Upload 2 files

anonymizer.py

@@ -10,7 +10,7 @@ _CURRENCY_PREFIX = re.compile(r"^(€|EUR|\$|£)\s*", flags=re.IGNORECASE)
 # Es. il modello può etichettare un CIG come NUMERO_DOCUMENTO o N_LICENZA — qui
 # verifichiamo se rientra in un nostro pattern e rinominiamo l'etichetta.
 _RECLASSIFY_PATTERNS: dict[str, re.Pattern] = {
-    "CIG": re.compile(r"^[0-9A-Z]{10}$"),
+    "CIG": re.compile(r"^(?:\d{7}[0-9A-F]{3}|[A-Z][0-9A-F]{9})$"),
     "CUP": re.compile(r"^[A-Z][0-9A-Z]{14}$"),
     "REA": re.compile(r"^[A-Z]{2}-\d{4,7}$"),
 }

recognizers.py

@@ -129,9 +129,13 @@ def _r(entity: str, name: str, regex: str, score: float, context: list[str]) ->
 # ---------------------------------------------------------------------------
 _RECOGNIZERS: list[PatternRecognizer] = [
 
-    # CIG – Codice Identificativo Gara
+    # CIG – Codice Identificativo Gara (formato ufficiale ANAC):
+    #   • CIG Ordinario : 7 cifre + 3 alfanumerici hex (0-9, A-F)
+    #   • CIG Unico     : lettera A-U + 9 alfanumerici hex
+    #   • Smart CIG     : lettera V-Z + 9 alfanumerici hex
+    # Le ultime due si fondono in: [A-Z][0-9A-F]{9}
     _r("CIG", "cig",
-       r"\b[0-9A-Z]{10}\b", 0.6,
+       r"\b(?:\d{7}[0-9A-F]{3}|[A-Z][0-9A-F]{9})\b", 0.6,
        ["CIG", "codice identificativo", "gara", "appalto"]),
 
     # CUP – Codice Unico di Progetto