Delete app.py

app.py

@@ -1,1132 +0,0 @@
-import gradio as gr
-import re
-import os
-import requests
-import json
-import logging
-from typing import Dict, List, Tuple, Optional
-from llm_sender_unified import create_llm_sender
-
-# ✅ مدل‌های موجود - به‌روزرسانی نوامبر 2024
-AVAILABLE_MODELS = {
-    "chatgpt": [
-        # GPT-5 Series (جدیدترین)
-        "gpt-5.1",           # بهترین برای کدنویسی و وظایف agentic
-        "gpt-5",             # مدل reasoning قبلی
-        # GPT-4 Series
-        "gpt-4.1",           # هوشمندترین non-reasoning
-        "gpt-4o",            # قدرتمند
-        "gpt-4o-mini",       # سریع و ارزان
-        "gpt-4-turbo",       # سریع‌تر از GPT-4
-    ],
-    "grok": [
-        # Grok-4 Series (جدیدترین)
-        "grok-4-fast-reasoning",      # سریع با reasoning
-        "grok-4-fast-non-reasoning",  # سریع بدون reasoning
-        "grok-4-0709",                # نسخه پایدار
-        # Grok-3 Series
-        "grok-3",                     # قدرتمند
-        "grok-3-mini",                # سبک
-        # Grok-2 Series
-        "grok-2-vision-1212",         # با قابلیت بینایی
-        "grok-2-1212",                # نسخه پایدار
-        "grok-2"                      # نسخه قدیمی
-    ]
-}
-
-logging.basicConfig(level=logging.INFO)
-logger = logging.getLogger(__name__)
-
-class AnonymizerAdvanced:
-    """ناشناس‌ساز پیشرفته با روش‌های متعدد"""
-    
-    def __init__(
-        self, 
-        cerebras_key: str = None, 
-        llm_provider: str = "chatgpt", 
-        llm_model: str = None,
-        entities_to_anonymize: List[str] = None
-    ):
-        self.cerebras_key = cerebras_key or os.getenv("CEREBRAS_API_KEY")
-        self.llm_provider = llm_provider
-        self.llm_model = llm_model
-        self.entities_to_anonymize = entities_to_anonymize or ["person", "company", "amount", "percent"]
-        self.mapping_table = {}
-        self.reverse_mapping = {}
-        
-        # ایجاد LLM sender
-        self._create_llm_sender()
-        
-        logger.info(f"✅ Anonymizer Advanced مقداردهی شد با {llm_provider}")
-    
-    def _create_llm_sender(self):
-        """ایجاد LLM sender مناسب"""
-        try:
-            # ✅ همیشه از Hugging Face Secrets استفاده کن
-            if self.llm_provider == "chatgpt":
-                api_key = os.getenv("OPENAI_API_KEY")
-                logger.info("🔑 استفاده از OPENAI_API_KEY از Secrets")
-            elif self.llm_provider == "grok":
-                api_key = os.getenv("XAI_API_KEY")
-                logger.info("🔑 استفاده از XAI_API_KEY از Secrets")
-            else:
-                api_key = None
-                logger.warning("⚠️ Provider ناشناخته")
-            
-            # ایجاد sender
-            self.llm_sender = create_llm_sender(
-                provider=self.llm_provider,
-                api_key=api_key,
-                model=self.llm_model
-            )
-            
-            logger.info(f"✅ LLM Sender ایجاد شد: {self.llm_provider} - {self.llm_sender.model}")
-            
-        except Exception as e:
-            logger.error(f"❌ خطا در ایجاد LLM Sender: {e}")
-            # fallback to ChatGPT
-            self.llm_sender = create_llm_sender("chatgpt")
-
-    def set_llm_provider(self, provider: str, model: str = None, entities: List[str] = None):
-        """تغییر provider و مدل LLM و موجودیت‌های ناشناس‌سازی"""
-        self.llm_provider = provider
-        self.llm_model = model
-        if entities is not None:
-            self.entities_to_anonymize = entities
-        self._create_llm_sender()
-        logger.info(f"✅ LLM تغییر یافت به: {provider} - {model}")
-        logger.info(f"✅ موجودیت‌های ناشناس‌سازی: {self.entities_to_anonymize}")
-
-    def anonymize_with_cerebras(self, text: str) -> Tuple[str, Dict]:
-        """ناشناس‌سازی با Cerebras - بر اساس موجودیت‌های انتخابی"""
-        logger.info("🧠 روش Cerebras...")
-        
-        if not self.cerebras_key:
-            logger.error("❌ Cerebras API Key موجود نیست")
-            raise ValueError("Cerebras API Key مورد نیاز است")
-        
-        # ✅ ساخت دستورات بر اساس موجودیت‌های انتخابی
-        instructions = []
-        instruction_number = 1
-        
-        if "person" in self.entities_to_anonymize:
-            instructions.append(f"{instruction_number}. اسامی اشخاص → person-01, person-02, ...")
-            instruction_number += 1
-        
-        if "company" in self.entities_to_anonymize:
-            instructions.append(f"{instruction_number}. نام شرکت‌ها/سازمان‌ها → company-01, company-02, ...")
-            instruction_number += 1
-        
-        if "amount" in self.entities_to_anonymize:
-            instructions.append(f"{instruction_number}. مقادیر پولی → amount-01, amount-02, ...")
-            instruction_number += 1
-        
-        if "percent" in self.entities_to_anonymize:
-            instructions.append(f"{instruction_number}. درصدها → percent-01, percent-02, ...")
-            instruction_number += 1
-        
-        # اگه هیچی انتخاب نشده، متن رو همون‌طور برگردون
-        if not instructions:
-            logger.warning("⚠️ هیچ موجودیتی برای ناشناس‌سازی انتخاب نشده!")
