Delete app.py

app.py

@@ -1,914 +0,0 @@
-import gradio as gr
-import re
-import os
-import requests
-import time
-import logging
-
-# تنظیم logging
-logging.basicConfig(level=logging.INFO)
-logger = logging.getLogger(__name__)
-
-class LightweightDataAnonymizer:
-    def __init__(self):
-        self.mapping_table = {}
-        # دسته‌بندی‌های الگوها برای UI
-        self.pattern_categories = {
-            'personal_identity': {
-                'name_fa': 'اطلاعات شخصی و هویتی',
-                'name_en': 'Personal & Identity Information',
-                'patterns': ['PERSON', 'MIXED_NAMES', 'ID_NUMBER', 'ENGLISH_TITLES'],
-                'icon': '👤'
-            },
-            'financial': {
-                'name_fa': 'اطلاعات مالی',
-                'name_en': 'Financial Information',
-                'patterns': ['AMOUNT', 'INTERNATIONAL_CURRENCIES', 'ACCOUNT', 'FINANCIAL_TERMS', 'STOCK_SYMBOL'],
-                'icon': '💰'
-            },
-            'temporal': {
-                'name_fa': 'اطلاعات زمانی',
-                'name_en': 'Temporal Information',
-                'patterns': ['DATE', 'ADVANCED_DATE_FORMATS', 'TIME_RANGES'],
-                'icon': '📅'
-            },
-            'location': {
-                'name_fa': 'اطلاعات مکانی',
-                'name_en': 'Location Information',
-                'patterns': ['LOCATION', 'COMPLEX_ADDRESSES'],
-                'icon': '📍'
-            },
-            'technical': {
-                'name_fa': 'اطلاعات فنی و تکنولوژیکی',
-                'name_en': 'Technical & Technological',
-                'patterns': ['TECHNICAL_CODES', 'NETWORK_ADDRESSES', 'TECHNICAL_UNITS', 'ACRONYMS_ABBREVIATIONS'],
-                'icon': '⚙️'
-            },
-            'business': {
-                'name_fa': 'اطلاعات کسب‌وکار',
-                'name_en': 'Business Information',
-                'patterns': ['COMPANY', 'BUSINESS_TERMS', 'PRODUCT', 'PETROCHEMICAL'],
-                'icon': '🏢'
-            },
-            'quantity': {
-                'name_fa': 'اطلاعات کمیت و واحد',
-                'name_en': 'Quantity & Unit Information',
-                'patterns': ['PERCENTAGE', 'VOLUME', 'RATIOS'],
-                'icon': '📊'
-            },
-            'communication': {
-                'name_fa': 'اطلاعات ارتباطی',
-                'name_en': 'Communication Information',
-                'patterns': ['PHONE', 'EMAIL'],
-                'icon': '📞'
-            }
-        }
-        
-        # counters
-        self.counters = {
-            'PERSON': 0, 'MIXED_NAMES': 0, 'ID_NUMBER': 0, 'ENGLISH_TITLES': 0,
-            'AMOUNT': 0, 'INTERNATIONAL_CURRENCIES': 0, 'ACCOUNT': 0, 
-            'FINANCIAL_TERMS': 0, 'STOCK_SYMBOL': 0,
-            'DATE': 0, 'ADVANCED_DATE_FORMATS': 0, 'TIME_RANGES': 0,
-            'LOCATION': 0, 'COMPLEX_ADDRESSES': 0,
-            'TECHNICAL_CODES': 0, 'NETWORK_ADDRESSES': 0, 'TECHNICAL_UNITS': 0,
-            'ACRONYMS_ABBREVIATIONS': 0,
-            'COMPANY': 0, 'BUSINESS_TERMS': 0, 'PRODUCT': 0, 'PETROCHEMICAL': 0,
-            'PERCENTAGE': 0, 'VOLUME': 0, 'RATIOS': 0,
-            'PHONE': 0, 'EMAIL': 0
-        }
-        
-        self.api_key = os.getenv("OPENAI_API_KEY", "")
-    
-    def get_category_choices(self, language='fa'):
-        """دریافت لیست دسته‌بندی‌ها برای چک‌باکس"""
-        choices = []
-        for cat_key, cat_info in self.pattern_categories.items():
-            name = cat_info['name_fa'] if language == 'fa' else cat_info['name_en']
-            icon = cat_info['icon']
-            choices.append(f"{icon} {name}")
-        return choices
-    
-    def get_selected_patterns(self, selected_categories, language='fa'):
-        """تبدیل دسته‌بندی‌های انتخاب شده به لیست الگوها"""
-        selected_patterns = []
-        
-        for cat_key, cat_info in self.pattern_categories.items():
-            name = cat_info['name_fa'] if language == 'fa' else cat_info['name_en']
-            icon = cat_info['icon']
-            category_display = f"{icon} {name}"
-            
-            if category_display in selected_categories:
-                selected_patterns.extend(cat_info['patterns'])
