Delete app.py

app.py

@@ -1,1718 +0,0 @@
-import gradio as gr
-import re
-import os
-import requests
-import time
-import logging
-from packaging import version
-
-# تنظیم logging
-logging.basicConfig(level=logging.INFO)
-logger = logging.getLogger(__name__)
-
-def auto_setup_models():
-    """راه‌اندازی خودکار مدل‌ها در صورت عدم وجود"""
-    models_dir = "./models"
-    required_models = {
-        'bert-fa-ner': 'HooshvareLab/bert-fa-zwnj-base-ner',
-        'bert-base-NER': 'dslim/bert-base-NER',
-    }
-    
-    missing_models = []
-    for model_name in required_models.keys():
-        model_path = os.path.join(models_dir, model_name)
-        if not os.path.exists(model_path) or not os.listdir(model_path):
-            missing_models.append(model_name)
-    
-    if not missing_models:
-        logger.info("✅ All models are already available")
-        return True
-    
-    logger.info(f"📥 Auto-downloading missing models: {missing_models}")
-    
-    try:
-        from transformers import AutoTokenizer, AutoModelForTokenClassification
-        os.makedirs(models_dir, exist_ok=True)
-        
-        for model_name in missing_models:
-            hf_repo = required_models[model_name]
-            model_path = os.path.join(models_dir, model_name)
-            logger.info(f"📥 Downloading {model_name} from {hf_repo}...")
-            try:
-                tokenizer = AutoTokenizer.from_pretrained(hf_repo)
-                model = AutoModelForTokenClassification.from_pretrained(hf_repo)
-                tokenizer.save_pretrained(model_path)
-                model.save_pretrained(model_path)
-                logger.info(f"✅ {model_name} downloaded successfully")
-                del tokenizer, model
-            except Exception as e:
-                logger.error(f"❌ Failed to download {model_name}: {e}")
-                if os.path.exists(model_path):
-                    import shutil
-                    shutil.rmtree(model_path)
-        
-        logger.info("🎉 Auto-setup completed!")
-        return True
-        
-    except ImportError:
-        logger.error("❌ transformers library not available for auto-download")
-        return False
-    except Exception as e:
-        logger.error(f"❌ Auto-setup failed: {e}")
-        return False
-
-# اجرای auto-setup در startup
-try:
-    auto_setup_models()
-except Exception as e:
-    logger.warning(f"⚠️ Auto-setup encountered an issue: {e}")
-    logger.info("ℹ️ Continuing with manual setup...")
-
-class ComprehensiveBilingualDataAnonymizer:
-    def __init__(self):
-        self.mapping_table = {}
-        # counters به‌روزرسانی شده با تمام دسته‌های جامع (27 دسته)
-        self.counters = {
-            # اطلاعات شخصی و هویتی
-            'PERSON': 0, 'MIXED_NAMES': 0, 'ID_NUMBER': 0, 'ENGLISH_TITLES': 0,
-            
-            # اطلاعات مالی
-            'AMOUNT': 0, 'INTERNATIONAL_CURRENCIES': 0, 'ACCOUNT': 0, 
-            'FINANCIAL_TERMS': 0, 'STOCK_SYMBOL': 0,
-            
-            # اطلاعات زمانی
-            'DATE': 0, 'ADVANCED_DATE_FORMATS': 0, 'TIME_RANGES': 0,
-            
-            # اطلاعات مکانی
-            'LOCATION': 0, 'COMPLEX_ADDRESSES': 0,
-            
-            # اطلاعات فنی و تکنولوژیکی
-            'TECHNICAL_CODES': 0, 'NETWORK_ADDRESSES': 0, 'TECHNICAL_UNITS': 0,
-            'ACRONYMS_ABBREVIATIONS': 0,
-            
-            # اطلاعات کسب‌وکار
-            'COMPANY': 0, 'BUSINESS_TERMS': 0, 'PRODUCT': 0, 'PETROCHEMICAL': 0,
-            
-            # اطلاعات کمیت و واحد
-            'PERCENTAGE': 0, 'VOLUME': 0, 'RATIOS': 0,
-            
-            # اطلاعات ارتباطی
-            'PHONE': 0, 'EMAIL': 0
-        }
-        
-        self.api_key = os.getenv("OPENAI_API_KEY", "")
-        self.models_base_path = "./models"
-        self.models_loaded = False
-        self.model_status = {}
-        self.load_local_ner_models()
-    
-    def ensure_models_directory(self):
-        if not os.path.exists(self.models_base_path):
-            try:
-                os.makedirs(self.models_base_path, exist_ok=True)
-                logger.info(f"📁 Created models directory: {self.models_base_path}")
-            except Exception as e:
-                logger.error(f"❌ Failed to create models directory: {e}")
-                return False
-        return True
-    
-    def download_model_if_missing(self, local_name, hf_repo):
-        model_path = os.path.join(self.models_base_path, local_name)
-        if os.path.exists(model_path) and os.listdir(model_path):
-            return True, f"Model {local_name} already exists"
-        try:
-            logger.info(f"📥 Auto-downloading {local_name} from {hf_repo}...")
-            from transformers import AutoTokenizer, AutoModelForTokenClassification
-            tokenizer = AutoTokenizer.from_pretrained(hf_repo)
-            model = AutoModelForTokenClassification.from_pretrained(hf_repo)
-            tokenizer.save_pretrained(model_path)
-            model.save_pretrained(model_path)
-            logger.info(f"✅ {local_name} auto-downloaded successfully")
-            return True, f"Downloaded {local_name}"
-        except Exception as e:
-            logger.error(f"❌ Auto-download failed for {local_name}: {e}")
-            return False, str(e)
-    
-    def _load_pipeline(self, task, model_path, tokenizer_path=None):
-        """لود مدل با مدیریت صحیح پارامترهای ورژن مختلف transformers"""
-        try:
-            from transformers import pipeline, AutoTokenizer, AutoModelForTokenClassification, __version__ as tr_version
-            
-            # بررسی پشتیبانی از aggregation_strategy
-            supports_agg = version.parse(tr_version) >= version.parse("4.11.0")
-            
-            # لود توکنایزر و مدل به صورت جداگانه
-            if tokenizer_path:
-                tokenizer = AutoTokenizer.from_pretrained(tokenizer_path, local_files_only=True)
-            else:
-                tokenizer = AutoTokenizer.from_pretrained(model_path, local_files_only=True)
-            
-            model = AutoModelForTokenClassification.from_pretrained(model_path, local_files_only=True)
-            
-            # ایجاد pipeline با پارامترهای مناسب
-            pipeline_kwargs = {
-                "model": model,
-                "tokenizer": tokenizer,
-                "device": -1  # استفاده از CPU
-            }
-            
-            # اضافه کردن aggregation_strategy اگر پشتیبانی می‌شود
-            if supports_agg:
-                pipeline_kwargs["aggregation_strategy"] = "simple"
-            
-            return pipeline(task, **pipeline_kwargs)
-            
-        except Exception as e:
-            logger.error(f"❌ Failed to load pipeline for {model_path}: {e}")
-            return None
-
-    def load_local_ner_models(self):
-        logger.info("📄 Loading local NER models with auto-download...")