-            return text, {}
-        
-        instructions_text = "\n".join(instructions)
-        instructions_text += f"\n{instruction_number}. فقط این توکن‌ها استفاده کنید"
-        instructions_text += f"\n{instruction_number + 1}. شماره‌های نسخه را درست حفظ کنید"
-        instructions_text += f"\n{instruction_number + 2}. اگر موجودیت تکرار شود از شماره قدیمی استفاده کنید"
-        
-        try:
-            # مرحله 1: ناشناس‌سازی متن
-            prompt1 = f"""متن زیر را ناشناس کنید. قوانین:
-{instructions_text}
-
-متن:
-{text}
-
-خروجی: فقط متن ناشناس شده"""
-            
-            response1 = requests.post(
-                "https://api.cerebras.ai/v1/chat/completions",
-                headers={
-                    "Authorization": f"Bearer {self.cerebras_key}",
-                    "Content-Type": "application/json"
-                },
-                json={
-                    "model": "llama-3.3-70b",
-                    "messages": [{"role": "user", "content": prompt1}],
-                    "max_tokens": 4096,
-                    "temperature": 0.1
-                },
-                timeout=60
-            )
-            
-            if response1.status_code != 200:
-                logger.error(f"❌ Cerebras Error: {response1.status_code}")
-                raise Exception(f"Cerebras API Error: {response1.status_code}")
-            
-            anonymized_text = response1.json()['choices'][0]['message']['content'].strip()
-            logger.info("✅ Cerebras: ناشناس‌سازی موفق")
-            
-            # مرحله 2: استخراج mapping - فقط برای موجودیت‌های انتخابی
-            mapping_instructions = []
-            json_example = "{\n"
-            
-            if "person" in self.entities_to_anonymize:
-                mapping_instructions.append('- برای person-XX: نام کامل شخص (مثلاً "علی احمدی")')
-                json_example += '  "person-01": "متن اصلی کامل",\n'
-            
-            if "company" in self.entities_to_anonymize:
-                mapping_instructions.append('- برای company-XX: نام کامل شرکت/سازمان (مثلاً "شرکت پتروشیمی")')
-                json_example += '  "company-01": "متن اصلی کامل",\n'
-            
-            if "amount" in self.entities_to_anonymize:
-                mapping_instructions.append('- برای amount-XX: عدد + واحد (مثلاً "80 هزار تومان" یا "50 میلیارد ریال")')
-                json_example += '  "amount-01": "متن اصلی کامل با واحد",\n'
-            
-            if "percent" in self.entities_to_anonymize:
-                mapping_instructions.append('- برای percent-XX: عدد + کلمه "درصد" (مثلاً "40 درصد" نه فقط "40")')
-                json_example += '  "percent-01": "عدد + درصد",\n'
-            
-            json_example += "  ...\n}"
-            mapping_instructions_text = "\n".join(mapping_instructions)
-            
-            prompt2 = f"""متن اصلی:
-{text}
-
-متن ناشناس شده:
-{anonymized_text}
-
-لطفاً یک جدول mapping برای همه توکن‌های ناشناس ایجاد کن.
-برای هر توکن، متن اصلی کامل آن را مشخص کن.
-
-**مهم:** 
-{mapping_instructions_text}
-
-خروجی را به این فرمت JSON بده (فقط JSON، بدون توضیح اضافی):
-{json_example}"""
-            
-            response2 = requests.post(
-                "https://api.cerebras.ai/v1/chat/completions",
-                headers={
-                    "Authorization": f"Bearer {self.cerebras_key}",
-                    "Content-Type": "application/json"
-                },
-                json={
-                    "model": "llama-3.3-70b",
-                    "messages": [{"role": "user", "content": prompt2}],
-                    "max_tokens": 2048,
-                    "temperature": 0.1
-                },
-                timeout=60
-            )
-            
-            if response2.status_code == 200:
-                mapping_text = response2.json()['choices'][0]['message']['content'].strip()
-                mapping_text = mapping_text.replace('```json', '').replace('```', '').strip()
-                
-                try:
-                    self.mapping_table = json.loads(mapping_text)
-                    self._fix_percent_mapping()
-                    self.reverse_mapping = {v: k for k, v in self.mapping_table.items()}
-                    logger.info(f"✅ Mapping استخراج شد: {len(self.mapping_table)} موجودیت")
-                except json.JSONDecodeError:
-                    logger.warning("⚠️ خطا در parse کردن JSON mapping - استفاده از روش fallback")
-                    self._extract_mapping_from_text(text, anonymized_text)
-            else:
-                logger.warning("⚠️ خطا در دریافت mapping - استفاده از روش fallback")
-                self._extract_mapping_from_text(text, anonymized_text)
-            
-            return anonymized_text, self.mapping_table
-                
-        except Exception as e:
-            logger.error(f"❌ Cerebras Exception: {e}")
-            raise
-    
-    def _fix_percent_mapping(self):
-        """اصلاح mapping برای درصدها"""
-        for token, value in self.mapping_table.items():
-            value_str = str(value).strip()
-            
-            if token.startswith('percent-'):
-                if not re.search(r'(درصد|%|درصدی)', value_str):
-                    self.mapping_table[token] = f"{value_str} درصد"
-                    logger.info(f"✅ اصلاح {token}: '{value_str}' → '{value_str} درصد'")
-            
-            elif token.startswith('amount-'):
-                if not re.search(r'(میلیارد|میلیون|هزار|تومان|ریال|دلار|یورو|تن)', value_str):
-                    logger.warning(f"⚠️ {token}: فقط عدد '{value_str}' - واحد مشخص نیست")
-
-    def _extract_mapping_from_text(self, original: str, anonymized: str):
-        """استخراج mapping از متن‌های اصلی و ناشناس شده - فقط برای موجودیت‌های انتخابی"""
-        
-        # ✅ استخراج فقط توکن‌های انتخابی
-        all_tokens = []
-        for entity_type in self.entities_to_anonymize:
-            tokens = re.findall(f'{entity_type}-\\d+', anonymized)
-            all_tokens.extend([(t, entity_type) for t in tokens])
-        
-        all_tokens = sorted(set(all_tokens), key=lambda x: (x[1], int(x[0].split('-')[1])))
-        
-        # ✅ الگوهای موجودیت - فقط برای انتخابی‌ها
-        patterns = {}
-        if "person" in self.entities_to_anonymize:
-            patterns['person'] = r'\b[ء-ي]+\s+[ء-ي]+(?:\s+[ء-ي]+)*\b'
-        if "company" in self.entities_to_anonymize:
-            patterns['company'] = r'(?:شرکت|بانک|سازمان|گروه|هلدینگ)\s+[ء-ي]+(?:\s+[ء-ي]+)*'
-        if "amount" in self.entities_to_anonymize:
-            patterns['amount'] = r'\d+(?:\.\d+)?\s*(?:میلیارد|میلیون|هزار|تومان|ریال|دلار|یورو|تن)'
-        if "percent" in self.entities_to_anonymize:
-            patterns['percent'] = r'\d+(?:\.\d+)?\s*(?:درصد|%|درصدی)'
-        
-        original_entities = {}
-        for entity_type, pattern in patterns.items():
-            matches = list(re.finditer(pattern, original))
-            original_entities[entity_type] = [m.group().strip() for m in matches]
-        
-        for token, entity_type in all_tokens:
-            if entity_type in original_entities and original_entities[entity_type]:
-                token_num = int(token.split('-')[1]) - 1
-                
-                if token_num < len(original_entities[entity_type]):
-                    original_text = original_entities[entity_type][token_num]
-                    self.mapping_table[token] = original_text
-                    self.reverse_mapping[original_text] = token
-                else:
-                    original_text = original_entities[entity_type][-1]
-                    if token not in self.mapping_table:
-                        self.mapping_table[token] = original_text
-                        self.reverse_mapping[original_text] = token
-    
-    def analyze_with_llm(self, anonymized_text: str, analysis_prompt: str = None) -> str:
-        """استفاده از LLM یکپارچه"""
-        logger.info(f"🤖 {self.llm_provider.upper()} اجرای پرامپت...")