-        
-        return selected_patterns
-
-    def detect_language(self, text):
-        """تشخیص زبان متن"""
-        if not text:
-            return 'fa'
-        
-        persian_chars = len(re.findall(r'[\u0600-\u06FF]', text))
-        english_chars = len(re.findall(r'[a-zA-Z]', text))
-        total = persian_chars + english_chars
-        
-        if total == 0:
-            return 'fa'
-        
-        if persian_chars / total > 0.6:
-            return 'fa'
-        elif english_chars / total > 0.6:
-            return 'en'
-        else:
-            return 'mixed'
-
-    def get_comprehensive_patterns(self):
-        """الگوهای جامع ناشناس‌سازی - نسخه کامل"""
-        return {
-            'PERSON': [
-                r'آقای\s+([آ-یa-zA-Z]+(?:\s+[آ-یa-zA-Z]+)*)',
-                r'خانم\s+([آ-یa-zA-Z]+(?:\s+[آ-یa-zA-Z]+)*)',
-                r'مهندس\s+([آ-یa-zA-Z]+(?:\s+[آ-یa-zA-Z]+)*)',
-                r'دکتر\s+([آ-یa-zA-Z]+(?:\s+[آ-یa-zA-Z]+)*)',
-                r'استاد\s+([آ-یa-zA-Z]+(?:\s+[آ-یa-zA-Z]+)*)',
-                r'Mr\.\s+([a-zA-Z]+(?:\s+[a-zA-Z]+)*)',
-                r'Ms\.\s+([a-zA-Z]+(?:\s+[a-zA-Z]+)*)',
-                r'Dr\.\s+([a-zA-Z]+(?:\s+[a-zA-Z]+)*)',
-                r'([آ-یa-zA-Z]+\s+[آ-یa-zA-Z]+)(?:، مدیرعامل|\s+مدیرعامل|\s+رئیس)',
-                r'مدیرعامل(?=\s|$|،|\.)',
-                r'سرپرست(?=\s+و|\s|$|،|\.)',
-                r'رئیس\s+هیأت‌مدیره'
-            ],
-            
-            'MIXED_NAMES': [
-                r'([آ-یa-zA-Z]{2,}\s+[آ-یa-zA-Z]{2,})',
-                r'([A-Z][a-z]+-[A-Z][a-z]+)',
-                r"([A-Z]'[A-Z][a-z]+)",
-                r'Dr\.\s+([آ-یa-zA-Z\s‌]+)'
-            ],
-            
-            'ID_NUMBER': [
-                r'IR[۰-۹0-9]{24}',
-                r'شبا[\s:]*IR[۰-۹0-9]{24}',
-                r'IBAN[\s:]*IR[۰-۹0-9]{24}',
-                r'شماره[\s]*شبا[\s:]*IR[۰-۹0-9]{24}',
-                r'(?:کد[\s]*)?(?:ملی[\s:]*)?[۰-۹0-9]{10}',
-                r'(?:شناسه[\s]*)?(?:ملی[\s:]*)?[۰-۹0-9]{10}',
-                r'National[\s]*(?:ID[\s:]*)?[0-9]{10}',
-                r'(?:پاسپورت[\s:]*)?[A-Z][0-9]{8}',
-                r'(?:Passport[\s:]*)?[A-Z][0-9]{8}',
-                r'(?:کارت[\s:]*)?(?:[۰-۹0-9]{4}[-\s]?){3}[۰-۹0-9]{4}',
-                r'(?:Card[\s:]*)?(?:[0-9]{4}[-\s]?){3}[0-9]{4}',
-                r'SSN[\s:]*[0-9]{3}-[0-9]{2}-[0-9]{4}',
-                r'FICO[\s]*(?:score[\s:]*)?[0-9]{3}',
-                r'EIN[\s:]*[0-9]{2}-[0-9]{7}',
-                r'Meeting[\s]*ID[\s:]*[0-9]{9,11}'
-            ],
-            
-            'ENGLISH_TITLES': [
-                r'business\s+partner',
-                r'team\s+lead',
-                r'head\s+of\s+production',
-                r'senior\s+architect',
-                r'civil\s+engineer',
-                r'system\s+administrator',
-                r'network\s+engineer',
-                r'environmental\s+consultant',
-                r'senior\s+loan\s+officer',
-                r'facility\s+manager',
-                r'project\s+team',
-                r'technical\s+support'
-            ],
-            
-            'AMOUNT': [
-                r'\d+(?:,\d{3})*\s*(?:میلیون|میلیارد|هزار)\s*تومان',
-                r'مبلغ\s+\d+(?:,\d{3})*\s*(?:میلیون|میلیارد|هزار)?\s*تومان',
-                r'\d+\s*تومان(?=\s+به\s+ازای|\s+فروش|،)',
-                r'رقم\s+فعلی\s+\d+(?:,\d{3})*\s*(?:میلیون|میلیارد)\s*تومان',
-                r'رقم\s+\d+(?:,\d{3})*\s*(?:میلیون|میلیارد)\s*تومان',
-                r'به\s+\d+(?:,\d{3})*\s*(?:میلیون|میلیارد|هزار)\s*تومان',
-                r'\$\d+(?:,\d{3})*(?:\.\d+)?\s*(?:million|billion|thousand|M|B|K)?',
-                r'\d+(?:,\d{3})*\s*ریال',
-                r'€\d+(?:,\d{3})*(?:\.\d+)?',
-                r'\d+(?:,\d{3})*\s*AED',
-                r'\$\d+(?:\.\d+)?[KMB]',
-                r'€\d+(?:\.\d+)?[KM]'
-            ],
-            
-            'INTERNATIONAL_CURRENCIES': [
-                r'\d+(?:,\d{3})*\s+euro',
-                r'€\d+(?:\.\d+)?M',
-                r'\d+\s+EUR',
-                r'\d+(?:,\d{3})*\s+AED',
-                r'\d+(?:\.\d+)?M\s+AED',
