Create app.py
Browse files
app.py
ADDED
|
@@ -0,0 +1,74 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
import asyncio
|
| 2 |
+
import gradio as gr
|
| 3 |
+
from playwright.async_api import async_playwright
|
| 4 |
+
|
| 5 |
+
async def scrape_google_ai(search_query):
|
| 6 |
+
# ساخت یوآرال اختصاصی با پارامتر هوشواره گوگل
|
| 7 |
+
url = f"https://www.google.com/search?q={search_query}&udm=50"
|
| 8 |
+
screenshot_path = "google_search_view.png"
|
| 9 |
+
|
| 10 |
+
async with async_playwright() as p:
|
| 11 |
+
try:
|
| 12 |
+
# لانچ کردن مرورگر کروم با فلگهای امنیتی برای دور زدن محیط داکر و سیستمهای آنتیربات
|
| 13 |
+
browser = await p.chromium.launch(
|
| 14 |
+
headless=True,
|
| 15 |
+
args=[
|
| 16 |
+
"--no-sandbox",
|
| 17 |
+
"--disable-setuid-sandbox",
|
| 18 |
+
"--disable-dev-shm-usage",
|
| 19 |
+
"--disable-blink-features=AutomationControlled"
|
| 20 |
+
]
|
| 21 |
+
)
|
| 22 |
+
|
| 23 |
+
# شبیهسازی دقیق یک دستگاه موبایل اندرویدی (مطابق اسکرینشات شما)
|
| 24 |
+
context = await browser.new_context(
|
| 25 |
+
user_agent="Mozilla/5.0 (Linux; Android 10; K) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/122.0.0.0 Mobile Safari/537.36",
|
| 26 |
+
viewport={"width": 412, "height": 915},
|
| 27 |
+
locale="fa-IR",
|
| 28 |
+
timezone_id="Asia/Tehran"
|
| 29 |
+
)
|
| 30 |
+
|
| 31 |
+
page = await context.new_page()
|
| 32 |
+
|
| 33 |
+
# باز کردن لینک گوگل
|
| 34 |
+
print(f"Navigating to: {url}")
|
| 35 |
+
await page.goto(url, wait_until="networkidle", timeout=45000)
|
| 36 |
+
|
| 37 |
+
# استراحت ۸ ثانیهای به مرورگر تا کدهای جاوااسکریپت و چتباکس هوشواره کاملاً رندر شوند
|
| 38 |
+
await page.wait_for_timeout(8000)
|
| 39 |
+
|
| 40 |
+
# ثبت اسکرینشات زنده برای عیبیابی (Debug) و دیدن وضعیت صفحه
|
| 41 |
+
await page.screenshot(path=screenshot_path)
|
| 42 |
+
|
| 43 |
+
# استخراج تمام متون قابل مشاهده در بدنه صفحه
|
| 44 |
+
extracted_text = await page.evaluate("() => document.body.innerText")
|
| 45 |
+
|
| 46 |
+
await browser.close()
|
| 47 |
+
return extracted_text, screenshot_path
|
| 48 |
+
|
| 49 |
+
except Exception as e:
|
| 50 |
+
if 'browser' in locals():
|
| 51 |
+
await browser.close()
|
| 52 |
+
return f"خطایی در حین استخراج رخ داد: {str(e)}", None
|
| 53 |
+
|
| 54 |
+
# طراحی لایه گرافیکی تست با Gradio
|
| 55 |
+
with gr.Blocks(title="Google AI Overview Tester") as demo:
|
| 56 |
+
gr.Markdown("## 🧪 محیط آزمایشی استخراج هوشواره گوگل")
|
| 57 |
+
gr.Markdown("این ابزار با استفاده از Playwright و شبیهسازی مرورگر واقعی موبایل، تلاش میکند محتوای پاسخ هوشمند گوگل (`udm=50`) را رندر و استخراج کند.")
|
| 58 |
+
|
| 59 |
+
with gr.Row():
|
| 60 |
+
with gr.Column():
|
| 61 |
+
query_input = gr.Textbox(label="عبارت جستجو (مثلاً: سلام)", value="سلام", placeholder="کلمه یا متن خود را برای سرچ وارد کنید...")
|
| 62 |
+
submit_btn = gr.Button("ارسال درخواست و رندر صفحه", variant="primary")
|
| 63 |
+
|
| 64 |
+
with gr.Row():
|
| 65 |
+
with gr.Column():
|
| 66 |
+
text_output = gr.TextArea(label="متن خام استخراجشده از صفحه (innerText)", lines=18, interactive=False)
|
| 67 |
+
with gr.Column():
|
| 68 |
+
image_output = gr.Image(label="اسکرینشات زنده از چیزی که داکر میبیند")
|
| 69 |
+
|
| 70 |
+
submit_btn.click(fn=scrape_google_ai, inputs=query_input, outputs=[text_output, image_output])
|
| 71 |
+
|
| 72 |
+
if __name__ == "__main__":
|
| 73 |
+
# اجرا روی پورت مچ شده با هاگینگ فیس
|
| 74 |
+
demo.launch(server_name="0.0.0.0", server_port=7860)
|