Delete app.py

app.py

@@ -1,534 +0,0 @@
-import gradio as gr
-import re
-import os
-import requests
-import logging
-from typing import Dict, List, Tuple
-
-logging.basicConfig(level=logging.INFO)
-logger = logging.getLogger(__name__)
-
-class AnonymizerAdvanced:
-    """ناشناس‌ساز پیشرفته با روش‌های متعدد"""
-    
-    def __init__(self, cerebras_key: str = None, gpt_key: str = None):
-        self.cerebras_key = cerebras_key or os.getenv("CEREBRAS_API_KEY")
-        self.gpt_key = gpt_key or os.getenv("OPENAI_API_KEY")
-        self.mapping_table = {}  # {placeholder: original_text}
-        self.reverse_mapping = {}  # {original_text: placeholder}
-        
-        logger.info("✅ Anonymizer Advanced مقداردهی شد")
-    
-
-    def anonymize_with_cerebras(self, text: str) -> Tuple[str, Dict]:
-        """ناشناس‌سازی با Cerebras"""
-        logger.info("🧠 روش Cerebras...")
-        
-        if not self.cerebras_key:
-            logger.error("❌ Cerebras API Key موجود نیست")
-            raise ValueError("Cerebras API Key مورد نیاز است")
-        
-        try:
-            prompt = f"""متن زیر را ناشناس کنید. قوانین:
-1. اسامی اشخاص → person-01, person-02, ...
-2. نام شرکت‌ها/سازمان‌ها → company-01, company-02, ...
-3. مقادیر پولی → amount-01, amount-02, ...
-4. درصدها → percent-01, percent-02, ...
-5. فقط این توکن‌ها استفاده کنید
-6. شماره‌های نسخه را درست حفظ کنید
-7. اگر موجودیت تکرار شود از شماره قدیمی استفاده کنید
-
-متن:
-{text}
-
-خروجی: فقط متن ناشناس شده"""
-            
-            response = 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": prompt}],
-                    "max_tokens": 4096,
-                    "temperature": 0.1
-                },
-                timeout=60
-            )
-            
-            if response.status_code == 200:
-                anonymized_text = response.json()['choices'][0]['message']['content'].strip()
-                logger.info("✅ Cerebras: موفق")
-                
-                # استخراج mapping از متن
-                self._extract_mapping_from_text(text, anonymized_text)
-                return anonymized_text, self.mapping_table
-            else:
-                logger.error(f"❌ Cerebras Error: {response.status_code}")
-                raise Exception(f"Cerebras API Error: {response.status_code}")
-                
-        except Exception as e:
-            logger.error(f"❌ Cerebras Exception: {e}")
-            raise
-    
-
-    def _extract_mapping_from_text(self, original: str, anonymized: str):
-        """استخراج mapping از متن‌های اصلی و ناشناس شده"""
-        # الگوهای موجودیت
-        patterns = {
-            'person': r'\b[ء-ي]+\s+[ء-ي]+(?:\s+[ء-ي]+)*\b',
-            'company': r'(?:شرکت|بانک|سازمان|گروه|هلدینگ)\s+[ء-ي]+(?:\s+[ء-ي]+)*',
-            'amount': r'\d+\s*(?:میلیارد|میلیون|هزار|تومان|ریال|دلار|تن)',
-            'percent': r'\d+\s*(?:درصد|%|درصدی)',
-        }
-        
-        for entity_type, pattern in patterns.items():
-            for match in re.finditer(pattern, original):
-                text_match = match.group()
-                tokens = re.findall(f'{entity_type}-\\d+', anonymized)
-                if tokens:
-                    for token in tokens:
-                        if token not in self.mapping_table:
-                            self.mapping_table[token] = text_match
-                            self.reverse_mapping[text_match] = token