-                r'\$\d+(?:\.\d+)?M',
-                r'\$\d+(?:\.\d+)?K',
-                r'£\d+(?:,\d{3})*(?:\.\d+)?',
-                r'\d+\s+GBP',
-                r'\d+\s+CHF',
-                r'¥\d+(?:,\d{3})*',
-                r'\d+\s+JPY'
-            ],
-            
-            'ACCOUNT': [
-                r'(?:شماره[\s]*)?(?:حساب[\s]*)?(?:بانکی[\s:]*)?(?:[۰-۹0-9]{1,3}[-\s]?)*[۰-۹0-9]{8,20}',
-                r'حساب[\s]*(?:شماره[\s:]*)?(?:[۰-۹0-9]{1,3}[-\s]?)*[۰-۹0-9]{8,20}',
-                r'شماره[\s]*حساب[\s:]*(?:[۰-۹0-9]{1,3}[-\s]?)*[۰-۹0-9]{8,20}',
-                r'Account[\s]*(?:Number[\s:]*)?(?:[0-9]{1,3}[-\s]?)*[0-9]{8,20}',
-                r'[۰-۹0-9]{3}[-\s]?[۰-۹0-9]{3}[-\s]?[۰-۹0-9]{6,12}',
-                r'[۰-۹0-9]{2,4}[-\s]?[۰-۹0-9]{6,12}[-\s]?[۰-۹0-9]{2,4}',
-                r'واریز[\s]*(?:سود[\s:]*)?(?:[۰-۹0-9]{1,3}[-\s]?)*[۰-۹0-9]{8,20}',
-                r'سود[\s:]*(?:[۰-۹0-9]{1,3}[-\s]?)*[۰-۹0-9]{8,20}'
-            ],
-            
-            'FINANCIAL_TERMS': [
-                r'فروش\s+(?:ماهانه|تجمیعی|صادراتی)',
-                r'درآمد\s+شرکت',
-                r'سود\s+(?:خالص|نقدی)',
-                r'صورت��های\s+مالی',
-                r'بهای\s+تمام‌شده',
-                r'سودآوری',
-                r'عملکرد\s+مالی',
-                r'میانگین\s+فروش',
-                r'بالاترین\s+رقم\s+فروش',
-                r'رقم\s+فروش',
-                r'درآمدهای\s+عملیاتی'
-            ],
-            
-            'STOCK_SYMBOL': [
-                r'نماد\s+([آ-یa-zA-Z0-9]+)',
-                r'(سبهان|غدیر|شتران|شپنا|پترول|فارس|خارک|پلاسکو|جم|کرمان|مارون|اراک|رازی|شازند|کاوه|بندر|پارس|خوزستان|ماهشهر|عسلویه)(?=\s|$|،|\.|\s+)',
-                r'شرکت\s+([آ-یa-zA-Z\s]+?)(?=\s+در|\s+که|\s+با|،|\.|\s+$|\s+را|\s+به)',
-                r'پتروشیمی\s+([آ-یa-zA-Z\s]+?)(?=\s+در|\s+که|\s+با|،|\.|\s+$|\s+توان)',
-                r'(AAPL|GOOGL|MSFT|AMZN|TSLA|META|NVDA|SABIC)(?=\s|$|,|\.)'
-            ],
-            
-            'DATE': [
-                r'[۰-۹0-9]{4}[/-][۰-۹0-9]{1,2}[/-][۰-۹0-9]{1,2}',
-                r'[۰-۹0-9]{1,2}[/-][۰-۹0-9]{1,2}[/-][۰-۹0-9]{4}',
-                r'(?:[۰-۹0-9]{1,2})\s*(?:فروردین|اردیبهشت|خرداد|تیر|مرداد|شهریور|مهر|آبان|آذر|دی|بهمن|اسفند)\s*(?:[۰-۹0-9]{4})',
-                r'(?:فروردین|اردیبهشت|خرداد|تیر|مرداد|شهریور|مهر|آبان|آذر|دی|بهمن|اسفند)\s+[۰-۹0-9]{4}',
-                r'(?:[0-9]{1,2})\s*(?:January|February|March|April|May|June|July|August|September|October|November|December)\s*(?:[0-9]{4})',
-                r'(?:Jan|Feb|Mar|Apr|May|Jun|Jul|Aug|Sep|Oct|Nov|Dec)\s*[0-9]{1,2},?\s*[0-9]{4}',
-                r'سال\s+گذشته',
-                r'سال\s+جاری',
-                r'این\s+سال',
-                r'ماه\s+قبل',
-                r'ماه\s+اخیر',
-                r'(?:13[0-9]{2}|14[0-9]{2}|20[0-9]{2}|19[0-9]{2})(?=\s|$|،|\.)'
-            ],
-            
-            'ADVANCED_DATE_FORMATS': [
-                r'(?:March|April|May|June|July|August|September|October|November|December)\s+\d{1,2}(?:st|nd|rd|th),?\s+\d{4}',
-                r'\d{4}-\d{2}-\d{2}T\d{2}:\d{2}:\d{2}(?:\.\d{3})?Z',
-                r'(?:PST|EST|GMT|UTC)(?:[+-]\d{1,2}:\d{2})?',
-                r'Eastern\s+Time',
-                r'GMT[+-]\d{1,2}:\d{2}',
-                r'end\s+of\s+fiscal\s+year\s+\d{4}/\d{2}/\d{2}'
-            ],
-            
-            'TIME_RANGES': [
-                r'\d{2}:\d{2}-\d{2}:\d{2}',
-                r'\d{2}:\d{2}\s+تا\s+\d{2}:\d{2}',
-                r'\d{1,2}:\d{2}\s+(?:AM|PM)\s+(?:PST|EST|GMT|UTC)',
-                r'\d{2}:\d{2}:\d{2}\s+(?:AM|PM)',
-                r'COB\s*\(Close\s+of\s+Business\)',
-                r'\d{1,3}\s+(?:business\s+days|روز\s+کاری)'
-            ],
-            
-            'LOCATION': [
-                r'(تهران|اصفهان|ماهشهر|عسلویه|بندرعباس|اهواز|شیراز|مشهد|تبریز|کرج|قم|رشت|کرمان|یزد|زاهدان|بوشهر|خرمشهر|آبادان|اراک|قزوین)',
-                r'استان\s+([آ-ی\s]+)',
-                r'شهر\s+([آ-ی\s]+)',
-                r'(ایران|عراق|کویت|عربستان|امارات|قطر|عمان|بحرین|ترکیه|پاکستان|افغانستان)',
-                r'داخلی|بازار\s+داخلی',
-                r'خارجی|بازارهای\s+خارجی',