-        
-        if not analysis_prompt or not analysis_prompt.strip():
-            logger.info("⚠️  پرامپت خالی - بدون تحلیل")
-            return "⚠️ هیچ دستور تحلیل داده نشده است"
-        
-        # ✅ بررسی اینکه آیا مدل GPT-4 است
-        is_gpt4 = self.llm_model and any(x in self.llm_model.lower() for x in ['gpt-4', 'gpt4'])
-        
-        if is_gpt4:
-            # ✅ پرامپت ویژه GPT-4 با مثال‌های واقعی
-            logger.info("🎯 استفاده از پرامپت ویژه GPT-4")
-            return self._analyze_with_gpt4_prompt(anonymized_text, analysis_prompt)
-        else:
-            # پرامپت عادی برای GPT-5 و Grok
-            return self._analyze_with_standard_prompt(anonymized_text, analysis_prompt)
-    
-    def _analyze_with_gpt4_prompt(self, anonymized_text: str, analysis_prompt: str) -> str:
-        """پرامپت ویژه GPT-4 با few-shot examples"""
-        
-        # ✅ مثال‌های واقعی Few-Shot
-        few_shot_examples = """
-EXAMPLE 1 - CORRECT:
-Input: "company-01 فروش amount-01 داشت"
-Your output should be EXACTLY: "company-01 فروش amount-01 داشت"
-NOT: "company-01 فروش مبلغ amount-01 داشت"
-
-EXAMPLE 2 - CORRECT:
-Input: "amount-02 به amount-03 رسید"
-Your output should be EXACTLY: "amount-02 به amount-03 رسید"
-NOT: "مبلغ amount-02 به amount-03 رسید"
-
-EXAMPLE 3 - CORRECT:
-Input: "company-01 سود percent-01 داشت"
-Your output should be EXACTLY: "company-01 سود percent-01 داشت"
-NOT: "شرکت company-01 سود درصد percent-01 داشت"
-"""
-        
-        # لیست توکن‌های انتخابی
-        tokens_list = []
-        if "person" in self.entities_to_anonymize:
-            tokens_list.append("person-XX")
-        if "company" in self.entities_to_anonymize:
-            tokens_list.append("company-XX")
-        if "amount" in self.entities_to_anonymize:
-            tokens_list.append("amount-XX")
-        if "percent" in self.entities_to_anonymize:
-            tokens_list.append("percent-XX")
-        
-        tokens_str = ", ".join(tokens_list)
-        
-        # ✅ پرامپت انگلیسی برای GPT-4 (بهتر کار می‌کند)
-        combined_text = f"""You are processing anonymized Persian/Farsi text containing placeholder tokens.
-
-ANONYMIZED TEXT:
-{anonymized_text}
-
-USER REQUEST:
-{analysis_prompt}
-
-CRITICAL RULES:
-1. Use ONLY these exact tokens: {tokens_str}
-2. NEVER add words before/after tokens
-3. Keep the EXACT format: amount-01 (not "مبلغ amount-01" or "amount- 01")
-4. Do NOT create new tokens
-5. Preserve the exact structure
-
-{few_shot_examples}
-
-FORBIDDEN PATTERNS - NEVER USE:
-❌ "مبلغ amount-01" → ✅ Use: "amount-01"
-❌ "شرکت company-01" → ✅ Use: "company-01"  
-❌ "فروش به amount-02" → ✅ Use: "فروش amount-02"
-❌ "درصد percent-01" → ✅ Use: "percent-01"
-❌ "amount- 01" (space) → ✅ Use: "amount-01"
-
-Now process the text following these rules EXACTLY."""
