Anonimizador de archivos PST

El problema

Ante una auditoría o solicitud formal, una institución necesita entregar archivos de correo institucional (.pst) sin exponer datos personales — nombres, documentos de identidad, teléfonos, direcciones — dentro de correos y adjuntos, manteniendo trazabilidad de qué se redactó y por qué.

La solución

Una herramienta que abre archivos .pst vía la interfaz COM de Outlook, extrae correos y adjuntos (PDF con OCR, DOCX, Excel, CSV), y aplica reglas de anonimización configurables por JSON. Genera dos versiones de cada contenido — original y anonimizada — junto con un log de auditoría detallado de cada redacción.

Stack técnico

Componente	Tecnología
Lenguaje	Python
Acceso a correo	Interfaz COM de Microsoft Outlook
Procesamiento de documentos	PDF (OCR con Tesseract), DOCX, Excel (.xlsx/.xlsm), CSV
Configuración	Sistema de reglas basado en JSON
Salida	Estructura de carpetas con logs en CSV y JSON

Resultado / impacto

El sistema registra métricas de ejecución por lote (tiempo total, tiempo por lote de 10 correos, timestamps) en run_summary.json, generando versiones “original_preview” y “anonimizada” de todo el contenido con logs de auditoría detallados.