-        if not self.ensure_models_directory():
-            self.models_loaded = False
-            self.model_status['directory'] = "❌ Cannot create models directory"
-            return
-        
-        try:
-            try:
-                import torch
-                from transformers import AutoTokenizer, AutoModelForTokenClassification
-                transformers_available = True
-                logger.info("✅ Transformers library available")
-            except ImportError as e:
-                transformers_available = False
-                self.model_status['transformers'] = f"❌ Transformers library not installed: {str(e)}"
-                self.models_loaded = False
-                return
-            
-            # Persian model
-            persian_model_path = os.path.join(self.models_base_path, "bert-fa-ner")
-            self.download_model_if_missing("bert-fa-ner", "HooshvareLab/bert-fa-zwnj-base-ner")
-            if os.path.exists(persian_model_path) and os.listdir(persian_model_path):
-                try:
-                    self.persian_ner = self._load_pipeline("ner", persian_model_path)
-                    if self.persian_ner:
-                        self.model_status['persian'] = f"✅ Local Persian NER: {persian_model_path}"
-                    else:
-                        self.model_status['persian'] = f"❌ Failed to load Persian model: {persian_model_path}"
-                except Exception as e:
-                    self.persian_ner = None
-                    self.model_status['persian'] = f"❌ Persian model loading error: {str(e)[:100]}"
-            else:
-                self.persian_ner = None
-                self.model_status['persian'] = f"❌ Persian model not found: {persian_model_path}"
-            
-            # English model
-            english_model_path = os.path.join(self.models_base_path, "bert-base-NER")
-            self.download_model_if_missing("bert-base-NER", "dslim/bert-base-NER")
-            if os.path.exists(english_model_path) and os.listdir(english_model_path):
-                try:
-                    self.english_ner = self._load_pipeline("ner", english_model_path)
-                    if self.english_ner:
-                        self.model_status['english'] = f"✅ Local English NER: {english_model_path}"
-                    else:
-                        self.model_status['english'] = f"❌ Failed to load English model: {english_model_path}"
-                except Exception as e:
-                    self.english_ner = None
-                    self.model_status['english'] = f"❌ English model loading error: {str(e)[:100]}"
-            else:
-                self.english_ner = None
-                self.model_status['english'] = f"❌ English model not found: {english_model_path}"
-            
-            loaded_models = sum(1 for status in self.model_status.values() if status.startswith("✅"))
-            self.models_loaded = loaded_models > 0
-            if loaded_models == 0:
-                self.model_status['fallback'] = "⚠️ Using regex-only mode (no local models found)"
-                
-        except Exception as e:
-            self.models_loaded = False
-            self.model_status['critical'] = f"❌ Critical error: {str(e)[:100]}..."
-
-    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 extract_entities_with_ner(self, text, lang='fa'):
-        """استخراج entities با مدل‌های NER محلی"""
-        entities = []
-        
-        if not self.models_loaded:
-            logger.info("ℹ️ Local NER models not available - using regex only")
-            return entities
-        
-        try:
-            # مدل فارسی محلی
-            if lang in ['fa', 'mixed'] and hasattr(self, 'persian_ner') and self.persian_ner:
-                try:
-                    persian_results = self.persian_ner(text)
-                    for entity in persian_results:
-                        # بررسی فرمت خروجی بر اساس ورژن transformers
-                        if isinstance(entity, dict):
-                            if 'entity_group' in entity:
-                                # ورژن جدید با aggregation_strategy
-                                entities.append({
-                                    'text': entity['word'].strip(),
-                                    'label': entity['entity_group'],
-                                    'start': entity['start'],
-                                    'end': entity['end'],
-                                    'confidence': entity['score'],
-                                    'source': 'local_persian_ner'
-                                })
-                            else:
-                                # ورژن قدیمی
-                                entities.append({
-                                    'text': entity['word'].strip(),
-                                    'label': entity['entity'],
-                                    'start': entity['start'],
-                                    'end': entity['end'],
-                                    'confidence': entity['score'],
-                                    'source': 'local_persian_ner'
-                                })
-                    logger.info(f"Local Persian NER found {len(persian_results)} entities")
-                except Exception as e:
-                    logger.error(f"Local Persian NER extraction error: {e}")
-            
-            # مدل انگلیسی محلی
-            if lang in ['en', 'mixed'] and hasattr(self, 'english_ner') and self.english_ner:
-                try:
-                    english_results = self.english_ner(text)
-                    for entity in english_results:
-                        # بررسی فرمت خروجی بر اساس ورژن transformers
-                        if isinstance(entity, dict):
-                            if 'entity_group' in entity:
-                                # ورژن جدید با aggregation_strategy
-                                entities.append({
-                                    'text': entity['word'].strip(),
-                                    'label': entity['entity_group'],
-                                    'start': entity['start'],
-                                    'end': entity['end'],
-                                    'confidence': entity['score'],
-                                    'source': 'local_english_ner'
-                                })
-                            else:
-                                # ورژن قدیمی
-                                entities.append({
-                                    'text': entity['word'].strip(),
-                                    'label': entity['entity'],
-                                    'start': entity['start'],
-                                    'end': entity['end'],
-                                    'confidence': entity['score'],
-                                    'source': 'local_english_ner'
-                                })
-                    logger.info(f"Local English NER found {len(english_results)} entities")
-                except Exception as e:
-                    logger.error(f"Local English NER extraction error: {e}")
-                    
-        except Exception as e:
-            logger.error(f"Local NER extraction general error: {e}")
-        
-        # حذف تکراری‌ها
-        unique_entities = []
-        seen = set()
-        for entity in entities:
-            key = (entity['text'].lower(), entity['start'], entity['end'])
-            if key not in seen:
-                seen.add(key)
-                unique_entities.append(entity)
-        
-        logger.info(f"Total unique entities found by local models: {len(unique_entities)}")
-        return unique_entities
-
-    def map_ner_to_categories(self, ner_label, source=''):
-        """نگاشت برچسب‌های NER به دسته‌های سیستم"""
-        mapping = {
-            'PER': 'PERSON', 'PERSON': 'PERSON',
-            'ORG': 'COMPANY', 'ORGANIZATION': 'COMPANY',
-            'LOC': 'LOCATION', 'LOCATION': 'LOCATION',