-                r'(London|Paris|Tokyo|New\s+York|Dubai|Singapore|Hong\s+Kong|Shanghai|Mumbai|Frankfurt|Amsterdam)'
-            ],
-            
-            'COMPLEX_ADDRESSES': [
-                r'کیلومتر\s+\d+\s+جاده\s+[آ-ی\s]+-[آ-ی\s]+',
-                r'روبروی\s+(?:پمپ\s+بنزین|بانک|پارک|مسجد|بیمارستان)\s+[آ-یa-zA-Z\s]+',
-                r'Building-[A-Z],?\s+Floor-\d+,?\s+Unit-[A-Z0-9]+',
-                r'rack\s+number\s+R-\d+,?\s+slot\s+\d+',
-                r'phase\s+\d+\s+development,?\s+block\s+[A-Z],?\s+plot\s+\d+-[A-Z]',
-                r'\d{2,5}\s+[A-Z][a-z]+\s+(?:Street|Avenue|Boulevard|Road|Drive),?\s+Floor\s+\d+,?\s+Building\s+[A-Z]',
-                r'شهرک\s+صنعتی\s+[آ-ی\s]+،?\s+محور\s+[آ-ی\s]+'
-            ],
-            
-            'TECHNICAL_CODES': [
-                r'SN-\d{4}-[A-Z]{3}-\d{4}',
-                r'Serial\s+Number[\s:]*[A-Z0-9-]+',
-                r'REF-[A-Z]{3}-\d{4}-\d{3}',
-                r'DOC-[A-Z]{2}-\d{4}-\d{4}',
-                r'INF-\d{4}-\d{4}',
-                r'CTR/\d{4}/\d{3}',
-                r'HVAC-\d{7}',
-                r'Generator-Model-[A-Z0-9]+',
-                r'LOI-\d{4}-[A-Z]{4}-\d{3}',
-                r'BOQ-\d{4}-[A-Z]{3}-\d{3}',
-                r'#INV-\d{4}-Q\d-\d{4}',
-                r'ESC-\d{4}-[A-Z]{3}-\d{3}',
-                r'BN-\d{6}-[A-Z]\d+'
-            ],
-            
-            'NETWORK_ADDRESSES': [
-                r'\b(?:\d{1,3}\.){3}\d{1,3}\b',
-                r'xxx\.xxx\.xxx\.xxx',
-                r'[A-F0-9]{2}:[A-F0-9]{2}:[A-F0-9]{2}:[A-F0-9]{2}:[A-F0-9]{2}:[A-F0-9]{2}',
-                r'srv-[a-z]+-[a-z]+-\d{2}',
-                r'[a-z]+-[a-z]+\d*\.[a-z]+\.[a-z]+',
-                r'[a-zA-Z0-9-]+\.[a-zA-Z]{2,4}(?:\.[a-zA-Z]{2,4})?'
-            ],
-            
-            'TECHNICAL_UNITS': [
-                r'\d+(?:\.\d+)?\s*MW',
-                r'\d+(?:\.\d+)?\s*kWh?',
-                r'\d+(?:,\d{3})*\s*cubic\s+meters',
-                r'\d+(?:,\d{3})*\s*m³',
-                r'\d+(?:,\d{3})*\s*sq\s+ft',
-                r'\d+(?:\.\d+)?\s*ppm',
-                r'\d+(?:\.\d+)?\s*mg/m³',
-                r'\b(?:CO2|NOx|SO2)\b',
-                r'\d+(?:\.\d+)?\s*TB',
-                r'\d+(?:\.\d+)?\s*GB',
-                r'\d+(?:,\d{3})*\s*square\s+meters',
-                r'\d+(?:\.\d+)?\%\s*efficiency',
-                r'FICO\s+score:\s*\d{3}',
-                r'\d+(?:\.\d+)?\s*(?:bar|psi)',
-                r'\d+(?:\.\d+)?\s*°[CF]',
-                r'\d+(?:\.\d+)?\s*(?:rpm|m/s)'
-            ],
-            
-            'ACRONYMS_ABBREVIATIONS': [
-                r'\b(?:HVAC|IT|HSE|BOQ|LC|COB)\b',
-                r'\b(?:YTD|NNN|EIN|SSN|FICO)\b',
-                r'\bIP\s+Address\b',
-                r'\bMAC\s+Address\b',
-                r'\bURL\b',
-                r'\b(?:LLC|Corp|Inc|Ltd)\b',
-                r'\b(?:PST|GMT|UTC|EST)\b',
-                r'\b(?:CO2|NOx|pH|UV)\b',
-                r'\b(?:SCADA|PLC|HMI)\b',
-                r'\b(?:GDP|CPI|ROI|NPV)\b',
-                r'\b(?:FOB|CIF|DDP)\b',
-                r'\b(?:ABA|SWIFT|IBAN)\b'
-            ],
-            
-            'COMPANY': [
-                r'شرکت(?=\s+در|\s+که|\s+با|\s+را|\s+به|\s+طی)',
-                r'([آ-یa-zA-Z\s]+)\s+شرکت',
-                r'این\s+شرکت(?=\s|$|،|\.)',
-                r'(بانک\s+[آ-یa-zA-Z\s]+)',
-                r'([A-Z][a-zA-Z\s]+(?:Inc|Corp|Corporation|Company|Ltd|Limited|LLC))'
-            ],
-            
-            'BUSINESS_TERMS': [
-                r'تحلیل\s+عملکرد',
-                r'گزارش\s+(?:فعالیت|عملکرد)\s+ماهانه',
-                r'وضعیت\s+فروش',
-                r'تولید\s+پایدار',
-                r'سهم\s+بازار',
-                r'صادرات\s+هدفمند',
-                r'بهره‌وری',
-                r'ظرفیت‌های\s+داخلی',
-                r'شرکت‌های\s+پیشرو',
-                r'صنعت\s+پتروشیمی',
-                r'سرمایه‌گذاران\s+بنیادی',
-                r'شاخص‌های\s+عملیاتی',
-                r'برنامه‌ریزی\s+مناسب',
-                r'واحد\s+فروش',
-                r'موجودی\s+انبار',
-                r'فاز\s+رشد\s+جدید',
