Delete app.py
Browse files
app.py
DELETED
|
@@ -1,734 +0,0 @@
|
|
| 1 |
-
#!/usr/bin/env python3
|
| 2 |
-
# -*- coding: utf-8 -*-
|
| 3 |
-
"""
|
| 4 |
-
سیستم ناشناسسازی اصلاح شده - حل مشکلات کدهای 11 رقمی، بانکها و سازمانهای دولتی
|
| 5 |
-
"""
|
| 6 |
-
|
| 7 |
-
import gradio as gr
|
| 8 |
-
import re
|
| 9 |
-
import os
|
| 10 |
-
import requests
|
| 11 |
-
import time
|
| 12 |
-
import logging
|
| 13 |
-
|
| 14 |
-
logging.basicConfig(level=logging.INFO)
|
| 15 |
-
logger = logging.getLogger(__name__)
|
| 16 |
-
|
| 17 |
-
class ImprovedDataAnonymizer:
|
| 18 |
-
def __init__(self):
|
| 19 |
-
self.mapping_table = {}
|
| 20 |
-
self.pattern_categories = {
|
| 21 |
-
'personal_identity': {
|
| 22 |
-
'name_fa': 'اطلاعات شخصی و هویتی',
|
| 23 |
-
'name_en': 'Personal & Identity Information',
|
| 24 |
-
'patterns': ['PERSON', 'ID_NUMBER', 'MIXED_NAMES'],
|
| 25 |
-
'icon': '👤'
|
| 26 |
-
},
|
| 27 |
-
'financial': {
|
| 28 |
-
'name_fa': 'اطلاعات مالی',
|
| 29 |
-
'name_en': 'Financial Information',
|
| 30 |
-
'patterns': ['AMOUNT', 'ACCOUNT', 'CARD_NUMBER'],
|
| 31 |
-
'icon': '💰'
|
| 32 |
-
},
|
| 33 |
-
'temporal': {
|
| 34 |
-
'name_fa': 'اطلاعات زمانی',
|
| 35 |
-
'name_en': 'Temporal Information',
|
| 36 |
-
'patterns': ['DATE'],
|
| 37 |
-
'icon': '📅'
|
| 38 |
-
},
|
| 39 |
-
'location': {
|
| 40 |
-
'name_fa': 'اطلاعات مکانی',
|
| 41 |
-
'name_en': 'Location Information',
|
| 42 |
-
'patterns': ['LOCATION', 'FULL_ADDRESS'],
|
| 43 |
-
'icon': '📍'
|
| 44 |
-
},
|
| 45 |
-
'business': {
|
| 46 |
-
'name_fa': 'اطلاعات کسبوکار',
|
| 47 |
-
'name_en': 'Business Information',
|
| 48 |
-
'patterns': ['COMPANY', 'BRANCH'],
|
| 49 |
-
'icon': '🏢'
|
| 50 |
-
},
|
| 51 |
-
'government': {
|
| 52 |
-
'name_fa': 'سازمانهای دولتی',
|
| 53 |
-
'name_en': 'Government Organizations',
|
| 54 |
-
'patterns': ['GOVERNMENT'],
|
| 55 |
-
'icon': '🏛️'
|
| 56 |
-
},
|
| 57 |
-
'communication': {
|
| 58 |
-
'name_fa': 'اطلاعات ارتباطی',
|
| 59 |
-
'name_en': 'Communication Information',
|
| 60 |
-
'patterns': ['PHONE', 'EMAIL'],
|
| 61 |
-
'icon': '📞'
|
| 62 |
-
}
|
| 63 |
-
}
|
| 64 |
-
|
| 65 |
-
self.counters = {
|
| 66 |
-
'PERSON': 0, 'ID_NUMBER': 0, 'MIXED_NAMES': 0,
|
| 67 |
-
'AMOUNT': 0, 'ACCOUNT': 0, 'CARD_NUMBER': 0,
|
| 68 |
-
'DATE': 0,
|
| 69 |
-
'LOCATION': 0, 'FULL_ADDRESS': 0,
|
| 70 |
-
'COMPANY': 0, 'BRANCH': 0, 'GOVERNMENT': 0,
|
| 71 |
-
'PHONE': 0, 'EMAIL': 0
|
| 72 |
-
}
|
| 73 |
-
|
| 74 |
-
self.api_key = os.getenv("OPENAI_API_KEY", "")
|
| 75 |
-
|
| 76 |
-
def get_improved_patterns(self):
|
| 77 |
-
"""الگوهای بهبود یافته با حل مشکلات شناسایی آدرس کامل"""
|
| 78 |
-
return {
|
| 79 |
-
# آدرسهای کامل - اولویت بالا برای گرفتن آدرس کامل قبل از قطعات
|
| 80 |
-
'FULL_ADDRESS': [
|
| 81 |
-
# الگوی آدرس کامل: شهر + خیابان + کوچه + پلاک + طبقه
|
| 82 |
-
