app.py

import streamlit as st
import torch
from transformers import AutoTokenizer, AutoModelForQuestionAnswering, pipeline
import PyPDF2
from docx import Document

# --- 1. إعدادات الصفحة ---
st.set_page_config(page_title="LexGuard Precision", page_icon="⚖️", layout="wide")

# --- 2. تحميل المحركات الذكية ---
@st.cache_resource
def load_engines():
    # موديل استخراج النصوص القانونية (CUAD)
    tokenizer = AutoTokenizer.from_pretrained("marshmellow77/roberta-base-cuad")
    model = AutoModelForQuestionAnswering.from_pretrained("marshmellow77/roberta-base-cuad")
    # موديل تحليل المخاطر
    risk_analyzer = pipeline("sentiment-analysis", model="distilbert-base-uncased-finetuned-sst-2-english")
    return tokenizer, model, risk_analyzer

tokenizer, model, risk_analyzer = load_engines()

# --- 3. منطق الاستخراج الدقيق ومنع التكرار ---
def get_precise_clause(query, context):
    # استخدام Stride أكبر لضمان عدم ضياع السياق بين النوافذ
    inputs = tokenizer(query, context, truncation="only_second", max_length=512, stride=256, 
                       return_overflowing_tokens=True, padding="max_length", return_tensors="pt")
    
    best_answer = ""
    max_score = -float('inf')
    threshold = 2.5  # عتبة الثقة لمنع الموديل من تخمين إجابات خاطئة

    for i in range(len(inputs["input_ids"])):
        chunk = {"input_ids": inputs["input_ids"][i:i+1], "attention_mask": inputs["attention_mask"][i:i+1]}
        with torch.no_grad():
            outputs = model(**chunk)
        
        # حساب قوة الإجابة (Confidence Score)
        start_logits = outputs.start_logits
        end_logits = outputs.end_logits
        current_score = torch.max(start_logits) + torch.max(end_logits)

        if current_score > threshold and current_score > max_score:
            max_score = current_score
            start_idx = torch.argmax(start_logits)
            end_idx = torch.argmax(end_logits) + 1
            best_answer = tokenizer.convert_tokens_to_string(
                tokenizer.convert_ids_to_tokens(inputs["input_ids"][i][start_idx:end_idx])
            )

    # تنظيف النص من الرموز التقنية
    clean_ans = best_answer.replace("<s>", "").replace("</s>", "").strip()
    # التأكد أن النص ليس قصيراً جداً أو مجرد كلمات متقاطعة
    return clean_ans if len(clean_ans) > 25 else None

# --- 4. واجهة المستخدم ---
st.title("⚖️ LexGuard Pro: Comprehensive Legal Audit")
st.markdown("### نظام التدقيق القانوني الآلي وتحليل الثغرات")

with st.sidebar:
    st.header("📥 إدخال العقد")
    uploaded_file = st.file_uploader("ارفع ملف العقد (PDF/DOCX)", type=["pdf", "docx"])
    st.info("النظام مهيأ لتحليل العقود وفق معايير القانون الإنجليزي والدولي.")

if uploaded_file:
    # قراءة النص من الملف
    if uploaded_file.type == "application/pdf":
        raw_text = "".join([p.extract_text() for p in PyPDF2.PdfReader(uploaded_file).pages])
    else:
        raw_text = "\n".join([p.text for p in Document(uploaded_file).paragraphs])

    if st.button("🚀 ابدأ التدقيق الشامل الآن"):
        st.divider()
        
        # خطة التدقيق القانوني (أسئلة دقيقة جداً للموديل)
        audit_plan = {
            "Governing Law": "Which state or country's law governs this agreement and where is the jurisdiction?",
            "Termination for Convenience": "What is the notice period for termination without cause?",
            "Termination for Cause": "Under what conditions can the contract be terminated for breach?",
            "Limitation of Liability": "What is the monetary cap or limit on the provider's liability?",
            "Confidentiality Obligations": "What are the restrictions on disclosing trade secrets and for how long?",
            "Indemnification": "Which party is responsible for defending third-party legal claims?",
            "Force Majeure": "What unexpected events excuse a party from performing their duties?",
            "Intellectual Property": "Who owns the copyright and ownership of the software and work product?"
        }

        progress_bar = st.progress(0)
        
        for idx, (title, query) in enumerate(audit_plan.items()):
            clause = get_precise_clause(query, raw_text)
            
            with st.expander(f"📌 بند: {title}", expanded=True):
                if clause:
                    # تحليل المخاطر (Sentiment + Keyword Check)
                    sentiment = risk_analyzer(clause[:512])[0]
                    risk_keywords = ["limit", "exclude", "sole discretion", "waive", "immediate"]
                    is_risky = sentiment['label'] == 'NEGATIVE' or any(word in clause.lower() for word in risk_keywords)
                    
                    if is_risky:
                        st.error("🔴 تنبيه مخاطر: صياغة هذا البند قد تكون تقييدية أو مجحفة.")
                    else:
                        st.success("🟢 بند قياسي: النص يتبع القواعد العامة المتعارف عليها.")
                    
                    st.write("**النص المستخرج من العقد:**")
                    st.code(clause, language="text")
                else:
                    # تحليل الفجوات (Gap Analysis)
                    st.warning(f"⚠️ بند مفقود: لم يتم العثور على نص صريح يتعلق بـ ({title}).")
                    st.info(f"نصيحة قانونية: غياب هذا البند في العقود الدولية قد يؤدي إلى نزاعات قضائية معقدة.")
            
            progress_bar.progress((idx + 1) / len(audit_plan))
        
        st.balloons()
else:
    st.info("يرجى رفع ملف العقد من القائمة الجانبية لبدء عملية الفحص الآلي.")

st.markdown("---")
st.caption("Aya Samir | AI & Legal Consultant | Master's Researcher in Law")