-    
-    def _extract_tokens_from_text(self, text: str) -> List[str]:
-        """استخراج تمام توکن‌های ناشناس از متن"""
-        pattern = r'(person-\d+|company-\d+|amount-\d+|percent-\d+)'
-        return sorted(set(re.findall(pattern, text)))
-    
-    def _validate_tokens_in_response(self, original_tokens: List[str], response_text: str) -> Tuple[bool, List[str], List[str]]:
-        """بررسی اینکه تمام توکن‌های ناشناس در پاسخ محفوظ ماندند"""
-        response_tokens = self._extract_tokens_from_text(response_text)
-        
-        missing_tokens = [t for t in original_tokens if t not in response_tokens]
-        extra_tokens = [t for t in response_tokens if t not in original_tokens]
-        
-        is_valid = len(missing_tokens) == 0 and len(extra_tokens) == 0
-        
-        return is_valid, missing_tokens, extra_tokens
-    
-    def analyze_with_gpt(self, anonymized_text: str, analysis_prompt: str = None, max_retries: int = 2) -> str:
-        """
-        اجرای پرامپت‌های درون متن ناشناس‌سازی شده با ChatGPT
-        
-        🎯 مراحل الگوریتم:
-        1. اعتبارسنجی ورودی‌های اولیه
-        2. استخراج و ثبت توکن‌های ناشناس
-        3. ایجاد پرامپت‌های بهینه‌شده (system + user)
-        4. ارسال درخواست به ChatGPT API
-        5. اعتبارسنجی توکن‌ها در پاسخ
-        6. مدیریت خطاها و retry خودکار
-        """
-        logger.info("🤖 ChatGPT: شروع پردازش...")
-        
-        # ============ مرحله 1: اعتبارسنجی ورودی ============
-        if not self.gpt_key:
-            error_msg = "❌ GPT API Key موجود نیست. متغیر OPENAI_API_KEY را تنظیم کنید."
-            logger.error(error_msg)
-            return error_msg
-        
-        if not anonymized_text or not anonymized_text.strip():
-            error_msg = "❌ متن ناشناس‌سازی شده خالی است"
-            logger.error(error_msg)
-            return error_msg
-        
-        # ============ مرحله 2: استخراج و ثبت توکن‌های اصلی ============
-        original_tokens = self._extract_tokens_from_text(anonymized_text)
-        logger.info(f"🔍 توکن‌های شناسایی شده ({len(original_tokens)}): {original_tokens}")
-        
-        # ============ مرحله 3: ایجاد پرامپت‌های بهینه‌شده ============
-        if not analysis_prompt:
-            analysis_prompt = """لطفاً این متن را تحلیل کنید:
-1. خلاصه اطلاعات مالی
-2. کیان‌های اصلی (با توکن‌های ناشناس شده)
-3. رابطه‌های مهم
-4. داده‌های عددی و درصدها"""
-        
-        # 📋 پرامپت سیستمی بهتر شده - دستورات دقیق
-        system_prompt = """شما دستیار تحلیل متون مالی‌اند که:
-
-📋 قوانین اجباری:
-1. تمام توکن‌های ناشناس (person-01, company-01, amount-01, percent-01) را **دقیقاً** همان‌طور حفظ کنید
-2. توکن‌ها را هرگز تغییر ندهید، تغییر نام ندهید یا حذف نکنید
-3. توکن‌ها را در متن خروجی دقیقاً مثل ورودی استفاده کنید
-
-🎯 دستورات:
-1. متن‌های ناشناس‌سازی شده را با دقت تحلیل کنید
-2. دستورات کاربر را اجرا کنید
-3. فقط نتیجه تحلیل را برگردانید بدون توضیح اضافی
-
-⚠️ مهم: اگر توکنی را حذف یا تغییر دادید، پاسخ نامعتبر است"""
-        
-        # 👤 پیام کاربری بهتر شده
-        user_message = f"""📝 متن ناشناس‌سازی شده:
----
-{anonymized_text}
----
-
-🎯 دستورات تحلیلی:
-{analysis_prompt}
-
-⚠️ هشدار: تمام توکن‌های ناشناس را درست‌نویسی شده حفظ کنید!
-📊 توکن‌های مورد انتظار: {', '.join(original_tokens) if original_tokens else 'بدون توکن'}
-
-📤 خروجی: فقط نتیجه تحلیل (بدون توضیح اضافی)"""
-        
-        logger.info(f"📨 آماده‌سازی درخواست...")