r'(?:تهران|اصفهان|مشهد|شیراز|کرج|اهواز|قم|رشت|کرمان|یزد|بوشهر|ارومیه|همدان|بندر عباس|ساری|اردبیل|خرمآباد|ایلام|بیرجند|گرگان|زنجان|سنندج|شهرکرد|سبزوار|قزوین|زاهدان|خوی|مراغه|کاشان|نجفآباد|شاهینشهر|ملایر|آبادان|دزفول|بابل|آمل|شاهرود|گنبد کاووس|خرمشهر|جهرم|فسا|مرودشت|لار|داراب|فیروزآباد|کازرون|سپیدان|نیریز|استهبان|فارسان|میانه|ورامین|قرچک|ری|پاکدشت|دماوند|فیروزکوه|شهریار|اسلامشهر|ملارد|قدس|بهارستان|چهاردانگه)،\s*(?:خیابان|کوچه|شهرک|بلوار|میدان|کوی|محله)\s+[آ-یَ-ّ۰-۹\s]+(?:،\s*(?:خیابان|کوچه|بلوار|کوی)\s+[آ-یَ-ّ۰-۹\s]+)?(?:،\s*پلاک\s+\d+)?(?:،\s*(?:طبقه|واحد)\s+[آ-یَ-ّ۰-۹\d\s]+)?',
|
| 83 |
-
|
| 84 |
-
# الگوی آدرس با شهرک
|
| 85 |
-
r'(?:تهران|اصفهان|مشهد|شیراز|کرج|اهواز|قم|رشت|کرمان|یزد|بوشهر|ارومیه|همدان|بندر عباس|ساری|اردبیل|خرمآباد|ایلام|بیرجند|گرگان|زنجان|سنندج|شهرکرد|سبزوار|قزوین|زاهدان|خوی|مراغه|کاشان|نجفآباد|شاهینشهر|ملایر|آبادان|دزفول|بابل|آمل|شاهرود|گنبد کاووس|خرمشهر|جهرم|فسا|مرودشت|لار|داراب|فیروزآباد|کازرون|سپیدان|نیریز|استهبان|فارسان|میانه|ورامین|قرچک|ری|پاکدشت|دماوند|فیروزکوه|شهریار|اسلامشهر|ملارد|قدس|بهارستان|چهاردانگه)،\s*شهرک\s+[آ-یَ-ّ۰-۹\s]+،\s*(?:خیابان|کوچه|بلوار)\s+[آ-یَ-ّ۰-۹\s]+(?:،\s*پلاک\s+\d+)?',
|
| 86 |
-
|
| 87 |
-
# الگوی سادهتر برای آدرسهای کوتاهتر
|
| 88 |
-
r'خیابان\s+[آ-یَ-ّ۰-۹\s]+،\s*کوچه\s+[آ-یَ-ّ۰-۹\s]+،\s*پلاک\s+\d+(?:،\s*(?:طبقه|واحد)\s+[آ-یَ-ّ۰-۹\d\s]+)?',
|
| 89 |
-
],
|
| 90 |
-
|
| 91 |
-
# اسامی اشخاص - الگوهای دقیقتر
|
| 92 |
-
'PERSON': [
|
| 93 |
-
r'آقای\s+[آ-یَ-ّ۰-۹]+\s+[آ-یَ-ّ۰-۹]+(?=\s+با\s+کد|\s+مدیر|$|،|\.)',
|
| 94 |
-
r'خانم\s+[آ-یَ-ّ۰-۹]+\s+[آ-یَ-ّ۰-۹]+(?=\s+با\s+کد|\s+همسر|$|،|\.)',
|
| 95 |
-
r'مهندس\s+[آ-یَ-ّ۰-۹]+\s+[آ-یَ-ّ۰-۹]+(?=\s+با\s+کد|$|،|\.)',
|
| 96 |
-
r'دکتر\s+[آ-یَ-ّ۰-۹]+\s+[آ-یَ-ّ۰-۹]+(?=\s+با\s+کد|$|،|\.)',
|
| 97 |
-
r'Mr\.\s+[A-Z][a-z]+\s+[A-Z][a-z]+(?=\s|,|\.|$)',
|
| 98 |
-
r'Ms\.\s+[A-Z][a-z]+\s+[A-Z][a-z]+(?=\s|,|\.|$)',
|
| 99 |
-
r'Dr\.\s+[A-Z][a-z]+\s+[A-Z][a-z]+(?=\s|,|\.|$)',
|
| 100 |
-
],
|
| 101 |
-
|
| 102 |
-
# کدهای ملی و شناسهها - جداسازی از شماره تلفن + کدهای 11 رقمی شرکتها
|
| 103 |
-
'ID_NUMBER': [
|
| 104 |
-
r'کد\s+ملی\s+\d{10}',
|
| 105 |
-
r'شناسه\s+ملی\s+\d{11}',
|
| 106 |
-
r'(?<!09)(?<![0-9])\d{10}(?![0-9])', # کد ملی 10 رقمی مستقل (نه شماره موبایل)
|
| 107 |
-
r'(?<!09)(?<![0-9])\d{11}(?![0-9])', # شناسه 11 رقمی مستقل (نه شماره موبایل)
|
| 108 |
-
|
| 109 |
-
# الگوهای اضافی برای کدهای 11 رقمی شرکتها
|
| 110 |
-
r'\b\d{11}\b', # الگوی کلی برای کدهای 11 رقمی
|
| 111 |
-
r'(?:\b|\s)(\d{2}[-\s]?\d{3}[-\s]?\d{6}|\d{11})(?=\s|\b|$)', # فرمتهای مختلف
|
| 112 |
-
r'(?:کد\s*ملی\s*:?\s*)?(\d{2}[-\s]?\d{3}[-\s]?\d{6}|\d{11})', # الگوی جامعتر
|
| 113 |
-
r'شناسه\s*اقتصادی\s*:?\s*\d{11}', # شناسه اقتصادی
|
| 114 |
-
r'کد\s*اقتصادی\s*:?\s*\d{11}', # کد اقتصادی
|
| 115 |
-
],
|
| 116 |
-
|
| 117 |
-
# مبالغ مالی - جداسازی از شماره تلفن
|
| 118 |
-
'AMOUNT': [
|
| 119 |
-
r'\d{6,}\s*تومان', # مبالغ 6 رقمی یا بیشتر با کلمه تومان
|
| 120 |