-            'MISC': 'BUSINESS_TERMS', 'MISCELLANEOUS': 'BUSINESS_TERMS',
-            'B-PER': 'PERSON', 'I-PER': 'PERSON',
-            'B-ORG': 'COMPANY', 'I-ORG': 'COMPANY',
-            'B-LOC': 'LOCATION', 'I-LOC': 'LOCATION',
-            'B-MISC': 'BUSINESS_TERMS', 'I-MISC': 'BUSINESS_TERMS',
-            'MONEY': 'AMOUNT', 'PERCENT': 'PERCENTAGE',
-            'DATE': 'DATE', 'TIME': 'DATE'
-        }
-        return mapping.get(ner_label.upper(), 'BUSINESS_TERMS')
-
-    def get_comprehensive_patterns(self):
-        """الگوهای جامع ناشناس‌سازی بر اساس 221 الگوی دسته‌بندی شده"""
-        return {
-            # =============================================================================
-            # 1. اطلاعات شخصی و هویتی (PERSONAL & IDENTITY INFORMATION) - 30 الگو
-            # =============================================================================
-            
-            'PERSON': [
-                # نام‌ها با عناوین فارسی
-                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]+)*)',
-                # نام‌ها با سمت
-                r'([آ-یa-zA-Z]+\s+[آ-یa-zA-Z]+)(?:،\s+مدیرعامل|\s+مدیرعامل|\s+رئیس)',
-                r'مدیرعامل(?=\s|$|،|\.)',
-                r'سرپرست(?=\s+و|\s|$|،|\.)',
-                r'رئیس\s+هیأت‌مدیره',
-                # ضمایر اشاره‌ای
-                r'وی(?=\s+ادامه|\s+اظهار|\s+گفت|\s+اعلام|\s+همچنین)',
-                # عناوین انگلیسی
-                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]+)*)',
-                # نام‌های کامل
-                r'([آ-یa-zA-Z]{3,}\s+[آ-یa-zA-Z]{3,})(?=\s+گفت|\s+اظهار|\s+اعلام)'
-            ],
-            
-            'MIXED_NAMES': [
-                # نام‌های فارسی-انگلیسی
-                r'([آ-ی]+[a-zA-Z\s]+[آ-ی]+)',
-                r'Dr\.\s+([آ-یa-zA-Z\s‌]+)',
-                # نام‌های کامل بدون عنوان
-                r'([آ-یa-zA-Z]{2,}\s+[آ-یa-zA-Z]{2,})',
-                # نام‌های انگلیسی با خط تیره
-                r'([A-Z][a-z]+-[A-Z][a-z]+)',
-                r"([A-Z]'[A-Z][a-z]+)",
-                # نام‌های رومن
-                r'([A-Z][a-z]+\s+[A-Z][a-z]+\s+[IVX]+)',
-                # نام‌های ترکیبی با سمت
-                r'([a-z\s]+)\s+([آ-ی\s]+)',
-                # نام‌های تجاری
-                r'([A-Z][a-z]+\s+[A-Z][a-z]+)\s*\(([A-Z][a-z]+\s+[A-Z][a-z]+)\)'
-            ],
-            
-            'ID_NUMBER': [
-                # شماره شبا ایرانی
-                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}',
-                # کد ملی
-                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}',
-                # پاسپورت
-                r'(?:پاسپورت[\s:]*)?[A-Z][0-9]{8}',
-                r'(?:Passport[\s:]*)?[A-Z][0-9]{8}',
-                # کارت‌های بانکی
-                r'(?:کارت[\s:]*)?(?:[۰-۹0-9]{4}[-\s]?){3}[۰-۹0-9]{4}',
-                r'(?:Card[\s:]*)?(?:[0-9]{4}[-\s]?){3}[0-9]{4}',
-                # شماره‌های SSN و FICO
-                r'SSN[\s:]*[0-9]{3}-[0-9]{2}-[0-9]{4}',
-                r'FICO[\s]*(?:score[\s:]*)?[0-9]{3}',
-                # شماره‌های اداری
-                r'EIN[\s:]*[0-9]{2}-[0-9]{7}',
-                r'Meeting[\s]*ID[\s:]*[0-9]{9,11}'
-            ],
-            
-            'ENGLISH_TITLES': [
-                # عناوین تجاری
-                r'business\s+partner',
-                r'team\s+lead',
-                r'head\s+of\s+production',
-                # عناوین مهندسی
-                r'senior\s+architect',
-                r'civil\s+engineer',
-                r'quantity\s+surveyor',
-                r'system\s+administrator',
-                r'network\s+engineer',
-                # عناوین مشاوره‌ای
-                r'environmental\s+consultant',
-                r'HSE\s+coordinator',
-                # عناوین مالی
-                r'senior\s+loan\s+officer',
-                r'investment\s+advisor',
-                r'Chief\s+Financial\s+Officer',
-                # عناوین مدیریتی
-                r'facility\s+manager',
-                r'quality\s+control\s+manager',
-                r'maintenance\s+window',
-                r'project\s+team',
-                r'technical\s+support',
-                # فرآیندهای کاری
-                r'supervision',
-                r'troubleshooting',
-                r'monitoring',
-                r'compliance\s+certificate'
-            ],
-            
-            # =============================================================================
-            # 2. اطلاعات مالی (FINANCIAL INFORMATION) - 37 الگو
-            # =============================================================================
-            
-            'AMOUNT': [
-                # مبالغ فارسی
-                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'از\s+\d+(?:,\d{3})*\s*(?:میلیون|میلیارد|هزار)\s*تومان',
-                r'برابر\s+با\s+\d+(?:,\d{3})*\s*(?:میلیون|میلیارد|هزار)\s*تومان',
-                r'\d+(?:میلیارد|میلیون)\s*تومان(?=\s+رسیده|\s+ثبت|\s+بوده|،)',
-                # مبالغ دلار
-                r'\$\d+(?:,\d{3})*(?:\.\d+)?\s*(?:million|billion|thousand|M|B|K)?',
-                r'\d+(?:,\d{3})*\s*ریال',
-                # یورو
-                r'€\d+(?:,\d{3})*(?:\.\d+)?',
-                # درهم
-                r'\d+(?:,\d{3})*\s*AED',
-                # فرمت‌های K/M
-                r'\$\d+(?:\.\d+)?[KMB]',
-                r'€\d+(?:\.\d+)?[KM]'
-            ],
-            
-            'INTERNATIONAL_CURRENCIES': [
-                # یورو با فرمت‌های مختلف
-                r'\d+(?:,\d{3})*\s+euro',
-                r'€\d+(?:\.\d+)?M',
-                r'\d+\s+EUR',
-                # درهم امارات
-                r'\d+(?:,\d{3})*\s+AED',
-                r'\d+(?:\.\d+)?M\s+AED',
-                # دلار با فرمت K/M
-                r'\$\d+(?:\.\d+)?M',
-                r'\$\d+(?:\.\d+)?K',
-                # پوند انگلیس
-                r'£\d+(?:,\d{3})*(?:\.\d+)?',
-                r'\d+\s+GBP',
-                # فرانک سوئیس
-                r'\d+\s+CHF',
-                # ین ژاپن
-                r'¥\d+(?:,\d{3})*',
-                r'\d+\s+JPY'
-            ],
-            
-            'ACCOUNT': [
-                # حساب‌های بانکی فارسی
-                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}',
-                # حساب‌های انگلیسی
-                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}',
-                # واریز و سود
-                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': [
-                # اصطلاحات فروش
-                r'فروش\s+(?:ماهانه|تجمیعی|صادراتی)',
-                r'درآمد\s+شرکت',
-                r'سود\s+(?:خالص|نقدی)',
-                r'صورت‌های\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'د��آمدهای\s+عملیاتی'
-            ],
-            
-            'STOCK_SYMBOL': [
-                # نمادهای بورس ایران
-                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+$|\s+توان)',
-                # نمادهای بین‌المللی
-                r'(AAPL|GOOGL|MSFT|AMZN|TSLA|META|NVDA|SABIC)(?=\s|$|,|\.)'
-            ],
-            
-            # =============================================================================
-            # 3. اطلاعات زمانی (TEMPORAL INFORMATION) - 30 الگو
-            # =============================================================================
-            
-            'DATE': [
-                # تاریخ‌های فارسی
-                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})',
-                # ماه‌های فارسی
-                r'(?:فروردین|اردیبهشت|خرداد|تیر|مرداد|شهریور|مهر|آبان|آذر|دی|بهمن|اسفند)\s+[۰-۹0-9]{4}',
-                # تاریخ‌های انگلیسی
-                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}',
-                # بازه‌های زمانی
-                r'سال\s+گذشته',
-                r'سال\s+جاری',
-                r'این\s+سال',
-                r'ماه\s+قبل',
-                r'ماه\s+اخیر',
-                r'دومین\s+ماه\s+سال',
-                r'ابتدای\s+سال\s+جاری',
-                r'مدت\s+مشابه\s+سال\s+گذشته',
-                r'چند\s+ماهه\s+اخیر',