-                r'ترکیب\s+فروش',
-                r'سهم\s+صادراتی',
-                r'روند\s+عملکرد',
-                r'اعداد\s+اعلام‌شده',
-                r'داده‌های\s+ثبت‌شده'
-            ],
-            
-            'PRODUCT': [
-                r'\b(?:VCM|PVC|PE|PP|PS|ABS|SAN|PC|PMMA|PET|PBT|PA|POM|TPU)\b',
-                r'پلی\s*(?:اتیلن|پروپیلن|استایرن|کربنات|متیل)',
-                r'\b(?:اتیلن|پروپیلن|بنزن|تولوئن|زایلن|متانول|اتانول|استون|فنول)\b',
-                r'\b(?:کلر|هیدروژن|اکسیژن|نیتروژن|آمونیاک|اتان|پروپان|بوتان)\b',
-                r'محصول(?:ات)?',
-                r'تولیدات\s+شرکت'
-            ],
-            
-            'PETROCHEMICAL': [
-                r'\b(?:LDPE|HDPE|LLDPE|PP|PS|EPS|ABS|SAN|PC|PMMA|PET|PBT|PA6|PA66|POM|TPU|EVA|EAA)\b',
-                r'(?:Ethylene\s+Vinyl\s+Acetate|Ethyl\s+Acrylate|Methyl\s+Methacrylate|Polyethylene\s+Terephthalate)'
-            ],
-            
-            'PERCENTAGE': [
-                r'\d+(?:\.\d+)?\s*درصد(?:\s+افزایش|\s+رشد|\s+کاهش|\s+بالاتر|\s+پایین‌تر)?',
-                r'\d+(?:\.\d+)?\s*%',
-                r'معادل\s+\d+(?:\.\d+)?\s*درصد',
-                r'حدود\s+\d+(?:\.\d+)?\s*درصد',
-                r'با\s+\d+(?:\.\d+)?\s*درصد\s+افزایش',
-                r'رشد\s+\d+(?:\.\d+)?\s*درصدی',
-                r'\d+(?:\.\d+)?\s*درصدی(?=\s+همراه|\s+بوده)',
-                r'میزان\s+رشد(?=\s+نسبت|\s+معادل)',
-                r'افزایش\s+قابل‌توجهی',
-                r'بهبود\s+نسبی',
-                r'\d+(?:\.\d+)?\%\s*(?:increase|decrease|growth|improvement)',
-                r'(?:approximately|about)\s+\d+(?:\.\d+)?\%'
-            ],
-            
-            'VOLUME': [
-                r'\d+(?:,\d{3})*\s*تن',
-                r'\d+(?:,\d{3})*\s*(?:کیلوگرم|لیتر|بشکه)',
-                r'میزان\s+\d+(?:,\d{3})*\s*تن',
-                r'مقدار\s+تولید',
-                r'حجم\s+فروش',
-                r'ظرفیت\s+(?:تولید|اسمی)',
-                r'\d+(?:,\d{3})*\s*(?:tons|kg|liters|barrels)',
-                r'\d+(?:,\d{3})*\s*(?:metric\s+tons|MT)',
-                r'\d+(?:,\d{3})*\s*(?:thousand\s+tons|KT)'
-            ],
-            
-            'RATIOS': [
-                r'نسبت\s+(?:فروش|تولید)\s+به\s+[آ-ی\s]+',
-                r'\d+(?:\.\d+)?\s*نزدیک',
-                r'برابر\s+با\s+\d+(?:\.\d+)?',
-                r'معادل\s+\d+(?:\.\d+)?',
-                r'میزان\s+(?:رشد|افزایش)',
-                r'شاخص\s+(?:مهم|عملیاتی)',
-                r'\d+(?:\.\d+)?\s*درصد\s+کل\s+تولید'
-            ],
-            
-            'PHONE': [
-                r'(?:تلفن[\s:]*)?(?:شماره[\s:]*)?(?:0)?(?:[۰-۹0-9]{2,3}[-\s]?)?[۰-۹0-9]{7,8}',
-                r'(?:تماس[\s:]*)?(?:شماره[\s:]*)?(?:با[\s]*)?(?:0)?(?:[۰-۹0-9]{2,3}[-\s]?)?[۰-۹0-9]{7,8}',
-                r'(?:موبایل[\s:]*)?(?:شماره[\s:]*)?(?:0)?9[۰-۹0-9]{9}',
-                r'[۰-۹0-9]{3,4}[-\s][۰-۹0-9]{7,8}',
-                r'[۰-۹0-9]{11}(?!\d)',
-                r'(?:\+98|0098)?[۰-۹0-9]{10}',
-                r'[۰-۹0-9]{3,4}[-\s]?[۰-۹0-9]{3,4}[-\s]?[۰-۹0-9]{3,4}',
-                r'\+[0-9]{1,3}-[0-9]{3}-[0-9]{3}-[0-9]{4}(?:\s+ext\.\s+[0-9]{3,4})?',
-                r'\([0-9]{3}\)\s+[0-9]{3}-[0-9]{4}'
-            ],
-            
-            'EMAIL': [
-                r'[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}',
-                r'ایمیل[\s:]*[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}',
-                r'email[\s:]*[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}',
-                r'نشانی[\s]*الکترونیکی[\s:]*[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}',
-                r'آدرس[\s]*ایمیل[\s:]*[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}',
-                r'facility\.manager@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}'
-            ]
-        }
-
-    def anonymize_text(self, original_text, lang='fa', selected_categories=None):
-        """گام 1: ناشناس‌سازی متن با الگوهای انتخاب شده - نسخه Lightweight"""
-        try:
-            if not original_text or not original_text.strip():
-                return "❌ Please enter input text!" if lang == 'en' else "❌ لطفاً متن ورودی را وارد کنید!"