-
r'مبلغ\s+\d{6,}(?:\s*تومان)?',
|
| 121 |
-
r'موجودی\s+حساب\s+[^\s]+\s+حدود\s+\d{6,}\s*تومان',
|
| 122 |
-
r'ارزش\s+روز\s+آن\s+\d{6,}\s*تومان',
|
| 123 |
-
r'میانگین\s+موجودی\s+حساب\s+وی\s+حدود\s+\d{6,}\s*تومان',
|
| 124 |
-
r'\$\d+(?:,\d{3})*(?:\.\d+)?',
|
| 125 |
-
],
|
| 126 |
-
|
| 127 |
-
# شماره حساب و کارت بانکی - جداسازی دقیق
|
| 128 |
-
'ACCOUNT': [
|
| 129 |
-
r'حساب\s+جاری\s+شماره\s+[\d-]+',
|
| 130 |
-
r'شماره\s+[\d-]{8,}(?=\s+در)', # شماره حساب
|
| 131 |
-
],
|
| 132 |
-
|
| 133 |
-
'CARD_NUMBER': [
|
| 134 |
-
r'شماره\s+\d{4}-\d{4}-\d{4}-\d{4}', # شماره کارت
|
| 135 |
-
r'\d{4}-\d{4}-\d{4}-\d{4}(?=\s+نیز)',
|
| 136 |
-
],
|
| 137 |
-
|
| 138 |
-
# شماره تلفن - دقیقتر شده
|
| 139 |
-
'PHONE': [
|
| 140 |
-
r'شماره\s+تماس\s+09\d{9}',
|
| 141 |
-
r'(?<![0-9])09\d{9}(?![0-9])', # شماره موبایل مستقل
|
| 142 |
-
r'تلفن[\s:]*0\d{2,3}[-\s]?\d{7,8}',
|
| 143 |
-
],
|
| 144 |
-
|
| 145 |
-
# تاریخ
|
| 146 |
-
'DATE': [
|
| 147 |
-
r'\d{4}/\d{1,2}/\d{1,2}',
|
| 148 |
-
r'[۰-۹]{1,2}\s+(?:فروردین|اردیبهشت|خرداد|تیر|مرداد|شهریور|مهر|آبان|آذر|دی|بهمن|اسفند)\s+[۰-۹]{4}',
|
| 149 |
-
],
|
| 150 |
-
|
| 151 |
-
# شرکتها و بانکهای ایرانی - الگوهای بهبود یافته
|
| 152 |
-
'COMPANY': [
|
| 153 |
-
r'شرکت\s+[آ-یَ-ّ۰-۹\s]+(?=\s|$|،|\.)',
|
| 154 |
-
|
| 155 |
-
# الگوهای دقیق برای بانکهای معروف ایران
|
| 156 |
-
r'بانک\s+(ملی|صادرات|پاسارگاد|تجارت|اقتصاد\s*نوین|پارسیان|کشاورزی|رفاه\s*کارگران|آینده|دی|کارآفرین|توسعه\s*تعاون|قوامین|گردشگری|حکمت\s*ایرانیان|ایران\s*زمین|خاورمیانه|سرمایه|شهر|صنعت\s*و\s*معدن|مهر\s*اقتصاد|مهر\s*ایران|نور|پست\s*بانک|رسالت|سامان|سپه|سینا|کوثر|مسکن|ملت|انصار|ایران\s*اروپا)(?=\s|$|،|\.)',
|
| 157 |
-
|
| 158 |
-
# الگوی کلی بانکها
|
| 159 |
-
r'بانک\s+[آ-یَ-ّ۰-۹\s]+(?=\s|$|،|\.)',
|
| 160 |
-
|
| 161 |
-
# الگوی جامعتر شامل موسسات اعتباری
|
| 162 |
-
r'(?:بانک|موسسه\s*اعتباری|صندوق)\s+[آ-یَ-ّ۰-۹\s]{2,30}(?=\s|$|،|\.)',
|
| 163 |
-
|
| 164 |
-
# شرکتهای خارجی
|
| 165 |
-
r'[A-Z][a-zA-Z\s]+(?:Inc|Corp|Corporation|Company|Ltd|Limited|LLC)',
|
| 166 |
-
],
|
| 167 |
-
|
| 168 |
-
# شعب و واحدهای تجاری - دقیقتر شده
|
| 169 |
-
'BRANCH': [
|
| 170 |
-
r'شعبه\s+[آ-یَ-ّ۰-۹\s]+\s+بانک\s+[آ-یَ-ّ۰-۹\s]+',
|
| 171 |
-
r'شعبه\s+مرکزی\s+بانک\s+[آ-یَ-ّ۰-۹\s]+',
|
| 172 |
-
],
|
| 173 |
-
|
| 174 |
-
# مکانها - شهرها (فقط نام شهرها)
|
| 175 |
-
'LOCATION': [
|
| 176 |
-
r'\b(?:تهران|اصفهان|مشهد|شیراز|کرج|اهواز|قم|رشت|کرمان|یزد|بوشهر|ارومیه|همدان|بندر عباس|ساری|اردبیل|خرمآباد|ایلام|بیرجند|گرگان|زنجان|سنندج|شهرکرد|سبزوار|قزوین|زاهدان|خوی|مراغه|کاشان|نجفآباد|شاهینشهر|ملایر|آبادان|دزفول|بابل|آمل|شاهرود|گنبد کاووس|خرمشهر|جهرم|فسا|مرودشت|لار|داراب|فیروزآباد|کازرون|سپیدان|نیریز|استهبان|فارسان|میانه|ورامین|قرچک|ری|پاکدشت|دماوند|فیروزکوه|شهریار|اسلامشهر|ملارد|قدس|بهارستان|چهاردانگه)\b(?!\s*،)', # فقط نام شهر تنها
|
| 177 |
-
r'استان\s+[آ-یَ-ّ۰-۹\s]+',
|
| 178 |
-
r'شهر\s+[آ-یَ-ّ۰-۹\s]+',
|
| 179 |