-                # سال‌های مستقل
-                r'(?:13[0-9]{2}|14[0-9]{2}|20[0-9]{2}|19[0-9]{2})(?=\s|$|،|\.)'
-            ],
-            
-            'ADVANCED_DATE_FORMATS': [
-                # تاریخ انگلیسی
-                r'(?:March|April|May|June|July|August|September|October|November|December)\s+\d{1,2}(?:st|nd|rd|th),?\s+\d{4}',
-                r'(?:January|February)\s+\d{1,2}(?:st|nd|rd|th),?\s+\d{4}',
-                # timestamp
-                r'\d{4}-\d{2}-\d{2}T\d{2}:\d{2}:\d{2}(?:\.\d{3})?Z',
-                # timezone
-                r'(?:PST|EST|GMT|UTC)(?:[+-]\d{1,2}:\d{2})?',
-                r'Eastern\s+Time',
-                r'GMT[+-]\d{1,2}:\d{2}',
-                # تاریخ با ساعت
-                r'\d{1,2}(?:st|nd|rd|th)\s+of\s+(?:January|February|March|April|May|June|July|August|September|October|November|December)\s+\d{4}',
-                # بازه تاریخ
-                r'ending\s+(?:December|January|February|March|April|May|June|July|August|September|October|November)\s+\d{1,2}(?:st|nd|rd|th)',
-                # fiscal year
-                r'end\s+of\s+fiscal\s+year\s+\d{4}/\d{2}/\d{2}',
-                # due date
-                r'\d{1,2}\s+(?:روز|days?)\s+(?:کاری|business)\s+پس\s+از\s+(?:delivery|تحویل)',
-                # فرمت COB
-                r'COB\s+(?:Monday|Tuesday|Wednesday|Thursday|Friday|Saturday|Sunday)'
-            ],
-            
-            'TIME_RANGES': [
-                # shift time
-                r'\d{2}:\d{2}-\d{2}:\d{2}',
-                r'\d{2}:\d{2}\s+تا\s+\d{2}:\d{2}',
-                # maintenance window
-                r'(?:Saturday|Sunday|Monday|Tuesday|Wednesday|Thursday|Friday)\s+night\s+\d{1,2}:\d{2}\s+(?:AM|PM)\s+to\s+\d{1,2}:\d{2}\s+(?:AM|PM)',
-                # meeting time
-                r'\d{1,2}:\d{2}\s+(?:AM|PM)\s+(?:PST|EST|GMT|UTC)',
-                r'\d{1,2}:\d{2}\s+(?:AM|PM)\s+Eastern\s+Time',
-                # timestamp
-                r'\d{2}:\d{2}:\d{2}\s+(?:AM|PM)',
-                # business hours
-                r'COB\s*\(Close\s+of\s+Business\)',
-                # due periods
-                r'\d{1,3}\s+(?:business\s+days|روز\s+کاری)',
-                r'warranty\s+period\s+(?:دو\s+سال|\d+\s+(?:years?|سال))'
-            ],
-            
-            # =============================================================================
-            # 4. اطلاعات مکانی (LOCATION INFORMATION) - 14 الگو
-            # =============================================================================
-            
-            'LOCATION': [
-                # شهرهای ایران
-                r'(تهران|اصفهان|ماهشهر|عسلویه|بندرعباس|اهواز|شیراز|مشهد|تبریز|کرج|قم|رشت|کرمان|یزد|زاهدان|بوشهر|خرمشهر|آبادان|اراک|قزوین)',
-                # استان‌ها
-                r'استان\s+([آ-ی\s]+)',
-                r'شهر\s+([آ-ی\s]+)',
-                # کشورها
-                r'(ایران|عراق|کویت|عربستان|امارات|قطر|عمان|بحرین|ترکیه|پاکستان|افغانستان|آذربایجان|ارمنستان|گرجستان)',
-                # داخلی/خارجی
-                r'داخلی|بازار\s+داخلی',
-                r'خارجی|بازارهای\s+خارجی',
-                # شهرهای بین‌المللی
-                r'(London|Paris|Tokyo|New\s+York|Dubai|Singapore|Hong\s+Kong|Shanghai|Mumbai|Frankfurt|Amsterdam)'
-            ],
-            
-            'COMPLEX_ADDRESSES': [
-                # آدرس با کیلومتر
-                r'کیلومتر\s+\d+\s+جاده\s+[آ-ی\s]+-[آ-ی\s]+',
-                # آدرس با مرجع
-                r'روبروی\s+(?:پمپ\s+بنزین|بانک|پارک|مسجد|بیمارستان)\s+[آ-یa-zA-Z\s]+',
-                # آدرس ساختمان
-                r'Building-[A-Z],?\s+Floor-\d+,?\s+Unit-[A-Z0-9]+',
-                # آدرس rack
-                r'rack\s+number\s+R-\d+,?\s+slot\s+\d+',
-                # آدرس plot
-                r'phase\s+\d+\s+development,?\s+block\s+[A-Z],?\s+plot\s+\d+-[A-Z]',
-                # آدرس آمریکایی
-                r'\d{2,5}\s+[A-Z][a-z]+\s+(?:Street|Avenue|Boulevard|Road|Drive),?\s+Floor\s+\d+,?\s+Building\s+[A-Z]',
-                # industrial estate
-                r'شهرک\s+صنعتی\s+[آ-ی\s]+،?\s+محور\s+[آ-ی\s]+',
-                # data center
-                r'[آ-ی\s]+-پارک\s+فناوری\s+[آ-ی\s]+'
-            ],
-            
-            # =============================================================================
-            # 5. اطلاعات فنی و تکنولوژیکی (TECHNICAL & TECHNOLOGICAL) - 32 الگو
-            # =============================================================================
-            
-            'TECHNICAL_CODES': [
-                # کدهای سریال
-                r'SN-\d{4}-[A-Z]{3}-\d{4}',
-                r'Serial\s+Number[\s:]*[A-Z0-9-]+',
-                # کدهای مرجع
-                r'REF-[A-Z]{3}-\d{4}-\d{3}',
-                r'DOC-[A-Z]{2}-\d{4}-\d{4}',
-                # کدهای پروژه
-                r'INF-\d{4}-\d{4}',
-                r'CTR/\d{4}/\d{3}',
-                # شناسه‌های فنی
-                r'HVAC-\d{7}',
-                r'Generator-Model-[A-Z0-9]+',
-                # کدهای LOI/BOQ
-                r'LOI-\d{4}-[A-Z]{4}-\d{3}',
-                r'BOQ-\d{4}-[A-Z]{3}-\d{3}',
-                # شماره‌های invoice
-                r'#INV-\d{4}-Q\d-\d{4}',
-                # کدهای ESC
-                r'ESC-\d{4}-[A-Z]{3}-\d{3}',
-                # کدهای batch
-                r'BN-\d{6}-[A-Z]\d+'
-            ],
-            
-            'NETWORK_ADDRESSES': [
-                # آدرس IP
-                r'\b(?:\d{1,3}\.){3}\d{1,3}\b',
-                r'xxx\.xxx\.xxx\.xxx',
-                # آدرس MAC
-                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}',
-                # hostname
-                r'srv-[a-z]+-[a-z]+-\d{2}',
-                r'[a-z]+-[a-z]+\d*\.[a-z]+\.[a-z]+',
-                # domain names
-                r'[a-zA-Z0-9-]+\.[a-zA-Z]{2,4}(?:\.[a-zA-Z]{2,4})?'
-            ],
-            
-            'TECHNICAL_UNITS': [
-                # واحدهای برق
-                r'\d+(?:\.\d+)?\s*MW',
-                r'\d+(?:\.\d+)?\s*kWh?',
-                # واحدهای حجم
-                r'\d+(?:,\d{3})*\s*cubic\s+meters',
-                r'\d+(?:,\d{3})*\s*m³',
-                r'\d+(?:,\d{3})*\s*sq\s+ft',
-                # واحدهای آلودگی
-                r'\d+(?:\.\d+)?\s*ppm',
-                r'\d+(?:\.\d+)?\s*mg/m³',
-                r'\b(?:CO2|NOx|SO2)\b',
-                # واحدهای دیجیتال
-                r'\d+(?:\.\d+)?\s*TB',
-                r'\d+(?:\.\d+)?\s*GB',
-                # واحدهای مساحت
-                r'\d+(?:,\d{3})*\s*square\s+meters',
-                r'\d+(?:\.\d+)?\s*per\s+sq\s+ft\s+NNN',
-                # efficiency rate
-                r'\d+(?:\.\d+)?\%\s*efficiency',
-                r'score:\s*\d+(?:\.\d+)?/10',
-                # FICO score
-                r'FICO\s+score:\s*\d{3}',
-                # واحدهای فشار
-                r'\d+(?:\.\d+)?\s*(?:bar|psi)',
-                # واحدهای دما
-                r'\d+(?:\.\d+)?\s*°[CF]',
-                # واحدهای سرعت
-                r'\d+(?:\.\d+)?\s*(?:rpm|m/s)'
-            ],
-            
-            'ACRONYMS_ABBREVIATIONS': [
-                # فنی
-                r'\b(?:HVAC|IT|HSE|BOQ|LC|COB)\b',
-                # مالی
-                r'\b(?:YTD|NNN|EIN|SSN|FICO)\b',
-                # تکنولوژی
-                r'\bIP\s+Address\b',
-                r'\bMAC\s+Address\b',
-                r'\bURL\b',
-                # کسب‌وکار
-                r'\b(?:LLC|Corp|Inc|Ltd)\b',
-                # تاریخ
-                r'\b(?:PST|GMT|UTC|EST)\b',
-                # علمی
-                r'\b(?:CO2|NOx|pH|UV)\b',
-                # مهندسی
-                r'\b(?:SCADA|PLC|HMI)\b',
-                # اقتصادی
-                r'\b(?:GDP|CPI|ROI|NPV)\b',
-                # حمل‌ونقل
-                r'\b(?:FOB|CIF|DDP)\b',
-                # بانکی
-                r'\b(?:ABA|SWIFT|IBAN)\b'
-            ],
-            
-            # =============================================================================
-            # 6. اطلاعات کسب‌وکار (BUSINESS INFORMATION) - 39 الگو