-            
-            # ریست متغیرها
-            self.mapping_table = {}
-            self.counters = {key: 0 for key in self.counters.keys()}
-            
-            anonymized = original_text
-            found_entities = set()
-            
-            # تشخیص زبان
-            detected_lang = self.detect_language(original_text)
-            logger.info(f"Detected language: {detected_lang}")
-            
-            # استخراج با الگوهای Regex - Lightweight mode
-            all_patterns = self.get_comprehensive_patterns()
-            
-            # فیلتر کردن الگوها بر اساس انتخاب کاربر
-            if selected_categories:
-                selected_pattern_types = self.get_selected_patterns(selected_categories, lang)
-                patterns = {k: v for k, v in all_patterns.items() if k in selected_pattern_types}
-                logger.info(f"📋 Using selected pattern categories: {len(patterns)} types")
-            else:
-                patterns = all_patterns
-                logger.info("📋 Using all available pattern categories")
-            
-            # پردازش patterns
-            logger.info("🔍 Running lightweight regex extraction...")
-            
-            processed_entities = set()
-            
-            # اولویت‌بندی دسته‌ها
-            priority_order = [
-                'ID_NUMBER', 'EMAIL', 'PHONE', 'ACCOUNT', 'TECHNICAL_CODES',
-                'NETWORK_ADDRESSES', 'INTERNATIONAL_CURRENCIES', 'AMOUNT',
-                'TECHNICAL_UNITS', 'ACRONYMS_ABBREVIATIONS', 'ADVANCED_DATE_FORMATS',
-                'TIME_RANGES', 'COMPLEX_ADDRESSES', 'MIXED_NAMES', 'ENGLISH_TITLES',
-                'STOCK_SYMBOL', 'COMPANY', 'PERSON', 'PERCENTAGE', 'VOLUME',
-                'RATIOS', 'LOCATION', 'DATE', 'FINANCIAL_TERMS', 'BUSINESS_TERMS',
-                'PRODUCT', 'PETROCHEMICAL'
-            ]
-            
-            for category in priority_order:
-                if category in patterns:
-                    pattern_list = patterns[category]
-                    for pattern in pattern_list:
-                        try:
-                            matches = re.finditer(pattern, original_text, re.IGNORECASE | re.MULTILINE)
-                            for match in matches:
-                                if match.groups():
-                                    item = match.group(1).strip()
-                                    full_match = match.group(0).strip()
-                                else:
-                                    item = match.group(0).strip()
-                                    full_match = item
-                                
-                                # بررسی تداخل
-                                overlaps = False
-                                match_start, match_end = match.span()
-                                
-                                for proc_start, proc_end in processed_entities:
-                                    if not (match_end <= proc_start or match_start >= proc_end):
-                                        overlaps = True
-                                        break
-                                
-                                if (not overlaps and
-                                    full_match not in found_entities and 
-                                    full_match not in self.mapping_table and 
-                                    len(full_match) >= 2):
-                                    
-                                    self.counters[category] += 1
-                                    code = f"{category}_{self.counters[category]:03d}_REGEX"
-                                    self.mapping_table[full_match] = code
-                                    found_entities.add(full_match)
-                                    processed_entities.add((match_start, match_end))
-                        except re.error as e:
-                            logger.error(f"Regex error in pattern {pattern}: {e}")
-                            continue
-            
-            # جایگزینی در متن
-            sorted_items = sorted(self.mapping_table.items(), key=lambda x: len(x[0]), reverse=True)
-            for original_item, code in sorted_items:
-                anonymized = anonymized.replace(original_item, code)
-            
-            logger.info(f"✅ Lightweight anonymization completed. Found {len(self.mapping_table)} entities.")
-            return anonymized
-            
-        except Exception as e:
-            logger.error(f"Anonymization error: {e}")
-            return f"❌ Error in anonymization: {str(e)}" if lang == 'en' else f"❌ خطا در ناشناس‌سازی: {str(e)}"
-
-    def send_to_chatgpt(self, anonymized_text, lang='fa'):
-        """گام 2: ارسال به ChatGPT"""
-        try:
-            if not anonymized_text or not anonymized_text.strip():
-                return "❌ Anonymized text is empty!" if lang == 'en' else "❌ متن ناشناس‌شده خالی است!"
-            
-            if not self.api_key:
-                return "❌ API Key not configured! Please set OPENAI_API_KEY environment variable." if lang == 'en' else "❌ کلید API تنظیم نشده است!"
-            
-            system_msg = "You are a professional analyst. Answer questions accurately." if lang == 'en' else "شما یک تحلیلگر حرفه‌ای هستید. به سوالات با دقت پاسخ دهید."
-            
-            headers = {
-                "Authorization": f"Bearer {self.api_key}",
-                "Content-Type": "application/json"
-            }
-            
-            data = {
-                "model": "gpt-4o-mini",
-                "messages": [
-                    {"role": "system", "content": system_msg},
-                    {"role": "user", "content": anonymized_text}
-                ],
-                "max_tokens": 2000,
-                "temperature": 0.7
-            }
-            
-            response = requests.post(
-                "https://api.openai.com/v1/chat/completions",
-                headers=headers,
-                json=data,
-                timeout=30
-            )
-            
-            if response.status_code == 200:
-                result = response.json()
-                return result['choices'][0]['message']['content']
-            else:
-                error_data = response.json() if response.content else {}
-                error_message = error_data.get('error', {}).get('message', response.text)
-                return f"❌ API Error: {error_message}"
-                
-        except Exception as e:
-            return f"❌ Error connecting to ChatGPT: {str(e)}" if lang == 'en' else f"❌ خطا در ارتباط با ChatGPT: {str(e)}"
-
-    def deanonymize_response(self, gpt_response, lang='fa'):
-        """گام 3: بازگردانی"""
-        try:
-            if not gpt_response or not gpt_response.strip():
-                return "❌ ChatGPT response is empty!" if lang == 'en' else "❌ پاسخ ChatGPT خالی است!"
-            
-            if not self.mapping_table:
-                return "❌ Mapping table is empty!" if lang == 'en' else "❌ جدول نگاشت خالی است!"