-
],
|
| 180 |
-
|
| 181 |
-
# ایمیل
|
| 182 |
-
'EMAIL': [
|
| 183 |
-
r'[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}',
|
| 184 |
-
],
|
| 185 |
-
|
| 186 |
-
# سازمانهای دولتی و نهادهای رسمی
|
| 187 |
-
'GOVERNMENT': [
|
| 188 |
-
# الگوی کلی سازمانها
|
| 189 |
-
r'(?:بانک\s*مرکزی|دفتر\s*اسناد\s*رسمی|وزارت\s*خانه|سازمان|اداره\s*کل|شهرداری|استانداری|فرمانداری)\s*[آ-یَ-ّ۰-۹\s]*(?=\s|$|،|\.)',
|
| 190 |
-
|
| 191 |
-
# الگوی دقیقتر برای نهادهای معروف
|
| 192 |
-
r'بانک\s*مرکزی\s*جمهوری\s*اسلامی\s*ایران(?=\s|$|،|\.)',
|
| 193 |
-
r'دفتر\s*اسناد\s*رسمی(?=\s|$|،|\.)',
|
| 194 |
-
|
| 195 |
-
# وزارتخانهها
|
| 196 |
-
r'وزارت\s*(?:کشور|دادگستری|اقتصاد|بهداشت|آموزش|کار|جهاد\s*کشاورزی|صنعت|نفت|ارتباطات|فرهنگ|ورزش)(?:\s+[آ-یَ-ّ۰-۹\s]*)?(?=\s|$|،|\.)',
|
| 197 |
-
|
| 198 |
-
# سازمانهای دولتی
|
| 199 |
-
r'سازمان\s*(?:برنامه\s*و\s*بودجه|تامین\s*اجتماعی|بازرسی|ثبت\s*اسناد|مالیات|گمرک)(?:\s+[آ-یَ-ّ۰-۹\s]*)?(?=\s|$|،|\.)',
|
| 200 |
-
|
| 201 |
-
# ادارات کل
|
| 202 |
-
r'اداره\s*کل\s*[آ-یَ-ّ۰-۹\s]{5,30}(?=\s|$|،|\.)',
|
| 203 |
-
|
| 204 |
-
# الگوی شامل عناوین رسمی
|
| 205 |
-
r'(?:جمهوری\s*اسلامی\s*ایران|دولت\s*جمهوری\s*اسلامی\s*ایران)\s*[آ-یَ-ّ۰-۹\s]*(?=\s|$|،|\.)',
|
| 206 |
-
|
| 207 |
-
# شهرداریها و استانداریها
|
| 208 |
-
r'(?:شهرداری|استانداری|فرمانداری)\s+[آ-یَ-ّ۰-۹\s]+(?=\s|$|،|\.)',
|
| 209 |
-
|
| 210 |
-
# دادگاهها
|
| 211 |
-
r'دادگاه\s*(?:عمومی|انقلاب|تجدیدنظر|عالی|قضایی)\s*[آ-یَ-ّ۰-۹\s]*(?=\s|$|،|\.)',
|
| 212 |
-
],
|
| 213 |
-
}
|
| 214 |
-
|
| 215 |
-
def get_category_choices(self, language='fa'):
|
| 216 |
-
"""دریافت لیست دستهبندیها برای چکباکس"""
|
| 217 |
-
choices = []
|
| 218 |
-
for cat_key, cat_info in self.pattern_categories.items():
|
| 219 |
-
name = cat_info['name_fa'] if language == 'fa' else cat_info['name_en']
|
| 220 |
-
icon = cat_info['icon']
|
| 221 |
-
choices.append(f"{icon} {name}")
|
| 222 |
-
return choices
|
| 223 |
-
|
| 224 |
-
def get_selected_patterns(self, selected_categories, language='fa'):
|
| 225 |
-
"""تبدیل دستهبندیهای انتخاب شده به لیست الگوها"""
|
| 226 |
-
selected_patterns = []
|
| 227 |
-
|
| 228 |
-
for cat_key, cat_info in self.pattern_categories.items():
|
| 229 |
-
name = cat_info['name_fa'] if language == 'fa' else cat_info['name_en']
|
| 230 |
-
icon = cat_info['icon']
|
| 231 |
-
category_display = f"{icon} {name}"
|
| 232 |
-
|
| 233 |
-
if category_display in selected_categories:
|
| 234 |
-
selected_patterns.extend(cat_info['patterns'])
|
| 235 |
-
|
| 236 |
-
return selected_patterns
|
| 237 |
-
|
| 238 |
-
def anonymize_text(self, original_text, lang='fa', selected_categories=None):
|
| 239 |
-
"""ناشناسسازی متن با الگوهای بهبود یافته"""
|
| 240 |
-
try:
|
| 241 |
-
if not original_text or not original_text.strip():
|
| 242 |
-
return "⚠ Please enter input text!" if lang == 'en' else "⚠ لطفاً متن ورودی را وارد کنید!"