-        logger.debug(f"🎯 System Prompt:\n{system_prompt}\n")
-        logger.debug(f"👤 User Message:\n{user_message}\n")
-        
-        # ============ مرحله 4: ارسال درخواست با Retry ============
-        for attempt in range(max_retries + 1):
-            try:
-                logger.info(f"🔄 تلاش {attempt + 1}/{max_retries + 1}...")
-                
-                response = requests.post(
-                    "https://api.openai.com/v1/chat/completions",
-                    headers={
-                        "Authorization": f"Bearer {self.gpt_key}",
-                        "Content-Type": "application/json",
-                        "User-Agent": "AnonymizerAdvanced/1.0"
-                    },
-                    json={
-                        "model": "gpt-4o-mini",
-                        "messages": [
-                            {
-                                "role": "system",
-                                "content": system_prompt
-                            },
-                            {
-                                "role": "user",
-                                "content": user_message
-                            }
-                        ],
-                        "max_tokens": 4096,
-                        "temperature": 0.3,
-                        "top_p": 0.9,
-                        "frequency_penalty": 0.0,
-                        "presence_penalty": 0.0
-                    },
-                    timeout=90
-                )
-                
-                # ============ مرحله 5: پردازش پاسخ ============
-                if response.status_code == 200:
-                    response_data = response.json()
-                    
-                    if 'choices' not in response_data or not response_data['choices']:
-                        logger.error("❌ پاسخ ChatGPT خالی است")
-                        if attempt < max_retries:
-                            logger.info("🔄 دوباره تلاش می‌کنیم...")
-                            continue
-                        return "❌ پاسخ ChatGPT خالی است"
-                    
-                    gpt_response = response_data['choices'][0]['message']['content'].strip()
-                    
-                    logger.info(f"✅ پاسخ دریافت شد ({len(gpt_response)} کاراکتر)")
-                    logger.debug(f"📤 پاسخ (اولین 500 کاراکتر):\n{gpt_response[:500]}...\n")
-                    
-                    # ============ مرحله 6: اعتبارسنجی توکن‌ها ============
-                    is_valid, missing, extra = self._validate_tokens_in_response(original_tokens, gpt_response)
-                    
-                    if is_valid:
-                        logger.info("✅ تمام توکن‌ها صحیح محفوظ شدند")
-                        return gpt_response
-                    else:
-                        logger.warning(f"⚠️ مشکل در توکن‌ها:")
-                        if missing:
-                            logger.warning(f"   - توکن‌های حذف شده: {missing}")
-                        if extra:
-                            logger.warning(f"   - توکن‌های اضافی: {extra}")
-                        
-                        if attempt < max_retries:
-                            logger.info(f"🔄 دوباره تلاش می‌کنیم...")
-                            continue
-                        else:
-                            logger.error("❌ توکن‌ها در پاسخ مطابقت ندارد")
-                            warning_msg = f"⚠️ هشدار: برخی توکن‌ها درست نشدند\n\n{gpt_response}"
-                            return warning_msg
-                
-                else:
-                    # ============ مدیریت خطاهای HTTP ============
-                    error_data = response.json() if response.content else {}
-                    error_message = error_data.get('error', {}).get('message', response.text)
-                    
-                    logger.error(f"❌ GPT API Error ({response.status_code}): {error_message}")
-                    
-                    # تفاوت‌های خاص برای هر نوع خطا
-                    if response.status_code == 401:
-                        return "❌ خطای احراز هویت: کلید API نامعتبر است"
-                    elif response.status_code == 429:
-                        logger.info("⏳ سهمیه تمام شده، 5 ثانیه صبر...")
-                        import time
-                        if attempt < max_retries:
-                            time.sleep(5)
-                            continue
-                        return "❌ سهمیه API تمام شده است"
-                    elif response.status_code == 500:
-                        logger.info("🔄 خطای سرور OpenAI، دوباره تلاش...")