-        
-        try:
-            # ✅ temperature خیلی پایین برای GPT-4
-            logger.info(f"🌡️ Temperature: 0.05 (GPT-4 ویژه)")
-            
-            response = self.llm_sender.send(
-                combined_text, 
-                lang='en',  # انگلیسی برای GPT-4
-                temperature=0.05,  # خیلی خیلی پایین
-                max_tokens=2000
-            )
-            
-            # ✅ دیباگ: نمایش خروجی خام LLM
-            logger.info("=" * 60)
-            logger.info("🔍 DEBUG - خروجی خام GPT-4:")
-            logger.info(response[:500] + "..." if len(response) > 500 else response)
-            logger.info("=" * 60)
-            
-            # ✅ پاکسازی قوی‌تر
-            cleaned_response = self._clean_llm_response(response)
-            
-            # ✅ دیباگ: نمایش خروجی بعد از clean
-            logger.info("=" * 60)
-            logger.info("🧹 DEBUG - خروجی بعد از clean:")
-            logger.info(cleaned_response[:500] + "..." if len(cleaned_response) > 500 else cleaned_response)
-            logger.info("=" * 60)
-            
-            logger.info(f"✅ GPT-4: {len(cleaned_response)} کاراکتر")
-            return cleaned_response
-            
-        except Exception as e:
-            logger.error(f"❌ GPT-4 Exception: {e}")
-            return f"❌ خطا در ارتباط با GPT-4: {str(e)}"
-    
-    def _analyze_with_standard_prompt(self, anonymized_text: str, analysis_prompt: str) -> str:
-        """پرامپت استاندارد برای GPT-5 و Grok"""
-        
-        tokens_instruction = []
-        examples = []
-        
-        if "person" in self.entities_to_anonymize:
-            tokens_instruction.append("person-XX")
-            examples.append("✅ صحیح: person-01 در جلسه حضور داشت\n❌ غلط: آقای person-01")
-        
-        if "company" in self.entities_to_anonymize:
-            tokens_instruction.append("company-XX")
-            examples.append("✅ صحیح: company-01 فعالیت کرد\n❌ غلط: شرکت company-01")
-        
-        if "amount" in self.entities_to_anonymize:
-            tokens_instruction.append("amount-XX")
-            examples.append("✅ صحیح: فروش amount-01 بود\n❌ غلط: فروش مبلغ amount-01")
-        
-        if "percent" in self.entities_to_anonymize:
-            tokens_instruction.append("percent-XX")
-            examples.append("✅ صحیح: رشد percent-01 داشت\n❌ غلط: رشد درصد percent-01")
-        
-        tokens_str = ", ".join(tokens_instruction)
-        examples_str = "\n".join(examples)
-        
-        combined_text = f"""متن ناشناس‌سازی شده:
-{anonymized_text}
-
-دستورات:
-{analysis_prompt}
-
-⚠️ قوانین مهم:
-1. فقط از کدهای ناشناس موجود استفاده کن: {tokens_str}
-2. هیچ کلمه‌ای قبل یا بعد از این کدها اضافه نکن
-3. کد جدید ایجاد نکن
-4. ساختار دقیق متن را حفظ کن
-
-مثال‌های صحیح و غلط:
-{examples_str}"""
-        
-        try:
-            temp_to_use = 0.2
-            logger.info(f"🌡️ Temperature: {temp_to_use}")
-            
-            response = self.llm_sender.send(
-                combined_text, 
-                lang='fa',
-                temperature=temp_to_use,
-                max_tokens=2000
-            )
-            
-            response = self._clean_llm_response(response)
-            
-            logger.info(f"✅ {self.llm_provider.upper()}: {len(response)} کاراکتر")
-            return response
-            
-        except Exception as e:
-            logger.error(f"❌ {self.llm_provider.upper()} Exception: {e}")
-            return f"❌ خطا در ارتباط با {self.llm_provider.upper()}: {str(e)}"
-    
-    def _clean_llm_response(self, text: str) -> str:
-        """پاکسازی کلمات اضافی که LLM ممکن است قبل از موجودیت‌ها اضافه کرده باشد"""
-        logger.info("🧹 پاکسازی کلمات اضافی...")
-        
-        cleaned = text
-        changes_made = 0
-        
-        # الگوهای کلمات اضافی برای هر نوع موجودیت
-        patterns = []
-        
-        if "person" in self.entities_to_anonymize:
-            patterns.extend([
-                (r'(?:آقای|خانم|شخص|فرد)\s+(person-\d+)', r'\1'),
-                (r'(person-\d+)\s+(?:نامدار|محترم|عزیز)', r'\1'),
-            ])
-        
-        if "company" in self.entities_to_anonymize:
-            patterns.extend([
-                (r'(?:شرکت|سازمان|گروه|هلدینگ|بانک|موسسه)\s+(company-\d+)', r'\1'),
-                (r'(company-\d+)\s+(?:محترم)', r'\1'),
-            ])
-        
-        if "amount" in self.entities_to_anonymize:
-            patterns.extend([
-                # ✅ الگوهای کامل برای amount - تمام حالات ممکن
-                # حالت 1: کلمات قبل از amount
-                (r'(?:مبلغ|رقم|عدد|قیمت|ارزش|مقدار)\s+(amount-\d+)', r'\1'),
-                (r'(?:فروش|درآمد|سود|زیان|هزینه|خرج)\s+(amount-\d+)', r'\1'),
-                (r'(?:دارایی|بدهی|سرمایه|پول|وام)\s+(amount-\d+)', r'\1'),
-                
-                # حالت 2: حروف اضافه قبل از amount
-                (r'\bبه\s+(amount-\d+)', r'\1'),
-                (r'\bبا\s+(amount-\d+)', r'\1'),
-                (r'\bاز\s+(amount-\d+)', r'\1'),
-                (r'\bتا\s+(amount-\d+)', r'\1'),
-                (r'\bدر\s+(amount-\d+)', r'\1'),
-                (r'\bبرای\s+(amount-\d+)', r'\1'),
-                
-                # حالت 3: واحدها بعد از amount (اگر نباید باشند)
-                (r'(amount-\d+)\s+(?:ریال|تومان|دلار|یورو)', r'\1'),
-                (r'(amount-\d+)\s+(?:میلیون|میلیارد|هزار|تریلیون)', r'\1'),
-                
-                # حالت 4: ترکیبات
-                (r'(?:به\s+مبلغ)\s+(amount-\d+)', r'\1'),
-                (r'(?:با\s+ارزش)\s+(amount-\d+)', r'\1'),
-                (r'(?:در\s+حد)\s+(amount-\d+)', r'\1'),
-                
-                # حالت 5: فعل + amount (بدون حرف اضافه)
-                (r'(?:رسید|رسیده|می\u200cرسد)\s+(amount-\d+)', r'\1'),
-                (r'(?:شد|شده|می\u200cشود)\s+(amount-\d+)', r'\1'),
-                (r'(?:بود|بوده|است)\s+(amount-\d+)', r'\1'),
-            ])
-        
-        if "percent" in self.entities_to_anonymize:
-            patterns.extend([
-                (r'(?:درصد|%)\s+(percent-\d+)', r'\1'),
-                (r'(percent-\d+)\s+(?:درصد|درصدی|%)', r'\1'),
-            ])
-        
-        # اعمال الگوها
-        for pattern, replacement in patterns:
-            new_text = re.sub(pattern, replacement, cleaned)
-            if new_text != cleaned:
-                count = len(re.findall(pattern, cleaned))
-                changes_made += count
-                cleaned = new_text
-                logger.info(f"  ✅ حذف '{pattern}': {count} مورد")
-        
-        if changes_made > 0:
-            logger.info(f"✅ {changes_made} کلمه اضافی حذف شد")
-        else:
-            logger.info("✅ کلمه اضا��ی یافت نشد")
-        
-        return cleaned
-    
-    def restore_text(self, anonymized_text: str) -> str:
-        """بازگردانی متن با ترتیب بهینه برای amount"""
-        logger.info("🔄 بازگردانی متن...")