|
| 243 |
-
|
| 244 |
-
# ریست متغیرها
|
| 245 |
-
self.mapping_table = {}
|
| 246 |
-
self.counters = {key: 0 for key in self.counters.keys()}
|
| 247 |
-
|
| 248 |
-
anonymized = original_text
|
| 249 |
-
found_entities = set()
|
| 250 |
-
|
| 251 |
-
# استخراج با الگوهای بهبود یافته
|
| 252 |
-
patterns = self.get_improved_patterns()
|
| 253 |
-
|
| 254 |
-
# فیلتر کردن الگوها بر اساس انتخاب کاربر
|
| 255 |
-
if selected_categories:
|
| 256 |
-
selected_pattern_types = self.get_selected_patterns(selected_categories, lang)
|
| 257 |
-
patterns = {k: v for k, v in patterns.items() if k in selected_pattern_types}
|
| 258 |
-
|
| 259 |
-
logger.info("🔍 Running improved regex extraction with full address detection...")
|
| 260 |
-
|
| 261 |
-
processed_entities = set()
|
| 262 |
-
|
| 263 |
-
# ترتیب اولویت بهبود یافته - آدرس کامل در اولویت بالا
|
| 264 |
-
priority_order = [
|
| 265 |
-
'FULL_ADDRESS', # بالاترین اولویت - آدرس کامل قبل از قطعات
|
| 266 |
-
'EMAIL',
|
| 267 |
-
'ID_NUMBER',
|
| 268 |
-
'CARD_NUMBER',
|
| 269 |
-
'ACCOUNT',
|
| 270 |
-
'PHONE',
|
| 271 |
-
'AMOUNT',
|
| 272 |
-
'BRANCH',
|
| 273 |
-
'COMPANY',
|
| 274 |
-
'GOVERNMENT', # سازمانهای دولتی
|
| 275 |
-
'LOCATION', # پایینتر از آدرس کامل
|
| 276 |
-
'DATE',
|
| 277 |
-
'PERSON',
|
| 278 |
-
'MIXED_NAMES'
|
| 279 |
-
]
|
| 280 |
-
|
| 281 |
-
for category in priority_order:
|
| 282 |
-
if category in patterns:
|
| 283 |
-
pattern_list = patterns[category]
|
| 284 |
-
for pattern in pattern_list:
|
| 285 |
-
try:
|
| 286 |
-
matches = re.finditer(pattern, original_text, re.IGNORECASE | re.MULTILINE)
|
| 287 |
-
for match in matches:
|
| 288 |
-
full_match = match.group(0).strip()
|
| 289 |
-
|
| 290 |
-
# بررسی تداخل
|
| 291 |
-
overlaps = False
|
| 292 |
-
match_start, match_end = match.span()
|
| 293 |
-
|
| 294 |
-
for proc_start, proc_end in processed_entities:
|
| 295 |
-
if not (match_end <= proc_start or match_start >= proc_end):
|
| 296 |
-
overlaps = True
|
| 297 |
-
break
|
| 298 |
-
|
| 299 |
-
# شرایط قبولی - با فیلتر کلمات عمومی
|
| 300 |
-
if (not overlaps and
|
| 301 |
-
full_match not in found_entities and
|
| 302 |
-
full_match not in self.mapping_table and
|
| 303 |
-
len(full_match) >= 3 and
|
| 304 |
-
not full_match.isspace() and
|
| 305 |
-
not self._is_generic_word(full_match)): # فیلتر کلمات عمومی
|
| 306 |
-
|
| 307 |
-
self.counters[category] += 1
|
| 308 |
-
code = f"{category.lower()}_{self.counters[category]:03d}"
|
| 309 |
-
self.mapping_table[full_match] = code
|
| 310 |
-
found_entities.add(full_match)
|
| 311 |
-
processed_entities.add((match_start, match_end))
|
| 312 |
-
|
| 313 |
-
except re.error as e:
|
| 314 |
-
logger.error(f"Regex error in pattern {pattern}: {e}")
|
| 315 |
-
continue
|
| 316 |
-
|
| 317 |
-
# جایگزینی در متن - طولانیترینها اول
|
| 318 |
-
sorted_items = sorted(self.mapping_table.items(), key=lambda x: len(x[0]), reverse=True)
|
| 319 |
-
for original_item, code in sorted_items:
|
| 320 |
-
anonymized = anonymized.replace(original_item, code)
|
| 321 |
-
|
| 322 |
-
logger.info(f"✅ Improved anonymization completed. Found {len(self.mapping_table)} entities.")