-                        if attempt < max_retries:
-                            continue
-                        return "❌ خطای سرور OpenAI"
-                    else:
-                        if attempt < max_retries:
-                            logger.info("🔄 دوباره تلاش می‌کنیم...")
-                            continue
-                        return f"❌ خطای ChatGPT ({response.status_code}): {error_message}"
-            
-            except requests.Timeout:
-                logger.error("❌ Timeout: درخواست منقضی شد")
-                if attempt < max_retries:
-                    logger.info("🔄 دوباره تلاش می‌کنیم...")
-                    continue
-                return "❌ Timeout: پاسخ ChatGPT تاخیر بیش‌ازحد دارد"
-            
-            except requests.RequestException as e:
-                logger.error(f"❌ Request Error: {str(e)}")
-                if attempt < max_retries:
-                    logger.info("🔄 دوباره تلاش می‌کنیم...")
-                    continue
-                return f"❌ خطای ارتباط: {str(e)}"
-            
-            except Exception as e:
-                logger.error(f"❌ Exception: {str(e)}", exc_info=True)
-                if attempt < max_retries:
-                    logger.info("🔄 دوباره تلاش می‌کنیم...")
-                    continue
-                return f"❌ خطای غیرمنتظره: {str(e)}"
-        
-        return "❌ ناموفق بعد از تمام تلاش‌ها"
-    
-    def restore_text(self, anonymized_text: str) -> str:
-        """بازگردانی متن اصلی"""
-        logger.info("🔄 بازگردانی...")
-        
-        restored = anonymized_text
-        for placeholder, original in sorted(self.mapping_table.items()):
-            restored = restored.replace(placeholder, original)
-        
-        logger.info("✅ بازگردانی کامل")
-        return restored
-    
-    def get_mapping_table_md(self) -> str:
-        """تبدیل جدول نگاشت به Markdown"""
-        if not self.mapping_table:
-            return "### 📋 جدول 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 = None, method: str = "cerebras"):
-    """پردازش متن - 4 مرحله"""
-    global anonymizer
-    
-    if not input_text.strip():
-        return "", "", "", ""
-    
-    cerebras_key = os.getenv("CEREBRAS_API_KEY")
-    gpt_key = os.getenv("OPENAI_API_KEY")
-    
-    if not anonymizer:
-        anonymizer = AnonymizerAdvanced(cerebras_key, gpt_key)
-    else:
-        anonymizer.mapping_table = {}
-        anonymizer.reverse_mapping = {}
-    
-    try:
-        logger.info("=" * 70)
-        logger.info(f"🚀 شروع پردازش - روش: Cerebras")
-        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")
-        
-        # ============================================
-        # مرحله 2: ChatGPT با متن ناشناس‌سازی شده + دستورات
-        # ============================================
-        logger.info("🤖 مرحله 2: ChatGPT...")
-        gpt_response = anonymizer.analyze_with_gpt(anonymized_text, analysis_prompt)
-        logger.info(f"✅ ChatGPT: {len(gpt_response)} کاراکتر")
-        
-        # ============================================
-        # مرحله 3: بازگردانی پاسخ ChatGPT
-        # ============================================
-        logger.info("🔄 مرحله 3: بازگردانی...")
