOS环境：

perl -pe 's/\b(\d{3})-(\d{2})-(\d{4})\b/XXX-XX-$3/g; s/\b(\d{5})(\d{4})\b/XXXXX$2/g' testfile

方案2：GNU sed 一行命令（适用于常规Linux发行版） #

需要加-E参数开启扩展正则支持，省略大量转义符：

sed -E 's/\b[0-9]{3}-[0-9]{2}-([0-9]{4})\b/XXX-XX-\1/g; s/\b[0-9]{5}([0-9]{4})\b/XXXXX\1/g' testfile

方案3：Python脚本（适合后续扩展复杂逻辑） #

将以下内容保存为mask_ssn.py：

import re
import sys

with open(sys.argv[1], 'r', encoding='utf-8') as f:
    for line in f:
        # 优先处理带横杠的SSN格式
        line = re.sub(r'\b\d{3}-\d{2}-(\d{4})\b', r'XXX-XX-\1', line)
        # 再处理无分隔符的SSN格式
        line = re.sub(r'\b\d{5}(\d{4})\b', r'XXXXX\1', line)
        print(line, end='')

执行方式：

python3 mask_ssn.py testfile

使用题目给出的测试用例执行后，输出结果完全符合要求：

XXXXX6789 needs to be matched.
XXX-XX-6789 does, too.
Mask this XXX-XX-6789 SSN please
Don't miss XXXXX6789 either.
XXXXX6789 should match.
XXX-XX-6789 should also match.
As should XXXXX6789
And XXX-XX-6789
But not 1234567890
1234567890 should also not match.
And 1234567890 is right out.

• 原有正则将横杠设为可选匹配-{0,1}，替换时无法判断捕获到的SSN是带横杠还是纯数字格式，无法对应输出两种不同的掩码结果
• 部分版本sed默认使用基础正则模式，分组括号()、次数量词{}未加反斜杠转义时，分组捕获逻辑不生效，无法提取后四位数字完成替换

内容的提问来源于stack exchange，提问作者R. Mack