-            # =============================================================================
-            
-            'COMPANY': [
-                # شرکت‌های فارسی
-                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|$|،|\.)',
-                # بانک‌ها
-                r'(بانک\s+[آ-یa-zA-Z\s]+)',
-                # شرکت‌های بین‌المللی
-                r'([A-Z][a-zA-Z\s]+(?:Inc|Corp|Corporation|Company|Ltd|Limited|LLC))'
-            ],
-            
-            'BUSINESS_TERMS': [
-                # تحلیل و گزارش
-                r'تحلیل\s+عملکرد',
-                r'گزارش\s+(?:فعالیت|عملکرد)\s+ماهانه',
-                r'وضعیت\s+فروش',
-                # تولید و بازار
-                r'تولید\s+پایدار',
-                r'سهم\s+بازار',
-                r'صادرات\s+هدفمند',
-                r'بهره‌وری',
-                r'ظرفیت‌های\s+داخلی',
-                # صنعت و رقابت
-                r'شرکت‌های\s+پیشرو',
-                r'صنعت\s+پتروشیمی',
-                r'سرمایه‌گذاران\s+بنیادی',
-                # شاخص‌ها و برنامه‌ریزی
-                r'شاخص‌های\s+عملیاتی',
-                r'برنامه‌ریزی\s+مناسب',
-                # فروش و انبار
-                r'واحد\s+فروش',
-                r'موجودی\s+انبار',
-                # رشد و توسعه
-                r'فاز\s+رشد\s+جدید',
-                r'ترکیب\s+فروش',
-                r'سهم\s+صادراتی',
-                # عملکرد و داده‌ها
-                r'روند\s+عملکرد',
-                r'اعداد\s+اعلام‌شده',
-                r'داده‌های\s+ثبت‌شده'
-            ],
-            
-            'PRODUCT': [
-                # محصولات پتروشیمی
-                r'\b(?:VCM|PVC|PE|PP|PS|ABS|SAN|PC|PMMA|PET|PBT|PA|POM|TPU)\b',
-                # پلیمرها
-                r'پلی\s*(?:اتیلن|پروپیلن|استایرن|کربنات|متیل)',
-                # مواد شیمیایی
-                r'\b(?:اتیلن|پروپیلن|بنزن|تولوئن|زایلن|متانول|اتانول|استون|فنول)\b',
-                # گازها
-                r'\b(?:کلر|هیدروژن|اکسیژن|نیتروژن|آمونیاک|اتان|پروپان|بوتان)\b',
-                # محصولات عمومی
-                r'محصول(?:ات)?',
-                r'تولیدات\s+شرکت'
-            ],
-            
-            'PETROCHEMICAL': [
-                # نام‌های اختصاری پتروشیمی‌ها
-                r'\b(?:LDPE|HDPE|LLDPE|PP|PS|EPS|ABS|SAN|PC|PMMA|PET|PBT|PA6|PA66|POM|TPU|EVA|EAA)\b',
-                # ترکیبات شیمیایی پیچیده
-                r'(?:Ethylene\s+Vinyl\s+Acetate|Ethyl\s+Acrylate|Methyl\s+Methacrylate|Polyethylene\s+Terephthalate)'
-            ],
-            
-            # =============================================================================
-            # 7. اطلاعات کمیت و واحد (QUANTITY & UNIT INFORMATION) - 26 الگو
-            # =============================================================================
-            
-            'PERCENTAGE': [
-                # درصدهای فارسی
-                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)',
-                # عبارات کیفی
-                r'میزان\s+رشد(?=\s+نسبت|\s+معادل)',
-                r'افزایش\s+قابل‌توجهی',
-                r'بهبود\s+نسبی',
-                # درصدهای انگلیسی
-                r'\d+(?:\.\d+)?\%\s*(?:increase|decrease|growth|improvement)',
-                r'(?:approximately|about)\s+\d+(?:\.\d+)?\%'
-            ],
-            
-            'VOLUME': [
-                # حجم‌های فارسی
-                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)',
-                # واحدهای انگلیسی
-                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': [
-                # نسبت‌ها
-                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'
-            ],
-            
-            # =============================================================================
-            # 8. اطلاعات ارتباطی (COMMUNICATION INFORMATION) - 5 الگو
-            # =============================================================================
-            
-            'PHONE': [
-                # شماره‌های فارسی
-                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}',
-                # شماره‌های بین‌المللی
-                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': [
-                # ایمیل‌های استاندارد
-                r'[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}',
-                # ایمیل‌های با کلمات کلیدی فارسی
-                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,}',
-                # ایمیل‌های کاری خاص
-                r'facility\.manager@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}'
-            ]
-        }
-
-    def anonymize_text(self, original_text, lang='fa'):
-        """گام 1: ناشناس‌سازی متن با الگوهای جامع"""
-        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}")
-            
-            # مرحله 1: استخراج با Local NER
-            if self.models_loaded:
-                logger.info("🤖 Running comprehensive local NER extraction...")
-                ner_entities = self.extract_entities_with_ner(original_text, detected_lang)
-                
-                for entity in ner_entities:
-                    if (entity['text'] not in found_entities and 
-                        len(entity['text'].strip()) > 1 and 
-                        entity['confidence'] > 0.5):
-                        
-                        category = self.map_ner_to_categories(entity['label'], entity['source'])
-                        
-                        if entity['text'] not in self.mapping_table:
-                            self.counters[category] += 1
-                            code = f"{category}_{self.counters[category]:03d}_LOCAL_NER"
-                            self.mapping_table[entity['text']] = code
-                            found_entities.add(entity['text'])
-                            logger.info(f"Local NER: {entity['text']} -> {code}")
-            else:
-                logger.info("ℹ️ Using comprehensive regex-only mode")
-            
-            # مرحله 2: الگوهای Regex جامع - 221 الگو
-            patterns = self.get_comprehensive_patterns()
-            
-            # پردازش patterns با اولویت‌بندی - از خاص به عام
-            logger.info("🔍 Running comprehensive priority-based regex extraction...")
-            
-            # پردازش به ترتیب اولویت برای جلوگیری از تداخل
-            processed_entities = set()  # برای جلوگیری از تکرار
-            
-            # اولویت‌بندی دسته‌ها بر اساس حساسیت
-            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:
-                        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 با entities قبلی
-                            overlaps = False
-                            match_start, match_end = match.span()
-                            
-                            for proc_start, proc_end in processed_entities:
-                                # بررسی تداخل موقعیت
-                                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))
-                                logger.info(f"Regex ({category}): {full_match} -> {code}")
-            
-            # جایگزینی در متن با ترتیب طولانی‌ترین اول
-            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"✅ Comprehensive anonymization completed. Found {len(self.mapping_table)} entities.")
-            return anonymized
-            
-        except Exception as 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! لطفاً OPENAI_API_KEY را در متغیرهای محیطی تنظیم کنید."
-            
-            system_msg = "You are a professional financial analyst. The text contains anonymous codes. Answer questions accurately." if lang == 'en' else "شما یک تحلیلگر مالی حرفه‌ای هستید. متن حاوی کدهای ناشناس است. 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)
-                
-                if 'Incorrect API key' in error_message:
-                    return "❌ Invalid API key." if lang == 'en' else "❌ کلید API نامعتبر است."
-                elif 'quota' in error_message:
-                    return "❌ API quota exceeded." if lang == 'en' else "❌ سهمیه API تمام شده است."