|
| 323 |
-
return anonymized
|
| 324 |
-
|
| 325 |
-
except Exception as e:
|
| 326 |
-
logger.error(f"Anonymization error: {e}")
|
| 327 |
-
return f"⚠ Error in anonymization: {str(e)}" if lang == 'en' else f"⚠ خطا در ناشناسسازی: {str(e)}"
|
| 328 |
-
|
| 329 |
-
def _is_generic_word(self, text):
|
| 330 |
-
"""بررسی کلمات عمومی که نباید entity محسوب شوند"""
|
| 331 |
-
generic_words = {
|
| 332 |
-
'همین بانک', 'این بانک', 'آن بانک', 'بانک مذکور',
|
| 333 |
-
'همین شرکت', 'این شرکت', 'آن شرکت', 'شرکت مذکور',
|
| 334 |
-
'همین شعبه', 'این شعبه', 'آن شعبه', 'شعبه مذکور',
|
| 335 |
-
'همین شهر', 'این شهر', 'آن شهر',
|
| 336 |
-
'همین سازمان', 'این سازمان', 'آن سازمان', 'سازمان مذکور',
|
| 337 |
-
'همین وزارت', 'این ��زارت', 'آن وزارت', 'وزارت مذکور',
|
| 338 |
-
'متقاضی', 'ایشان', 'وی', 'مشتری',
|
| 339 |
-
'بانک', 'شرکت', 'شعبه', 'سازمان', 'وزارت' # کلمات تنها
|
| 340 |
-
}
|
| 341 |
-
return text.strip() in generic_words or len(text.strip()) < 3
|
| 342 |
-
|
| 343 |
-
def send_to_chatgpt(self, anonymized_text, lang='fa'):
|
| 344 |
-
"""ارسال به ChatGPT"""
|
| 345 |
-
try:
|
| 346 |
-
if not anonymized_text or not anonymized_text.strip():
|
| 347 |
-
return "⚠ Anonymized text is empty!" if lang == 'en' else "⚠ متن ناشناسشده خالی است!"
|
| 348 |
-
|
| 349 |
-
if not self.api_key:
|
| 350 |
-
return "⚠ API Key not configured!" if lang == 'en' else "⚠ کلید API تنظیم نشده است!"
|
| 351 |
-
|
| 352 |
-
system_msg = "You are a professional analyst. Answer questions accurately." if lang == 'en' else "شما یک تحلیلگر حرفهای هستید. به سوالات با دقت پاسخ دهید."
|
| 353 |
-
|
| 354 |
-
headers = {
|
| 355 |
-
"Authorization": f"Bearer {self.api_key}",
|
| 356 |
-
"Content-Type": "application/json"
|
| 357 |
-
}
|
| 358 |
-
|
| 359 |
-
data = {
|
| 360 |
-
"model": "gpt-4o-mini",
|
| 361 |
-
"messages": [
|
| 362 |
-
{"role": "system", "content": system_msg},
|
| 363 |
-
{"role": "user", "content": anonymized_text}
|
| 364 |
-
],
|
| 365 |
-
"max_tokens": 2000,
|
| 366 |
-
"temperature": 0.7
|
| 367 |
-
}
|
| 368 |
-
|
| 369 |
-
response = requests.post(
|
| 370 |
-
"https://api.openai.com/v1/chat/completions",
|
| 371 |
-
headers=headers,
|
| 372 |
-
json=data,
|
| 373 |
-
timeout=30
|
| 374 |
-
)
|
| 375 |
-
|
| 376 |
-
if response.status_code == 200:
|
| 377 |
-
result = response.json()
|
| 378 |
-
return result['choices'][0]['message']['content']
|
| 379 |
-
else:
|
| 380 |
-
error_data = response.json() if response.content else {}
|
| 381 |
-
error_message = error_data.get('error', {}).get('message', response.text)
|
| 382 |
-
return f"⚠ API Error: {error_message}"
|
| 383 |
-
|
| 384 |
-
except Exception as e:
|
| 385 |
-
return f"⚠ Error connecting to ChatGPT: {str(e)}" if lang == 'en' else f"⚠ خطا در ارتباط با ChatGPT: {str(e)}"
|
| 386 |
-
|
| 387 |
-
def deanonymize_response(self, gpt_response, lang='fa'):
|
| 388 |
-
"""بازگردانی"""
|
| 389 |
-
try:
|
| 390 |
-
if not gpt_response or not gpt_response.strip():
|
| 391 |
-
return "⚠ ChatGPT response is empty!" if lang == 'en' else "⚠ پاسخ ChatGPT خالی است!"
|
| 392 |
-
|
| 393 |
-
if not self.mapping_table:
|
| 394 |
-
return "⚠ Mapping table is empty!" if lang == 'en' else "⚠ جدول نگاشت خالی است!"