-        
-        if not self.mapping_table:
-            logger.warning("⚠️ جدول نگاشت خالی است")
-            return anonymized_text
-        
-        logger.info(f"📋 تعداد موجودیت‌ها در mapping: {len(self.mapping_table)}")
-        
-        # ✅ STEP 1: normalize (hyphen یونیکد و جداسازی کلمات چسبیده)
-        restored = self._normalize_tokens(anonymized_text)
-        
-        # ✅ STEP 2: restore قوی مخصوص amount با regex (قبل از clean!)
-        # این کلیدی است - باید قبل از clean انجام شود
-        logger.info("🔥 بازگردانی amount با regex...")
-        amount_restored_count = 0
-        for placeholder, original in self.mapping_table.items():
-            if placeholder.startswith("amount-"):
-                # استخراج شماره
-                num = placeholder.split("-")[1]
-                # الگوی regex: amount [فاصله اختیاری] - [فاصله اختیاری] شماره
-                pattern = rf'amount\s*-\s*{num}'
-                matches = re.findall(pattern, restored)
-                if matches:
-                    restored = re.sub(pattern, original, restored)
-                    amount_restored_count += 1
-                    logger.info(f"✅ regex: {placeholder} → {original[:30]}...")
-        
-        if amount_restored_count > 0:
-            logger.info(f"✅ {amount_restored_count} amount با regex بازگردانی شد")
-        
-        # ✅ STEP 3: clean (حذف کلمات اضافی)
-        # حالا که amount ها restore شدن، می‌تونیم clean کنیم
-        restored = self._clean_for_restore(restored)
-        
-        # ✅ STEP 4: replace ساده برای بقیه (person, company, percent)
-        replacements_count = 0
-        for placeholder, original in sorted(self.mapping_table.items(), key=lambda x: len(x[0]), reverse=True):
-            # amount ها رو قبلاً restore کردیم
-            if placeholder.startswith("amount-"):
-                continue
-                
-            if placeholder in restored:
-                restored = restored.replace(placeholder, original)
-                replacements_count += 1
-                logger.info(f"✅ {placeholder} → {original[:30]}...")
-            else:
-                logger.warning(f"⚠️ {placeholder} در متن یافت نشد!")
-        
-        total_restored = amount_restored_count + replacements_count
-        logger.info(f"✅ بازگردانی کامل - {total_restored}/{len(self.mapping_table)} جایگزین شد")
-        
-        # ✅ STEP 5: fallback regex برای توکن‌های باقی‌مانده
-        if total_restored < len(self.mapping_table):
-            logger.info("🔍 تلاش برای یافتن توکن‌های گم‌شده با regex...")
-            restored = self._restore_with_regex(restored)
-        
-        # هشدار در صورت شکست کامل
-        if total_restored == 0 and len(self.mapping_table) > 0:
-            logger.error("❌ هیچ توکنی جایگزین نشد! متن ورودی احتمالاً متفاوت است.")
-        
-        return restored
-    
-    def _clean_for_restore(self, text: str) -> str:
-        """پاکسازی خاص برای بازگردانی (شبیه _clean_llm_response اما سبک‌تر)"""
-        logger.info("🧹 پاکسازی قبل از بازگردانی...")
-        
-        cleaned = text
-        changes_made = 0
-        
-        patterns = []
-        
-        if "amount" in self.entities_to_anonymize:
-            patterns.extend([
-                (r'(?:مبلغ|رقم|عدد|قیمت|ارزش|فروش|درآمد|هزینه|سود|زیان)\s+(amount-\d+)', r'\1'),
-                (r'\bبه\s+(amount-\d+)', r'\1'),
-                (r'\bبا\s+(amount-\d+)', r'\1'),
-                (r'\bاز\s+(amount-\d+)', r'\1'),
-                (r'\bتا\s+(amount-\d+)', r'\1'),
-            ])
-        
-        for pattern, replacement in patterns:
-            new_text = re.sub(pattern, replacement, cleaned)
-            if new_text != cleaned:
-                changes_made += re.subn(pattern, replacement, cleaned)[1]
-                cleaned = new_text
-        
-        if changes_made > 0:
-            logger.info(f"✅ {changes_made} کلمه اضافی حذف شد")
-        
-        return cleaned
-    
-    def _restore_with_regex(self, text: str) -> str:
-        """بازگردانی با استفاده از regex برای پیدا کردن توکن‌های دارای کلمات اضافی"""
-        restored = text
-        
-        for placeholder, original in self.mapping_table.items():
-            # اگر قبلاً جایگزین شده، رد شو
-            if placeholder not in text:
-                # الگوی regex: کلمه اضافی (اختیاری) + توکن
-                # مثلاً: "فروش amount-01" یا "مبلغ amount-05"
-                entity_type = placeholder.split('-')[0]
-                entity_num = placeholder.split('-')[1]
-                
-                # الگوهای مختلف
-                patterns = [
-                    # کلمه فارسی + فاصله + توکن
-                    rf'[ء-ي]+\s+({entity_type}-{entity_num})\b',
-                    # توکن + فاصله + کلمه فارسی
-                    rf'\b({entity_type}-{entity_num})\s+[ء-ي]+',
-                    # فاصله اضافی داخل توکن
-                    rf'\b{entity_type}\s+-\s+{entity_num}\b',
-                ]
-                
-                for pattern in patterns:
-                    matches = list(re.finditer(pattern, restored))
-                    if matches:
-                        logger.info(f"✅ پیدا شد با regex: {pattern}")
-                        for match in matches:
-                            # جایگزینی کل عبارت با فقط original
-                            full_match = match.group(0)
-                            # اگر توکن داخل match هست، فقط اون رو جایگزین کن
-                            if placeholder in full_match:
-                                restored = restored.replace(full_match, full_match.replace(placeholder, original))
-                            else:
-                                # اگر فرمت توکن متفاوت بود
-                                restored = restored.replace(full_match, original)
-                            logger.info(f"✅ regex: {placeholder} → {original[:30]}...")