-                else:
-                    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)
-                escaped_code = code.replace('_', '\\_')
-                final_result = final_result.replace(escaped_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 مدل‌های محلی"""
-        status = "🤖 **Refined Anonymization System Status (Enhanced with Precision Detection):**\n\n"
-        
-        if hasattr(self, 'model_status') and self.model_status:
-            for model_type, model_status in self.model_status.items():
-                if model_type == 'persian':
-                    status += f"• **Persian NER**: {model_status}\n"
-                elif model_type == 'english':
-                    status += f"• **English NER**: {model_status}\n"
-                elif model_type == 'transformers':
-                    status += f"• **Transformers**: {model_status}\n"
-                elif model_type == 'fallback':
-                    status += f"• **Fallback Mode**: {model_status}\n"
-                elif model_type == 'critical':
-                    status += f"• **Critical**: {model_status}\n"
-                elif model_type == 'directory':
-                    status += f"• **Directory**: {model_status}\n"
-        
-        loaded_count = sum(1 for status in getattr(self, 'model_status', {}).values() 
-                          if status.startswith("✅"))
-        status += f"\n📊 **Summary**: {loaded_count}/2 local models loaded"
-        
-        status += f"\n📁 **Models Path**: {self.models_base_path}"
-        status += f"\n🔧 **Latest Features**: Refined precision detection with validation"
-        
-        status += f"\n\n🎯 **Refined Sensitive Data Detection (High Precision):**"
-        
-        # اطلاعات حساس اولویت‌دار
-        status += f"\n\n🔐 **High-Priority Sensitive Data:**"
-        status += f"\n   🆔 **ID_NUMBER**: کد ملی، شبا، کارت بانکی، SSN"
-        status += f"\n   📧 **EMAIL**: آدرس‌های ایمیل معتبر"
-        status += f"\n   📞 **PHONE**: شماره تلفن و موبایل"
-        status += f"\n   🏦 **ACCOUNT**: شماره حساب‌های بانکی"
-        status += f"\n   💰 **AMOUNT**: مبالغ مالی دقیق"
-        status += f"\n   📅 **DATE**: تاریخ‌های معتبر"
-        
-        # اطلاعات کسب‌وکار
-        status += f"\n\n💼 **Business & Personal Data:**"
-        status += f"\n   👤 **PERSON**: نام‌ها با عناوین مشخص"
-        status += f"\n   🏢 **COMPANY**: شرکت‌ها و بانک‌ها"
-        status += f"\n   📍 **LOCATION**: آدرس‌های دقیق"
-        status += f("\n   📊 **PERCENTAGE**: درصدها و نسبت‌ها")
-        status += f"\n   📦 **VOLUME**: حجم‌ها و واحدهای اندازه‌گیری"
-        
-        # اطلاعات فنی
-        status += f"\n\n⚙️ **Technical Information:**"
-        status += f"\n   🔢 **TECHNICAL_CODES**: کدهای سریال و مرجع"
-        status += f"\n   🌐 **NETWORK_ADDRESSES**: IP و MAC addresses"
-        status += f("\n   🏆 **STOCK_SYMBOL**: نمادهای بورسی")
-        
-        status += f"\n\n✨ **Key Improvements:**"
-        status += f"\n   🎯 **Precision-focused**: فقط اطلاعات واقعاً حساس"
-        status += f"\n   🛡️ **Validation system**: فیلتر کلمات رایج"
-        status += f"\n   🔍 **Context-aware**: الگوهای دقیق‌تر"
-        status += f"\n   📝 **Blacklist filtering**: حذف کلمات عمومی"
-        status += f"\n   ⚡ **High accuracy**: کاهش false positives"
-        
-        status += f"\n\n📋 **Blacklisted Common Words:**"
-        status += f"\n   • حروف ربط: با، در، از، به، را، که، است"
-        status += f"\n   • کلمات مکانی: خیابان، کوچه، پلاک، طبقه"
-        status += f"\n   • کلمات مالی: حساب، کارت، مبلغ، تومان"
-        status += f"\n   • افعال: نموده، کرده، ارائه، اعلام"
-        
-        return status
-
-def process_all_steps(input_text, language):
-    """پردازش خودکار تمام مراحل با دقت بالا"""
-    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)
-        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)
-            ner_count = sum(1 for code in anonymizer.mapping_table.values() if '_NER' in code)
-            regex_count = sum(1 for code in anonymizer.mapping_table.values() if '_REGEX' in code)
-            
-            # آمار اطلاعات حساس
-            critical_categories = ['ID_NUMBER', 'EMAIL', 'PHONE', 'ACCOUNT', 'AMOUNT', 'DATE']
-            critical_count = sum(1 for code in anonymizer.mapping_table.values() 
-                               if any(cat in code for cat in critical_categories))
-            
-            method = "Refined Local NER + Precision Regex" if anonymizer.models_loaded else "Refined Precision Regex Only"
-            success_msg = (f"✅ Refined anonymization completed with {method}!\n"
-                          f"🔐 Critical data protected: {critical_count} | 🤖 NER: {ner_count} | 🔍 Regex: {regex_count}\n"
-                          f"📊 Total valid entities: {entities_found} (with precision filtering)")
-            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)
-        ner_count = sum(1 for code in anonymizer.mapping_table.values() if '_NER' in code)
-        regex_count = sum(1 for code in anonymizer.mapping_table.values() if '_REGEX' in code)
-        
-        # آمار تفصیلی اطلاعات حساس
-        id_count = sum(1 for code in anonymizer.mapping_table.values() if 'ID_NUMBER' in code)
-        email_count = sum(1 for code in anonymizer.mapping_table.values() if 'EMAIL' in code)
-        phone_count = sum(1 for code in anonymizer.mapping_table.values() if 'PHONE' in code)
-        account_count = sum(1 for code in anonymizer.mapping_table.values() if 'ACCOUNT' in code)
-        amount_count = sum(1 for code in anonymizer.mapping_table.values() if 'AMOUNT' in code)
-        person_count = sum(1 for code in anonymizer.mapping_table.values() if 'PERSON' in code)
-        
-        critical_details = []
-        if id_count > 0: critical_details.append(f"🆔 IDs: {id_count}")
-        if phone_count > 0: critical_details.append(f"📞 Phones: {phone_count}")
-        if email_count > 0: critical_details.append(f"📧 Emails: {email_count}")
-        if account_count > 0: critical_details.append(f"🏦 Accounts: {account_count}")
-        if amount_count > 0: critical_details.append(f"💰 Amounts: {amount_count}")
-        if person_count > 0: critical_details.append(f"👤 Names: {person_count}")
-        
-        method = "Refined Local NER + Precision Regex" if anonymizer.models_loaded else "Refined Precision Regex Only"
-        success_msg = (f"🎉 Complete refined anonymization & restoration successful!\n"
-                      f"🔧 Method: {method}\n"
-                      f"🔐 Protected data: {' | '.join(critical_details) if critical_details else '0'}\n"
-                      f"📊 Total: {entities_found} entities | ⏱️ Time: {total_time:.2f}s | 🎯 High precision")
-        
-        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! Please process some text first." if lang == 'en' else "❌ جدول نگاشت خالی است! ابتدا متنی را پردازش کنید."
-    
-    result = "📋 **Refined High-Precision Sensitive Data Mapping Table:**\n\n" if lang == 'en' else "📋 **جدول نگاشت دقیق اطلاعات حساس:**\n\n"
-    
-    ner_items = {k: v for k, v in anonymizer.mapping_table.items() if '_NER' in v}
-    regex_items = {k: v for k, v in anonymizer.mapping_table.items() if '_REGEX' in v}
-    
-    # دسته‌بندی بر اساس اولویت حساسیت
-    critical_categories = {
-        'ID_NUMBER': '🆔 **Identity Codes (Critical)**',
-        'PHONE': '📞 **Phone Numbers**',
-        'EMAIL': '📧 **Email Addresses**', 
-        'ACCOUNT': '🏦 **Bank Accounts**',
-        'AMOUNT': '💰 **Financial Amounts**',
-        'DATE': '📅 **Dates**'
-    }
-    
-    business_categories = {
-        'PERSON': '👤 **Person Names**',
-        'COMPANY': '🏢 **Companies**',
-        'LOCATION': '📍 **Locations**',
-        'PERCENTAGE': '📊 **Percentages**',
-        'VOLUME': '📦 **Volumes & Units**',
-        'STOCK_SYMBOL': '🏆 **Stock Symbols**'
-    }
-    
-    technical_categories = {
-        'TECHNICAL_CODES': '⚙️ **Technical Codes**',
-        'NETWORK_ADDRESSES': '🌐 **Network Addresses**'
-    }
-    
-    # نمایش دسته‌های حساس
-    for category, title in critical_categories.items():
-        category_items = {k: v for k, v in anonymizer.mapping_table.items() if category in v}
-        if category_items:
-            result += f"{title}:\n"
-            for original, code in list(category_items.items())[:5]:
-                result += f"   • `{original}` → `{code}`\n"
-            if len(category_items) > 5:
-                result += f"   ... و {len(category_items) - 5} مورد دیگر\n"
-            result += "\n"
-    
-    # نمایش NER results
-    if ner_items:
-        result += "🤖 **Local NER Detected**:\n"
-        for original, code in list(ner_items.items())[:5]:
-            result += f"   • `{original}` → `{code}`\n"
-        if len(ner_items) > 5:
-            result += f"   ... و {len(ner_items) - 5} مورد دیگر\n"
-        result += "\n"
-    
-    # نمایش دسته‌های کسب‌وکار
-    business_items = {k: v for k, v in regex_items.items() 
-                     if any(cat in v for cat in business_categories.keys())}
-    if business_items:
-        result += "💼 **Business Data**:\n"
-        for original, code in list(business_items.items())[:8]:
-            result += f"   • `{original}` → `{code}`\n"
-        if len(business_items) > 8:
-            result += f"   ... و {len(business_items) - 8} مورد دیگر\n"
-        result += "\n"
-    
-    # نمایش دسته‌های فنی
-    technical_items = {k: v for k, v in regex_items.items() 
-                      if any(cat in v for cat in technical_categories.keys())}
-    if technical_items:
-        result += "⚙️ **Technical Data**:\n"
-        for original, code in list(technical_items.items())[:5]:
-            result += f"   • `{original}` → `{code}`\n"
-        if len(technical_items) > 5:
-            result += f"   ... و {len(technical_items) - 5} مورد دیگر\n"
-        result += "\n"
-    
-    # آمار کلی
-    critical_count = sum(len({k: v for k, v in anonymizer.mapping_table.items() if cat in v}) 
-                        for cat in critical_categories.keys())
-    
-    result += f"📊 **Refined Statistics**:\n"
-    result += f"🔐 **Critical Sensitive Data**: {critical_count} items\n"
-    result += f"🤖 **NER Detected**: {len(ner_items)} items\n" 
-    result += f"💼 **Business Data**: {len(business_items)} items\n"
-    result += f"⚙️ **Technical Data**: {len(technical_items)} items\n"
-    result += f"📋 **Total Protected**: {len(anonymizer.mapping_table)} entities\n"
-    
-    result += f"\n✨ **System Enhancement**: High-precision detection with validation\n"
-    result += f"🎯 **Accuracy**: Minimized false positives with blacklist filtering\n"
-    result += f"🛡️ **Protection Level**: Maximum sensitive data security with readable text!"