-            
-            final_result = gpt_response
-            reverse_mapping = {code: original for original, code in self.mapping_table.items()}
-            
-            sorted_codes = sorted(reverse_mapping.items(), key=lambda x: len(x[0]), reverse=True)
-            for code, original in sorted_codes:
-                final_result = final_result.replace(code, original)
-            
-            return final_result
-            
-        except Exception as e:
-            return f"❌ Deanonymization error: {str(e)}" if lang == 'en' else f"❌ خطا در بازگردانی: {str(e)}"
-
-    def get_model_status(self):
-        """وضعیت سیستم"""
-        status = "🚀 **Lightweight Anonymization System Status (No Dependencies):**\n\n"
-        
-        status += "• **Mode**: Pure Regex Processing (No torch/transformers required)\n"
-        status += "• **Performance**: High-speed lightweight processing\n"
-        status += "• **Compatibility**: Works on any Python environment\n"
-        status += "• **Memory Usage**: Minimal (< 100MB)\n"
-        
-        status += f"\n🎯 **Available Pattern Categories:**"
-        for cat_key, cat_info in self.pattern_categories.items():
-            icon = cat_info['icon']
-            name_fa = cat_info['name_fa']
-            pattern_count = len(cat_info['patterns'])
-            status += f"\n   {icon} {name_fa}: {pattern_count} patterns"
-        
-        status += f"\n\n✨ **Lightweight Features:**"
-        status += f"\n   🎯 User-controlled category selection"
-        status += f"\n   🛡️ High-precision regex patterns (221 total)"
-        status += f"\n   📊 Efficient targeted processing"
-        status += f"\n   ⚡ Zero external model dependencies"
-        status += f"\n   🔥 Works perfectly in HuggingFace Spaces"
-        
-        status += f"\n\n💡 **Advantages of Lightweight Mode:**"
-        status += f"\n   ✅ No dependency issues"
-        status += f"\n   ✅ Fast processing speed"
-        status += f"\n   ✅ Low memory usage"
-        status += f"\n   ✅ Consistent results"
-        status += f"\n   ✅ Easy deployment anywhere"
-        
-        return status
-
-# ایجاد instance
-anonymizer = LightweightDataAnonymizer()
-
-def process_all_steps(input_text, language, selected_categories):
-    """پردازش خودکار تمام مراحل - نسخه Lightweight"""
-    lang = 'en' if language == 'English' else 'fa'
-    
-    if not input_text.strip():
-        error_msg = "❌ Please enter input text!" if lang == 'en' else "❌ لطفاً متن ورودی را وارد کنید!"
-        return error_msg, "", "", ""
-    
-    try:
-        start_time = time.time()
-        
-        anonymized_text = anonymizer.anonymize_text(input_text, lang, selected_categories)
-        if anonymized_text.startswith("❌"):
-            return anonymized_text, "", "", ""
-        
-        gpt_response = anonymizer.send_to_chatgpt(anonymized_text, lang)
-        if gpt_response.startswith("❌"):
-            entities_found = len(anonymizer.mapping_table)
-            
-            selected_count = len(selected_categories) if selected_categories else 0
-            
-            success_msg = (f"✅ Lightweight anonymization completed successfully!\n"
-                          f"📋 Selected categories: {selected_count} | 🔍 Pure Regex Processing\n"
-                          f"📊 Total protected entities: {entities_found} | ⚡ High-speed lightweight mode")
-            return success_msg, anonymized_text, gpt_response, ""
-        
-        final_result = anonymizer.deanonymize_response(gpt_response, lang)
-        
-        total_time = time.time() - start_time
-        entities_found = len(anonymizer.mapping_table)
-        
-        selected_count = len(selected_categories) if selected_categories else 8
-        
-        success_msg = (f"🎉 Complete lightweight anonymization & restoration successful!\n"
-                      f"🔧 Method: Pure Regex Processing | 📋 Categories: {selected_count}/8\n"
-                      f"📊 Total: {entities_found} entities | ⏱️ Time: {total_time:.2f}s\n"
-                      f"⚡ Zero dependencies - Maximum compatibility!")
-        
-        return success_msg, anonymized_text, gpt_response, final_result
-        
-    except Exception as e:
-        error_msg = f"❌ Processing error: {str(e)}" if lang == 'en' else f"❌ خطا در پردازش: {str(e)}"
-        return error_msg, "", "", ""
-
-def get_mapping_table(language):
-    """نمایش جدول نگاشت"""
-    lang = 'en' if language == 'English' else 'fa'
-    
-    if not anonymizer.mapping_table:
-        return "❌ Mapping table is empty!" if lang == 'en' else "❌ جدول نگاشت خالی است!"
-    
-    result = "📋 **Lightweight Mapping Table (Pure Regex):**\n\n"
-    
-    # نمایش آمار کلی
-    result += f"📊 **Statistics**: {len(anonymizer.mapping_table)} total entities\n"
-    result += f"🔍 **Method**: Pure Regex Processing (221 patterns)\n"
-    result += f"⚡ **Mode**: Lightweight (No external dependencies)\n\n"
-    
-    # دسته‌بندی نتایج
-    category_stats = {}
-    for original, code in anonymizer.mapping_table.items():
-        category = code.split('_')[0]
-        if category not in category_stats:
-            category_stats[category] = []
-        category_stats[category].append((original, code))
-    
-    # نمایش نتایج بر اساس دسته‌بندی
-    for category, items in category_stats.items():
-        if len(items) > 0:
-            result += f"🔍 **{category}** ({len(items)} items):\n"
-            for original, code in items[:3]:  # نمایش 3 نمونه اول
-                result += f"   • `{original}` → `{code}`\n"
-            if len(items) > 3:
-                result += f"   ... و {len(items) - 3} مورد دیگر\n"
-            result += "\n"
-    
-    result += "✨ **Lightweight System**: Maximum efficiency with minimal dependencies!"