-                        break
-        
-        return restored
-    
-    def _normalize_tokens(self, text: str) -> str:
-        """نرمال‌سازی توکن‌ها - حذف فاصله‌های اضافی و hyphen یونیکد"""
-        logger.info("🧹 نرمال‌سازی توکن‌ها...")
-        
-        normalized = text
-        changes = 0
-        
-        # ✅ 1. نرمال‌سازی hyphen های یونیکد برای همه موجودیت‌ها
-        # این hyphen ها: ‐ ‑ ‒ – — − و hyphen معمولی -
-        unicode_hyphens = r'[\u2010\u2011\u2012\u2013\u2014\u2212\-]'
-        
-        for entity_type in self.entities_to_anonymize:
-            # تبدیل همه hyphen ها به - معمولی
-            pattern = rf'{entity_type}{unicode_hyphens}(\d+)'
-            replacement = rf'{entity_type}-\1'
-            count = len(re.findall(pattern, normalized))
-            if count > 0:
-                normalized = re.sub(pattern, replacement, normalized)
-                changes += count
-                logger.info(f"  ✅ {entity_type}: {count} hyphen یونیکد نرمال شد")
-        
-        # ✅ 2. حذف فاضله‌های اضافی داخل توکن
-        for entity_type in self.entities_to_anonymize:
-            pattern = rf'{entity_type}\s+-\s+(\d+)'
-            replacement = rf'{entity_type}-\1'
-            count = len(re.findall(pattern, normalized))
-            if count > 0:
-                normalized = re.sub(pattern, replacement, normalized)
-                changes += count
-                logger.info(f"  ✅ {entity_type}: {count} فاصله اضافی حذف شد")
-        
-        # ✅ 3. جدا کردن توکن‌ها از کلمات فارسی چسبیده (ویژه amount)
-        # مثال: amount-01در → amount-01 در
-        if "amount" in self.entities_to_anonymize:
-            pattern = r'(amount-\d+)([ء-ي])'
-            replacement = r'\1 \2'
-            before = normalized
-            normalized = re.sub(pattern, replacement, normalized)
-            if normalized != before:
-                count = len(re.findall(pattern, before))
-                changes += count
-                logger.info(f"  ✅ amount: {count} کلمه چسبیده جدا شد")
-        
-        # ✅ 4. جدا کردن توکن‌ها از نشانه‌گذاری (ویژه amount)
-        # مثال: amount-01، → amount-01 ،
-        if "amount" in self.entities_to_anonymize:
-            pattern = r'(amount-\d+)([،؛:.!?])'
-            replacement = r'\1 \2'
-            before = normalized
-            normalized = re.sub(pattern, replacement, normalized)
-            if normalized != before:
-                count = len(re.findall(pattern, before))
-                changes += count
-                logger.info(f"  ✅ amount: {count} نشانه‌گذاری جدا شد")
-        
-        if changes > 0:
-            logger.info(f"✅ مجموع {changes} تغییر نرمال‌سازی")
-        
-        return normalized
-    
-    def get_mapping_table_md(self) -> str:
-        """تبدیل جدول نگاشت به Markdown"""
-        if not self.mapping_table:
-            return "### 📋 ج��ول نگاشت\n\nهیچ موجودیتی شناسایی نشد"
-        
-        table = "### 📋 جدول نگاشت\n\n"
-        table += "| شناسه | متن اصلی |\n"
-        table += "|-------|----------|\n"
-        
-        for token, original in sorted(self.mapping_table.items()):
-            table += f"| **{token}** | {original} |\n"
-        
-        return table
-
-# متغیر سراسری
-anonymizer = None
-
-def process(
-    input_text: str, 
-    analysis_prompt: str, 
-    llm_provider: str, 
-    llm_model: str,
-    anonymize_all: bool,
-    anonymize_person: bool,
-    anonymize_company: bool,
-    anonymize_amount: bool,
-    anonymize_percent: bool
-):
-    """پردازش متن - 4 مرحله"""
-    global anonymizer
-    
-    if not input_text.strip():
-        return "", "", "", ""
-    
-    # ✅ ساخت لیست موجودیت‌های انتخابی
-    if anonymize_all:
-        entities = ["person", "company", "amount", "percent"]
-    else:
-        entities = []
-        if anonymize_person:
-            entities.append("person")
-        if anonymize_company:
-            entities.append("company")
-        if anonymize_amount:
-            entities.append("amount")
-        if anonymize_percent:
-            entities.append("percent")
-    
-    # اگه هیچی انتخاب نشده
-    if not entities:
-        return "", "❌ لطفاً حداقل یک موجودیت برای ناشناس‌سازی انتخاب کنید", "", ""
-    
-    cerebras_key = os.getenv("CEREBRAS_API_KEY")
-    
-    # ایجاد یا آپدیت anonymizer
-    if not anonymizer:
-        anonymizer = AnonymizerAdvanced(
-            cerebras_key, 
-            llm_provider=llm_provider,
-            llm_model=llm_model,
-            entities_to_anonymize=entities
-        )
-    else:
-        anonymizer.set_llm_provider(llm_provider, llm_model, entities)
-        anonymizer.mapping_table = {}
-        anonymizer.reverse_mapping = {}
-    
-    try:
-        logger.info("=" * 70)
-        logger.info(f"🚀 شروع پردازش - LLM: {llm_provider} ({llm_model})")
-        logger.info(f"🎯 موجودیت‌های انتخابی: {', '.join(entities)}")
-        logger.info("=" * 70)
-        
-        # مرحله 1: ناشناس‌سازی
-        logger.info("🔐 مرحله 1: ناشناس‌سازی...")