-    
-    return result
-
-def update_ui_text(language):
-    """به‌روزرسانی متن‌های رابط کاربری"""
-    if language == 'English':
-        return {
-            'title': 'Refined High-Precision Bilingual Data Anonymization System',
-            'step1': 'Input Text & Settings',
-            'step2': 'Anonymized Text',
-            'step3': 'Raw ChatGPT Response',
-            'step4': 'Final Restored Response',
-            'input_placeholder': 'Enter your original text here...\nExample: Company reports, person names, financial amounts, phone numbers, emails, IBAN codes, bank accounts, etc.\n\n✨ Refined system with high precision detection and validation!',
-            'process_btn': 'Process with High-Precision Detection',
-            'clear_btn': 'Clear All',
-            'mapping_btn': 'Show High-Precision Mapping Table',
-            'status_btn': 'Show System Status',
-            'copy_btn': 'Copy',
-            'direction': 'ltr'
-        }
-    else:
-        return {
-            'title': 'سیستم ناشناس‌سازی دقیق دوزبانه',
-            'step1': 'متن ورودی و تنظیمات',
-            'step2': 'متن ناشناس‌شده',
-            'step3': 'پاسخ خام ChatGPT',
-            'step4': 'پاسخ نهایی بازگردانده شده',
-            'input_placeholder': 'متن اصلی خود را اینجا وارد کنید...\nمثال: گزارش‌های شرکت، نام اشخاص، مبالغ مالی، شماره تلفن، ایمیل، شماره شبا، حساب بانکی و غیره\n\n✨ سیستم دقیق با تشخیص حساس و validation!',
-            'process_btn': 'پردازش با تشخیص دقیق',
-            'clear_btn': 'پاک کردن همه',
-            'mapping_btn': 'نمایش جدول نگاشت دقیق',
-            'status_btn': 'نمایش وضعیت سیستم',
-            'copy_btn': 'کپی',
-            'direction': 'rtl'
-        }
-
-def update_interface(language):
-    """تغییر رابط کاربری بر اساس زبان"""
-    ui_text = update_ui_text(language)
-    is_english = (language == 'English')
-    
-    # تغییر direction برای workflow
-    workflow_css = "workflow ltr" if is_english else "workflow rtl"
-    
-    return [
-        gr.update(value=f"<h1 style='text-align: center; color: #FFD700; font-size: 3.5em; font-weight: bold; text-shadow: 3px 3px 6px rgba(0,0,0,0.5); margin: 20px 0; background: linear-gradient(45deg, #FFD700, #FFA500); -webkit-background-clip: text; -webkit-text-fill-color: transparent; background-clip: text;'>📊 {ui_text['title']}</h1>"),
-        gr.update(value=f"<h2 style='direction: {ui_text['direction']};'>🔍 {ui_text['step1']}</h2>"),
-        gr.update(placeholder=ui_text['input_placeholder'], rtl=not is_english),
-        gr.update(value=f"🚀 {ui_text['process_btn']}"),
-        gr.update(value=f"🗑️ {ui_text['clear_btn']}"),
-        gr.update(rtl=not is_english),
-        gr.update(value=f"<h2 style='direction: {ui_text['direction']};'>🎭 {ui_text['step2']}</h2>"),
-        gr.update(rtl=not is_english),
-        gr.update(value=f"<h2 style='direction: {ui_text['direction']};'>🤖 {ui_text['step3']}</h2>"),
-        gr.update(rtl=not is_english),
-        gr.update(value=f"<h2 style='direction: {ui_text['direction']};'>✅ {ui_text['step4']}</h2>"),
-        gr.update(rtl=not is_english),
-        gr.update(value=f"📋 {ui_text['mapping_btn']}"),
-        gr.update(value=f"📊 {ui_text['status_btn']}"),
-        gr.update(rtl=not is_english),
-        gr.update(elem_classes=workflow_css)
-    ]
-
-# ایجاد instance
-anonymizer = ComprehensiveBilingualDataAnonymizer()
-
-# CSS اصلاح شده برای تراز‌بندی عمودی مناسب
-custom_css = """
-body, .gradio-container {
-    font-family: 'Segoe UI', Tahoma, Arial, sans-serif !important;
-    background: linear-gradient(135deg, #667eea 0%, #764ba2 100%) !important;
-    min-height: 100vh !important;
-    padding: 20px !important;
-}
-
-.rtl {
-    direction: rtl !important;
-    text-align: right !important;
-}
-
-.ltr {
-    direction: ltr !important;
-    text-align: left !important;
-}
-
-.workflow {
-    display: grid !important;
-    grid-template-columns: 1fr 1fr 1fr 1fr !important;
-    gap: 25px !important;
-    padding: 30px !important;
-    align-items: start !important;
-    align-content: start !important;
-    grid-auto-rows: auto !important;
-}
-
-.workflow > * {
-    align-self: start !important;
-    vertical-align: top !important;
-    margin-top: 0 !important;
-}
-
-.workflow .gradio-column,
-.workflow-column {
-    display: flex !important;
-    flex-direction: column !important;
-    align-items: stretch !important;
-    justify-content: flex-start !important;
-    height: auto !important;
-    min-height: 0 !important;
-    margin-top: 0 !important;
-    padding-top: 0 !important;
-}
-
-.gradio-textbox {
-    border-radius: 10px !important;
-    box-shadow: 0 4px 15px rgba(0,0,0,0.1) !important;
-    flex-grow: 1 !important;
-    min-height: 380px !important;
-    max-height: 380px !important;
-    height: 380px !important;
-}
-
-.gradio-textbox textarea {
-    min-height: 350px !important;
-    max-height: 350px !important;
-    height: 350px !important;
-    resize: vertical !important;
-}
-
-.workflow.rtl {
-    direction: rtl !important;
-}
-
-.workflow.ltr {
-    direction: ltr !important;
-}
-
-h1, h2, h3 {
-    text-shadow: 2px 2px 4px rgba(0,0,0,0.3) !important;
-    margin-top: 0 !important;
-    margin-bottom: 10px !important;
-    padding-top: 0 !important;
-    line-height: 1.2 !important;
-}
-
-h2 {
-    min-height: 40px !important;
-    max-height: 40px !important;
-    display: flex !important;
-    align-items: center !important;
-    margin-bottom: 15px !important;
-}
-
-.status-box {
-    background: linear-gradient(135deg, #4CAF50, #45a049) !important;
-    border: 3px solid #2E7D32 !important;
-    border-radius: 15px !important;
-    padding: 15px !important;
-    margin: 10px 0 !important;
-    box-shadow: 0 8px 32px rgba(76, 175, 80, 0.3) !important;
-    animation: pulse 2s infinite !important;
-    min-height: 120px !important;
-    max-height: 120px !important;
-}
-
-.status-box textarea {
-    background: rgba(255, 255, 255, 0.95) !important;
-    border: none !important;
-    border-radius: 10px !important;
-    font-weight: bold !important;
-    font-size: 1.1em !important;
-    color: #1B5E20 !important;
-    text-shadow: 1px 1px 2px rgba(255, 255, 255, 0.8) !important;
-    min-height: 80px !important;
-    max-height: 80px !important;
-}
-
-@keyframes pulse {
-    0% { box-shadow: 0 8px 32px rgba(76, 175, 80, 0.3); }
-    50% { box-shadow: 0 8px 40px rgba(76, 175, 80, 0.6); }
-    100% { box-shadow: 0 8px 32px rgba(76, 175, 80, 0.3); }
-}
-
-.gradio-button {
-    border-radius: 25px !important;
-    font-weight: bold !important;
-    transition: all 0.3s ease !important;
-    margin: 5px 0 !important;
-    min-height: 50px !important;
-    max-height: 50px !important;
-}
-
-.gradio-button:hover {
-    transform: translateY(-2px) !important;
-    box-shadow: 0 6px 20px rgba(0,0,0,0.2) !important;
-}
-
-h1 {
-    background: linear-gradient(45deg, #FFD700, #FFA500) !important;
-    -webkit-background-clip: text !important;
-    -webkit-text-fill-color: transparent !important;
-    background-clip: text !important;
-    min-height: 80px !important;
-}
-
-@media (max-width: 1200px) {
-    .workflow {
-        grid-template-columns: 1fr 1fr !important;
-        gap: 20px !important;
-    }
-}
-
-@media (max-width: 768px) {
-    .workflow {
-        grid-template-columns: 1fr !important;