-    
-    return result
-
-def clear_all():
-    """پاک کردن همه"""
-    anonymizer.mapping_table = {}
-    anonymizer.counters = {key: 0 for key in anonymizer.counters.keys()}
-    return "", "", "", "", ""
-
-# CSS ساده
-custom_css = """
-.gradio-container {
-    font-family: 'Segoe UI', Arial, sans-serif !important;
-    max-width: 1400px !important;
-    margin: 0 auto !important;
-}
-
-.rtl {
-    direction: rtl !important;
-    text-align: right !important;
-}
-
-.gradio-textbox {
-    border-radius: 8px !important;
-    min-height: 120px !important;
-}
-
-.gradio-button {
-    border-radius: 8px !important;
-    font-weight: bold !important;
-    margin: 5px !important;
-}
-
-.status-success {
-    background-color: #d4edda !important;
-    border: 1px solid #c3e6cb !important;
-    color: #155724 !important;
-    padding: 10px !important;
-    border-radius: 8px !important;
-}
-"""
-
-# رابط کاربری Gradio ساده
-with gr.Blocks(title="Lightweight Anonymization System", theme=gr.themes.Soft(), css=custom_css) as app:
-    
-    gr.HTML("<h1 style='text-align: center; color: #2563eb;'>⚡ سیستم ناشناس‌سازی سبک و سریع</h1>")
-    gr.HTML("<p style='text-align: center; color: #6b7280;'>بدون وابستگی به torch/transformers - سازگار با تمام محیط‌ها</p>")
-    
-    with gr.Row():
-        language_selector = gr.Radio(
-            choices=["فارسی", "English"],
-            value="فارسی",
-            label="Language / زبان"
-        )
-    
-    with gr.Row():
-        with gr.Column(scale=1):
-            gr.HTML("<h3>🎯 انتخاب دسته‌بندی‌ها:</h3>")
-            pattern_categories = gr.CheckboxGroup(
-                choices=anonymizer.get_category_choices('fa'),
-                value=anonymizer.get_category_choices('fa'),
-                label="دسته‌بندی‌های الگو",
-                interactive=True
-            )
-            
-            gr.HTML("<p style='color: #6b7280; font-size: 0.9em;'>💡 فقط دسته‌هایی که نیاز دارید انتخاب کنید</p>")
-        
-        with gr.Column(scale=2):
-            input_text = gr.Textbox(
-                lines=10,
-                placeholder="متن خود را اینجا وارد کنید...\n\nمثال: آقای احمد رضایی با شماره تماس 09123456789 و ایمیل ahmad@company.com درخواست وام به مبلغ 500 میلیون تومان داده است.",
-                label="متن ورودی",
-                rtl=True
-            )
-    
-    with gr.Row():
-        process_btn = gr.Button("🚀 پردازش سریع با دسته‌بندی‌های انتخاب شده", variant="primary", scale=2)
-        clear_btn = gr.Button("🗑️ پاک کردن", variant="secondary", scale=1)
-    
-    status = gr.Textbox(
-        label="وضعیت پردازش",
-        lines=4,
-        interactive=False,
-        rtl=True,
-        elem_classes=["status-success"]
-    )
-    
-    with gr.Accordion("📄 نتایج پردازش", open=True):
-        with gr.Row():
-            with gr.Column():
-                gr.HTML("<h4>🎭 متن ناشناس‌شده</h4>")
-                anonymized_output = gr.Textbox(
-                    lines=6,
-                    interactive=False,
-                    rtl=True,
-                    placeholder="متن ناشناس‌شده اینجا نمایش داده می‌شود..."
-                )
-            
-            with gr.Column():
-                gr.HTML("<h4>🤖 پاسخ ChatGPT</h4>")
-                gpt_output = gr.Textbox(
-                    lines=6,
-                    interactive=False,
-                    rtl=True,
-                    placeholder="پاسخ ChatGPT اینجا نمایش داده می‌شود..."
-                )
-        
-        gr.HTML("<h4>✅ پاسخ نهایی بازگردانده شده</h4>")
-        final_output = gr.Textbox(
-            lines=6,
-            interactive=False,
-            rtl=True,
-            placeholder="پاسخ نهایی با اطلاعات اصلی بازگردانده شده اینجا نمایش داده می‌شود..."
-        )
-    
-    with gr.Accordion("📊 جزئیات و وضعیت", open=False):
-        with gr.Row():
-            mapping_btn = gr.Button("📋 نمایش جدول نگاشت")
-            status_btn = gr.Button("⚡ وضعیت سیستم سبک")
-        
-        with gr.Row():
-            mapping_output = gr.Textbox(
-                lines=12,
-                label="جدول نگاشت",
-                interactive=False,
-                visible=False,
-                rtl=True
-            )
-            
-            system_status_output = gr.Textbox(
-                lines=15,
-                label="وضعیت سیستم",
-                interactive=False,
-                visible=False,
-                rtl=True
-            )
-
-    # Event handlers
-    process_btn.click(
-        fn=process_all_steps,
-        inputs=[input_text, language_selector, pattern_categories],
-        outputs=[status, anonymized_output, gpt_output, final_output]
-    )
-
-    clear_btn.click(
-        fn=clear_all,
-        outputs=[input_text, anonymized_output, gpt_output, final_output, status]
-    )
-
-    mapping_btn.click(
-        fn=get_mapping_table,
-        inputs=[language_selector],
-        outputs=[mapping_output]
-    )
-
-    mapping_btn.click(
-        fn=lambda: gr.update(visible=True),
-        outputs=[mapping_output]
-    )
-    
-    status_btn.click(
-        fn=lambda: anonymizer.get_model_status(),
-        outputs=[system_status_output]
-    )
-    
-    status_btn.click(
-        fn=lambda: gr.update(visible=True),
-        outputs=[system_status_output]
-    )
-
-if __name__ == "__main__":
-    logger.info("⚡ Starting Lightweight Anonymization System...")
-    logger.info("🔥 No torch/transformers dependencies required!")
-    logger.info("✅ Ready for any environment including HuggingFace Spaces!")
-    
-    app.launch(
-        share=False,
-        server_name="0.0.0.0",
-        server_port=7860,
-        show_error=True
-    )