|
| 395 |
-
|
| 396 |
-
final_result = gpt_response
|
| 397 |
-
reverse_mapping = {code: original for original, code in self.mapping_table.items()}
|
| 398 |
-
|
| 399 |
-
sorted_codes = sorted(reverse_mapping.items(), key=lambda x: len(x[0]), reverse=True)
|
| 400 |
-
for code, original in sorted_codes:
|
| 401 |
-
final_result = final_result.replace(code, original)
|
| 402 |
-
|
| 403 |
-
return final_result
|
| 404 |
-
|
| 405 |
-
except Exception as e:
|
| 406 |
-
return f"⚠ Deanonymization error: {str(e)}" if lang == 'en' else f"⚠ خطا در بازگردانی: {str(e)}"
|
| 407 |
-
|
| 408 |
-
def get_model_status(self):
|
| 409 |
-
"""وضعیت سیستم"""
|
| 410 |
-
status = "🚀 **سیستم ناشناسسازی بهبود یافته - نسخه اصلاح شده:**\n\n"
|
| 411 |
-
|
| 412 |
-
status += "• **مشکلات حل شده:**\n"
|
| 413 |
-
status += " ✅ آدرس کامل به عنوان یک entity واحد\n"
|
| 414 |
-
status += " ✅ حذف کلمات عمومی مثل 'همین بانک'\n"
|
| 415 |
-
status += " ✅ اولویتبندی بهتر برای آدرس کامل\n"
|
| 416 |
-
status += " ✅ جداسازی دقیق کد ملی از شماره تلفن\n"
|
| 417 |
-
status += " ✅ جداسازی مبالغ مالی از شماره تلفن\n"
|
| 418 |
-
status += " ✅ شماره حساب و کارت بانکی جداگانه\n"
|
| 419 |
-
status += " ✅ شناسایی کدهای 11 رقمی شرکتها\n"
|
| 420 |
-
status += " ✅ تشخیص بانکهای معروف ایران\n"
|
| 421 |
-
status += " ✅ شناسایی سازمانهای دولتی و نهادهای رسمی\n\n"
|
| 422 |
-
|
| 423 |
-
status += "• **بهبودهای الگو:**\n"
|
| 424 |
-
status += " 🎯 الگوی جامع برای آدرس کامل فارسی\n"
|
| 425 |
-
status += " 🎯 فیلتر کلمات عمومی\n"
|
| 426 |
-
status += " 🎯 اولویتبندی بهتر پردازش\n"
|
| 427 |
-
status += " 🎯 حذف تداخلهای غلط\n"
|
| 428 |
-
status += " 🎯 الگوهای دقیق برای کدهای 11 رقمی\n"
|
| 429 |
-
status += " 🎯 شناسایی بانکهای ایرانی مشهور\n"
|
| 430 |
-
status += " 🎯 تشخیص نهادهای دولتی و رسمی\n\n"
|
| 431 |
-
|
| 432 |
-
status += f"�� **دستهبندیهای موجود:**\n"
|
| 433 |
-
for cat_key, cat_info in self.pattern_categories.items():
|
| 434 |
-
icon = cat_info['icon']
|
| 435 |
-
name_fa = cat_info['name_fa']
|
| 436 |
-
pattern_count = len(cat_info['patterns'])
|
| 437 |
-
status += f" {icon} {name_fa}: {pattern_count} الگو\n"
|
| 438 |
-
|
| 439 |
-
status += "\n🔧 **اصلاحات اخیر:**\n"
|
| 440 |
-
status += " ✅ آدرس کامل: تهران، خیابان ولیعصر، کوچه نیلوفر، پلاک 128، طبقه سوم → full_address_001\n"
|
| 441 |
-
status += " ✅ آدرس کامل: کرج، شهرک اندیشه، خیابان گلستان، پلاک 45 → full_address_002\n"
|
| 442 |
-
status += " ✅ فیلتر: 'همین بانک' حذف شد\n"
|
| 443 |
-
status += " ✅ کد 11 رقمی: 10987654321 → id_number_001\n"
|
| 444 |
-
status += " ✅ بانک ملی → company_001\n"
|
| 445 |
-
status += " ✅ بانک مرکزی جمهوری اسلامی ایران → government_001\n"
|
| 446 |
-
|
| 447 |
-
return status
|
| 448 |
-
|
| 449 |
-
# ایجاد instance
|
| 450 |
-
anonymizer = ImprovedDataAnonymizer()
|
| 451 |
-
|
| 452 |
-
def process_all_steps(input_text, language, selected_categories):
|
| 453 |
-
"""پردازش خودکار تمام مراحل - نسخه اصلاح شده"""
|
| 454 |
-
lang = 'en' if language == 'English' else 'fa'
|
| 455 |
-
|
| 456 |
-
if not input_text.strip():
|
| 457 |
-
error_msg = "⚠ Please enter input text!" if lang == 'en' else "⚠ لطفاً متن ورودی را وارد کنید!"
|
| 458 |
-
return error_msg, "", "", ""
|
| 459 |
-
|
| 460 |
-
try:
|
| 461 |
-
start_time = time.time()
|
| 462 |
-
|
| 463 |
-
anonymized_text = anonymizer.anonymize_text(input_text, lang, selected_categories)
|
| 464 |
-
if anonymized_text.startswith("⚠"):
|
| 465 |
-
return anonymized_text, "", "", ""
|
| 466 |
-
|
| 467 |
-
gpt_response = anonymizer.send_to_chatgpt(anonymized_text, lang)
|
| 468 |
-
if gpt_response.startswith("⚠"):
|
| 469 |
-
entities_found = len(anonymizer.mapping_table)
|
| 470 |
-
selected_count = len(selected_categories) if selected_categories else 0
|
| 471 |
-
|
| 472 |
-
success_msg = (f"✅ ناشناسسازی اصلاح شده انجام شد!\n"
|
| 473 |
-
f"📋 دستههای انتخابی: {selected_count} | 🔍 پردازش کدهای 11 رقمی و بانکها\n"
|
| 474 |
-
f"📊 کل entities محافظت شده: {entities_found} | 🎯 مشکلات کدهای ملی، بانکها و سازمانها حل شده!")