-        anonymized_text, _ = anonymizer.anonymize_with_cerebras(input_text)
-        logger.info(f"✅ ناشناس‌سازی: {len(anonymized_text)} کاراکتر")
-        
-        # ✅ دیباگ: بررسی توکن‌های موجود در متن ناشناس
-        logger.info("=" * 70)
-        logger.info("🔍 DEBUG - توکن‌های موجود در متن ناشناس:")
-        for entity_type in entities:
-            tokens_found = re.findall(f'{entity_type}-\\d+', anonymized_text)
-            unique_tokens = sorted(set(tokens_found))
-            logger.info(f"  {entity_type}: {unique_tokens}")
-        logger.info("=" * 70)
-        
-        # مرحله 2: LLM (فقط اگر analysis_prompt داده شده باشد)
-        has_analysis = analysis_prompt and analysis_prompt.strip()
-        
-        if has_analysis:
-            logger.info(f"🤖 مرحله 2: {llm_provider.upper()}...")
-            llm_response = anonymizer.analyze_with_llm(anonymized_text, analysis_prompt)
-            logger.info(f"✅ {llm_provider.upper()}: {len(llm_response)} کاراکتر")
-        else:
-            logger.info("⚠️ مرحله 2: بدون تحلیل LLM (پرامپت خالی)")
-            llm_response = "⚠️ هیچ دستور تحلیل داده نشده است"
-        
-        # مرحله 3: بازگردانی
-        logger.info("🔄 مرحله 3: بازگردانی...")
-        
-        # ✅ اصلاح: اگر تحلیل انجام نشده، متن ناشناس اصلی رو restore کن
-        if has_analysis:
-            # اگر LLM تحلیل کرده، خروجی LLM رو restore کن
-            restored_text = anonymizer.restore_text(llm_response)
-        else:
-            # اگر تحلیل نشده، متن ناشناس اصلی رو restore کن
-            restored_text = anonymizer.restore_text(anonymized_text)
-        
-        logger.info("✅ بازگردانی کامل")
-        
-        # مرحله 4: جدول نگاشت
-        logger.info("📋 مرحله 4: جدول نگاشت...")
-        mapping_str = anonymizer.get_mapping_table_md()
-        logger.info(f"✅ {len(anonymizer.mapping_table)} موجودیت")
-        
-        logger.info("=" * 70)
-        logger.info("✅ تمام مراحل کامل!")
-        logger.info("=" * 70)
-        
-        return restored_text, llm_response, anonymized_text, mapping_str
-        
-    except Exception as e:
-        logger.error(f"❌ خطا: {str(e)}", exc_info=True)
-        return "", f"❌ خطا: {str(e)}", "", ""
-
-def clear_all():
-    """پاک کردن همه"""
-    return "", "", "", "", "", "", True, False, False, False, False
-
-# Gradio Interface
-css_rtl = """
-.input-box { 
-    direction: rtl; 
-    text-align: right; 
-}
-.textbox textarea { 
-    direction: rtl; 
-    text-align: right; 
-    font-family: 'Tahoma', serif; 
-}
-.thick-divider {
-    border-top: 2px solid #333;
-    margin: 10px 0;
-}
-.compact-group {
-    margin: 0;
-    padding: 0;
-}
-.compact-checkbox label {
-    padding: 5px 10px !important;
-    margin: 3px 0 !important;
-    font-size: 0.95em !important;
-}
-"""
-
-with gr.Blocks(title="سیستم ناشناس‌سازی متون", theme=gr.themes.Soft(), css=css_rtl) as app:
-    
-    gr.Markdown("# 🔐 پلتفرم امن چت با مدل‌های متنوع و ناشناس‌سازی داده‌ها", elem_classes="input-box")
-    
-    # ردیف اول: تنظیمات مدل و انتخاب موجودیت‌ها
-    with gr.Row():
-        # سمت راست: تنظیمات مدل
-        with gr.Column(scale=1):
-            with gr.Group():
-                gr.Markdown("### ⚙️ تنظیمات مدل", elem_classes="input-box")
-                
-                llm_provider = gr.Dropdown(
-                    choices=["chatgpt", "grok"],
-                    value="chatgpt",
-                    label="🤖 انتخاب مدل زبانی",
-                    interactive=True
-                )
-                
-                llm_model = gr.Dropdown(
-                    choices=AVAILABLE_MODELS["chatgpt"],
-                    value="gpt-4o-mini",
-                    label="📦 انتخاب نسخه مدل",
-                    interactive=True
-                )
-        
-        # سمت چپ: انتخاب موجودیت‌ها
-        with gr.Column(scale=1):
-            with gr.Group():
-                gr.Markdown("### 🎯 انتخاب موجودیت‌ها", elem_classes="input-box")
-                
-                anonymize_all = gr.Checkbox(
-                    label="✅ همه موجودیت‌ها",
-                    value=True,
-                    elem_classes="input-box compact-checkbox"
-                )
-                
-                anonymize_person = gr.Checkbox(
-                    label="👤 اسامی اشخاص",
-                    value=False,
-                    elem_classes="input-box compact-checkbox"
-                )
-                
-                anonymize_company = gr.Checkbox(
-                    label="🏢 نام شرکت‌ها",
-                    value=False,
-                    elem_classes="input-box compact-checkbox"
-                )
-                
-                anonymize_amount = gr.Checkbox(
-                    label="💰 ارقام مالی",
-                    value=False,
-                    elem_classes="input-box compact-checkbox"
-                )
-                
-                anonymize_percent = gr.Checkbox(
-                    label="📊 درصدها",
-                    value=False,
-                    elem_classes="input-box compact-checkbox"
-                )
-    
-    # خط جداکننده پررنگ
-    gr.Markdown("---", elem_classes="thick-divider")
-    
-    # ردیف دوم: دستورات پردازش و متن ورودی
-    with gr.Row():
-        # سمت راست: دستورات پردازش
-        with gr.Column(scale=1):
-            gr.Markdown("### 📋 دستورات پردازش", elem_classes="input-box")