-        gap: 15px !important;
-    }
-    
-    .gradio-textbox {
-        min-height: 300px !important;
-        max-height: 300px !important;
-        height: 300px !important;
-    }
-}
-
-[data-testid="textbox"]:dir(rtl) {
-    text-align: right !important;
-    direction: rtl !important;
-}
-
-[data-testid="textbox"]:dir(ltr) {
-    text-align: left !important;
-    direction: ltr !important;
-}
-
-.gradio-container .gradio-column {
-    align-self: start !important;
-    vertical-align: top !important;
-}
-
-.gradio-container .gradio-row {
-    align-items: flex-start !important;
-}
-
-* {
-    box-sizing: border-box !important;
-}
-
-.gradio-container {
-    align-items: start !important;
-    justify-content: start !important;
-}
-"""
-
-# رابط کاربری Gradio با تراز‌بندی اصلاح شده
-with gr.Blocks(title="📊 Refined High-Precision Anonymization System", theme=gr.themes.Soft(), css=custom_css) as app:
-    
-    with gr.Row():
-        language_selector = gr.Radio(
-            choices=["فارسی", "English"],
-            value="فارسی",
-            label="Language / زبان",
-            interactive=True
-        )
-    
-    with gr.Column():
-        title = gr.HTML("<h1 style='text-align: center; color: #FFD700; font-size: 3.5em; font-weight: bold; text-shadow: 3px 3px 6px rgba(0,0,0,0.5); margin: 20px 0; background: linear-gradient(45deg, #FFD700, #FFA500); -webkit-background-clip: text; -webkit-text-fill-color: transparent; background-clip: text;'>📊 سیستم ناشناس‌سازی دقیق دوزبانه</h1>")
-        
-        with gr.Row(elem_classes="workflow rtl") as workflow_row:
-            with gr.Column(elem_classes="workflow-column"):
-                step1_title = gr.HTML('<h2 style="direction: rtl;">🔍 متن ورودی و تنظیمات</h2>')
-                
-                input_text = gr.Textbox(
-                    lines=15,
-                    placeholder="متن اصلی خود را اینجا وارد کنید...\nمثال: گزارش‌های شرکت، نام اشخاص، مبالغ مالی، شماره تلفن، ایمیل، شماره شبا، حساب بانکی و غیره\n\n✨ سیستم دقیق با تشخیص حساس و validation!",
-                    label="",
-                    rtl=True
-                )
-                
-                process_btn = gr.Button("🚀 پردازش با تشخیص دقیق", variant="primary")
-                clear_btn = gr.Button("🗑️ پاک کردن همه", variant="stop")
-                
-                status = gr.Textbox(
-                    label="وضعیت",
-                    lines=4,
-                    interactive=False,
-                    rtl=True,
-                    elem_classes=["status-box"]
-                )
-
-            with gr.Column(elem_classes="workflow-column"):
-                step2_title = gr.HTML('<h2 style="direction: rtl;">🎭 متن ناشناس‌شده</h2>')
-                
-                anonymized_output = gr.Textbox(
-                    lines=15,
-                    placeholder="متن ناشناس‌شده اینجا نمایش داده می‌شود...",
-                    label="",
-                    interactive=False,
-                    rtl=True
-                )
-
-            with gr.Column(elem_classes="workflow-column"):
-                step3_title = gr.HTML('<h2 style="direction: rtl;">🤖 پاسخ خام ChatGPT</h2>')
-                
-                gpt_output = gr.Textbox(
-                    lines=15,
-                    placeholder="پاسخ خام ChatGPT اینجا نمایش داده می‌شود...",
-                    label="",
-                    interactive=False,
-                    rtl=True
-                )
-
-            with gr.Column(elem_classes="workflow-column"):
-                step4_title = gr.HTML('<h2 style="direction: rtl;">✅ پاسخ نهایی بازگردانده شده</h2>')
-                
-                final_output = gr.Textbox(
-                    lines=15,
-                    placeholder="پاسخ نهایی اینجا نمایش داده می‌شود...",
-                    label="",
-                    interactive=False,
-                    rtl=True
-                )
-
-        with gr.Row():
-            with gr.Column():
-                mapping_title = gr.HTML('<h2>🗂️ جدول نگاشت دقیق</h2>')
-                mapping_btn = gr.Button("📋 نمایش جدول نگاشت دقیق")
-                
-                mapping_output = gr.Textbox(
-                    lines=15,
-                    label="جدول نگاشت اطلاعات",
-                    interactive=False,
-                    visible=False,
-                    rtl=True
-                )
-        
-        with gr.Row():
-            with gr.Column():
-                status_title = gr.HTML('<h2>⚙️ وضعیت سیستم و قابلیت‌ها</h2>')
-                system_status_btn = gr.Button("📊 نمایش وضعیت سیستم دقیق")
-                
-                system_status_output = gr.Textbox(
-                    lines=20,
-                    label="وضعیت سیستم",
-                    interactive=False,
-                    visible=False,
-                    rtl=True
-                )
-
-    # Event handlers
-    language_selector.change(
-        fn=update_interface,
-        inputs=[language_selector],
-        outputs=[title, step1_title, input_text, process_btn, clear_btn, 
-                status, step2_title, anonymized_output, step3_title, gpt_output, 
-                step4_title, final_output, mapping_btn, system_status_btn,
-                mapping_output, workflow_row]
-    )
-
-    process_btn.click(
-        fn=process_all_steps,
-        inputs=[input_text, language_selector],
-        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]
-    )
-    
-    system_status_btn.click(
-        fn=lambda: anonymizer.get_model_status(),
-        outputs=[system_status_output]
-    )
-    
-    system_status_btn.click(
-        fn=lambda: gr.update(visible=True),
-        outputs=[system_status_output]
-    )
-
-if __name__ == "__main__":
-    # نمایش اطلاعات سیستم در startup
-    print("\n" + "="*80)
-    print("🚀 REFINED HIGH-PRECISION BILINGUAL DATA ANONYMIZATION SYSTEM")
-    print("="*80)
-    print("📊 System Features:")
-    print("   • High-precision detection with validation system")
-    print("   • Blacklist filtering for common words")
-    print("   • Priority-based sensitive data protection")
-    print("   • Bilingual support (Persian/English)")
-    print("   • Local NER + Advanced Regex processing")
-    print("   • OpenAI ChatGPT integration")
-    print("   • Complete anonymization-restoration workflow")
-    print("\n🔐 Protected Data Types (High Priority):")
-    print("   • Identity Codes (کد ملی، شبا، کارت بانکی)")
-    print("   • Contact Information (تلفن، ایمیل)")
-    print("   • Financial Data (مبالغ، حساب‌ها)")
-    print("   • Personal Names (با عناوین مشخص)")
-    print("   • Business Information (شرکت‌ها، آدرس‌ها)")
-    print("   • Technical Codes (کدهای سریال، شبکه)")
-    print("\n⚙️ Enhanced Features:")
-    print("   • Validation system prevents false positives")
-    print("   • Common word blacklist filtering")
-    print("   • Context-aware pattern matching")
-    print("   • Overlap detection system")
-    print("   • Persian/Arabic digit support")
-    print("   • Refined accuracy with readable output")
-    print("="*80)
-    print("🎯 Now your text will remain readable while protecting sensitive data!")
-    
-    app.launch(
-        share=True,
-        server_name="0.0.0.0",
-        server_port=7860,
-        show_error=True,
-        favicon_path=None,
-        ssl_verify=False
-    )