-        restored_text = anonymizer.restore_text(gpt_response)
-        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, gpt_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 "", "", "", "", "", ""
-
-# Gradio Interface
-css_rtl = """
-.input-box { direction: rtl; text-align: right; }
-.textbox textarea { direction: rtl; text-align: right; font-family: 'Tahoma', serif; }
-"""
-
-with gr.Blocks(title="سیستم ناشناس‌سازی متون", theme=gr.themes.Soft(), css=css_rtl) as app:
-    
-    gr.Markdown("# 🔐 سیستم ناشناس‌سازی متون مالی فارسی", elem_classes="input-box")
-    gr.Markdown("#### استخراج و ناشناس‌سازی موجودیت‌های حساس", elem_classes="input-box")
-    
-    # ============================================
-    # صفحه اول: دکمه‌ها (راست) + ورودی (چپ)
-    # ============================================
-    with gr.Row():
-        # سمت راست: دکمه‌ها و تنظیمات
-        with gr.Column(scale=1):
-            gr.Markdown("### ⚙️ تنظیمات", elem_classes="input-box")
-            
-            method = gr.Radio(
-                ["cerebras"],
-                value="cerebras",
-                label="🔧 روش پردازش",
-                elem_classes="input-box"
-            )
-            
-            gr.Markdown("---")
-            
-            analysis_prompt = gr.Textbox(
-                lines=8,
-                placeholder="دستورات تحلیلی برای ChatGPT...",
-                label="📋 دست��رات تحلیلی",
-                elem_classes="textbox",
-                value="خلاصه سازی\nشناسایی موجودیت‌های ناشناس\nنکات کلیدی"
-            )
-            
-            gr.Markdown("---")
-            
-            with gr.Column():
-                process_btn = gr.Button(
-                    "▶️ پردازش",
-                    variant="primary",
-                    size="lg"
-                )
-                
-                clear_btn = gr.Button(
-                    "🗑️ پاک کردن",
-                    variant="stop",
-                    size="lg"
-                )
-        
-        # سمت چپ: متن ورودی (بزرگ‌تر)
-        with gr.Column(scale=3):
-            input_text = gr.Textbox(
-                lines=14,
-                placeholder="متن مالی/خبری را وارد کنید...",
-                label="📝 متن ورودی",
-                elem_classes="textbox"
-            )
-    
-    # ============================================
-    # صفحه دوم: 3 باکس نتایج (وسط)
-    # ============================================
-    gr.Markdown("---")
-    gr.Markdown("## 📊 نتایج پردازش", elem_classes="input-box")
-    
-    with gr.Row():
-        # باکس 1: متن بازگردانی شده (راست)
-        with gr.Column(scale=1):
-            restored_text = gr.Textbox(
-                lines=12,
-                label="✅ متن بازگردانی شده",
-                interactive=False,
-                elem_classes="textbox"
-            )
-        
-        # باکس 2: تحلیل ChatGPT (وسط)
-        with gr.Column(scale=1):
-            gpt_analysis = gr.Textbox(
-                lines=12,
-                label="🤖 تحلیل ChatGPT",
-                interactive=False,
-                elem_classes="textbox"
-            )
-        
-        # باکس 3: متن ناشناس‌شده (چپ)
-        with gr.Column(scale=1):
-            anonymized_text = gr.Textbox(
-                lines=12,
-                label="🔒 متن ناشناس‌شده",
-                interactive=False,
-                elem_classes="textbox"
-            )
-    
-    # ============================================
-    # پایین: جدول نگاشت
-    # ============================================
-    gr.Markdown("---")
-    
-    mapping_table = gr.Textbox(
-        lines=10,
-        label="📋 جدول نگاشت",
-        interactive=False,
-        elem_classes="textbox"
-    )
-    
-    # ============================================
-    # Event Handlers
-    # ============================================
-    process_btn.click(
-        fn=process,
-        inputs=[input_text, analysis_prompt, method],
-        outputs=[restored_text, gpt_analysis, anonymized_text, mapping_table]
-    )
-    
-    clear_btn.click(
-        fn=clear_all,
-        outputs=[input_text, analysis_prompt, restored_text, gpt_analysis, anonymized_text, mapping_table]
-    )
-
-if __name__ == "__main__":
-    print("=" * 70)
-    print("🚀 سیستم ناشناس‌سازی متون در حال راه‌اندازی...")
-    print("=" * 70)
-    print("\n📋 نحوه استفاده:\n")
-    print("1. CEREBRAS_API_KEY و OPENAI_API_KEY را تنظیم کنید")
-    print("2. http://localhost:7860 را باز کنید")
-    print("3. متن را وارد کنید")
-    print("4. 'پردازش' را کلیک کنید\n")
-    print("روش استفاده شده: Cerebras (Llama 3.3-70B)")
-    print("=" * 70 + "\n")
-    
-    app.launch(
-        server_name="0.0.0.0",
-        server_port=7860,
-        share=False,
-        show_error=True
-    )