-            
-            analysis_prompt = gr.Textbox(
-                lines=22,
-                placeholder="مثال: این متن را خلاصه کن\nیا: نکات کلیدی را استخراج کن",
-                label="📋 دستورات LLM (اختیاری)",
-                elem_classes="textbox"
-            )
-        
-        # سمت چپ: متن ورودی
-        with gr.Column(scale=1):
-            gr.Markdown("### 📝 متن ورودی", elem_classes="input-box")
-            
-            input_text = gr.Textbox(
-                lines=22,
-                placeholder="متن مالی/خبری را وارد کنید...",
-                label="",
-                elem_classes="textbox"
-            )
-    
-    # دکمه‌های پردازش و پاک کردن
-    with gr.Row():
-        process_btn = gr.Button(
-            "▶️ پردازش",
-            variant="primary",
-            size="lg",
-            scale=2
-        )
-        
-        clear_btn = gr.Button(
-            "🗑️ پاک کردن",
-            variant="stop",
-            size="lg",
-            scale=1
-        )
-    
-    # نتایج
-    gr.Markdown("## 📊 نتایج پردازش", elem_classes="input-box")
-    
-    with gr.Row():
-        with gr.Column(scale=1):
-            restored_text = gr.Textbox(
-                lines=12,
-                label="✅ متن بازگردانی شده",
-                interactive=False,
-                elem_classes="textbox"
-            )
-        
-        with gr.Column(scale=1):
-            llm_analysis = gr.Textbox(
-                lines=12,
-                label="🤖 تحلیل LLM",
-                interactive=False,
-                elem_classes="textbox"
-            )
-        
-        with gr.Column(scale=1):
-            anonymized_text = gr.Textbox(
-                lines=12,
-                label="🔒 متن ناشناس‌شده",
-                interactive=False,
-                elem_classes="textbox"
-            )
-    
-    mapping_table = gr.Markdown(
-        value="### 📋 جدول نگاشت\n\nهنوز پردازشی انجام نشده",
-        label="📋 جدول نگاشت",
-        elem_classes="input-box"
-    )
-    
-    
-    # Event Handler برای تغییر provider
-    def handle_provider_change(provider):
-        models = AVAILABLE_MODELS.get(provider, [])
-        default_model = models[0] if models else None
-        return gr.update(choices=models, value=default_model)
-    
-    llm_provider.change(
-        fn=handle_provider_change,
-        inputs=[llm_provider],
-        outputs=[llm_model]
-    )
-    
-    def handle_select_all(select_all):
-        if select_all:
-            return (
-                gr.update(value=False, interactive=False),
-                gr.update(value=False, interactive=False),
-                gr.update(value=False, interactive=False),
-                gr.update(value=False, interactive=False)
-            )
-        else:
-            return (
-                gr.update(value=False, interactive=True),
-                gr.update(value=False, interactive=True),
-                gr.update(value=False, interactive=True),
-                gr.update(value=False, interactive=True)
-            )
-    
-    anonymize_all.change(
-        fn=handle_select_all,
-        inputs=[anonymize_all],
-        outputs=[anonymize_person, anonymize_company, anonymize_amount, anonymize_percent]
-    )
-    
-    # پردازش
-    process_btn.click(
-        fn=process,
-        inputs=[
-            input_text, 
-            analysis_prompt, 
-            llm_provider, 
-            llm_model,
-            anonymize_all,
-            anonymize_person,
-            anonymize_company,
-            anonymize_amount,
-            anonymize_percent
-        ],
-        outputs=[restored_text, llm_analysis, anonymized_text, mapping_table]
-    )
-    
-    # پاک کردن
-    clear_btn.click(
-        fn=clear_all,
-        outputs=[
-            input_text, 
-            analysis_prompt,
-            restored_text, 
-            llm_analysis, 
-            anonymized_text, 
-            mapping_table,
-            anonymize_all,
-            anonymize_person,
-            anonymize_company,
-            anonymize_amount,
-            anonymize_percent
-        ]
-    )
-
-if __name__ == "__main__":
-    print("=" * 70)
-    print("🚀 سیستم ناشناس‌سازی متون در حال راه‌اندازی...")
-    print("=" * 70)
-    print("\n📋 نحوه استفاده:\n")
-    print("1. API Keyها را در Hugging Face Secrets تنظیم کنید:")
-    print("   - CEREBRAS_API_KEY (ضروری برای ناشناس‌سازی)")
-    print("   - OPENAI_API_KEY (برای ChatGPT)")
-    print("   - XAI_API_KEY (برای Grok)")
-    print("2. http://localhost:7860 را باز کنید")
-    print("3. مدل زبانی (ChatGPT/Grok) و نسخه مدل را انتخاب کنید")
-    print("4. موجودیت‌های مورد نظر برای ناشناس‌سازی را انتخاب کنید")
-    print("5. متن و دستورات پردازش را وارد کنید")
-    print("6. 'پردازش' را کلیک کنید\n")
-    print("🔐 تمام API Keyها از Hugging Face Secrets خوانده می‌شوند")
-    print("📦 مدل‌های پشتیبانی شده:")
-    print("   • ChatGPT GPT-5: gpt-5.1, gpt-5")
-    print("   • ChatGPT GPT-4: gpt-4.1, gpt-4o, gpt-4o-mini, gpt-4-turbo")
-    print("   • Grok-4: grok-4-fast-reasoning, grok-4-fast-non-reasoning, grok-4-0709")
-    print("   • Grok-3: grok-3, grok-3-mini")
-    print("   • Grok-2: grok-2-vision-1212, grok-2-1212, grok-2")
-    print("=" * 70 + "\n")
-    
-    app.launch(
-        server_name="0.0.0.0",
-        server_port=7860,
-        share=False,
-        show_error=True
-    )