|
| 475 |
-
return success_msg, anonymized_text, gpt_response, ""
|
| 476 |
-
|
| 477 |
-
final_result = anonymizer.deanonymize_response(gpt_response, lang)
|
| 478 |
-
|
| 479 |
-
total_time = time.time() - start_time
|
| 480 |
-
entities_found = len(anonymizer.mapping_table)
|
| 481 |
-
selected_count = len(selected_categories) if selected_categories else 7
|
| 482 |
-
|
| 483 |
-
success_msg = (f"🎉 ناشناسسازی کامل و بازگردانی موفق!\n"
|
| 484 |
-
f"🔧 روش: پردازش اصلاح شده + کدهای 11 رقمی + بانکها | 📋 دستهها: {selected_count}/7\n"
|
| 485 |
-
f"📊 کل: {entities_found} entities | ⏱️ زمان: {total_time:.2f}s\n"
|
| 486 |
-
f"⚡ مشکلات کدهای 11 رقمی، بانکها و سازمانهای دولتی حل شدند!")
|
| 487 |
-
|
| 488 |
-
return success_msg, anonymized_text, gpt_response, final_result
|
| 489 |
-
|
| 490 |
-
except Exception as e:
|
| 491 |
-
error_msg = f"⚠ Processing error: {str(e)}" if lang == 'en' else f"⚠ خطا در پردازش: {str(e)}"
|
| 492 |
-
return error_msg, "", "", ""
|
| 493 |
-
|
| 494 |
-
def get_mapping_table(language):
|
| 495 |
-
"""نمایش جدول نگاشت"""
|
| 496 |
-
lang = 'en' if language == 'English' else 'fa'
|
| 497 |
-
|
| 498 |
-
if not anonymizer.mapping_table:
|
| 499 |
-
return "⚠ Mapping table is empty!" if lang == 'en' else "⚠ جدول نگاشت خالی است!"
|
| 500 |
-
|
| 501 |
-
result = "📋 **جدول نگاشت اصلاح شده:**\n\n"
|
| 502 |
-
|
| 503 |
-
# نمایش آمار کلی
|
| 504 |
-
result += f"📊 **آمار**: {len(anonymizer.mapping_table)} entity\n"
|
| 505 |
-
result += f"🔍 **روش**: پردازش آدرس کامل اصلاح شده\n"
|
| 506 |
-
result += f"⚡ **حالت**: شناسایی دقیق entities و فیلتر کلمات عمومی\n\n"
|
| 507 |
-
|
| 508 |
-
# دستهبندی نتایج
|
| 509 |
-
category_stats = {}
|
| 510 |
-
for original, code in anonymizer.mapping_table.items():
|
| 511 |
-
category = code.split('_')[0].upper()
|
| 512 |
-
if category not in category_stats:
|
| 513 |
-
category_stats[category] = []
|
| 514 |
-
category_stats[category].append((original, code))
|
| 515 |
-
|
| 516 |
-
# نمایش نتایج بر اساس دستهبندی
|
| 517 |
-
for category, items in category_stats.items():
|
| 518 |
-
if len(items) > 0:
|
| 519 |
-
result += f"🔍 **{category}** ({len(items)} مورد):\n"
|
| 520 |
-
for original, code in items:
|
| 521 |
-
result += f" • `{original}` → `{code}`\n"
|
| 522 |
-
result += "\n"
|
| 523 |
-
|
| 524 |
-
result += "✨ **سیستم اصلاح شده**: تشخیص آدرس کامل و حذف کلمات عمومی!"
|
| 525 |
-
|
| 526 |
-
return result
|
| 527 |
-
|
| 528 |
-
def clear_all():
|
| 529 |
-
"""پاک کردن همه"""
|
| 530 |
-
anonymizer.mapping_table = {}
|
| 531 |
-
anonymizer.counters = {key: 0 for key in anonymizer.counters.keys()}
|
| 532 |
-
return "", "", "", "", ""
|
| 533 |
-
|
| 534 |
-
# رابط کاربری Gradio
|
| 535 |
-
custom_css = """
|
| 536 |
-
body, .gradio-container {
|
| 537 |
-
font-family: 'Segoe UI', Tahoma, Arial, sans-serif !important;
|
| 538 |
-
background: linear-gradient(135deg, #667eea 0%, #764ba2 100%) !important;
|
| 539 |
-
min-height: 100vh !important;
|
| 540 |
-
padding: 20px !important;
|
| 541 |
-
}
|
| 542 |
-
|
| 543 |
-
.gradio-textbox {
|
| 544 |
-
border-radius: 10px !important;
|
| 545 |
-
box-shadow: 0 4px 15px rgba(0,0,0,0.1) !important;
|
| 546 |
-
min-height: 300px !important;
|
| 547 |
-
}
|
| 548 |
-
|
| 549 |
-
.status-box {
|
| 550 |
-
background: linear-gradient(135deg, #4CAF50, #45a049) !important;
|
| 551 |
-
border: 3px solid #2E7D32 !important;
|
| 552 |
-
border-radius: 15px !important;
|
| 553 |
-
padding: 15px !important;
|
| 554 |
-
margin: 10px 0 !important;
|
| 555 |
-
box-shadow: 0 8px 32px rgba(76, 175, 80, 0.3) !important;
|
| 556 |
-
}
|
| 557 |
-
|
| 558 |
-
.gradio-button {
|
| 559 |
-
border-radius: 25px !important;
|
| 560 |
-
font-weight: bold !important;
|
| 561 |
-
transition: all 0.3s ease !important;
|
| 562 |
-
margin: 5px 0 !important;
|
| 563 |
-
min-height: 50px !important;
|
| 564 |
-
}
|
| 565 |
-
|
| 566 |
-
h1 {
|
| 567 |
-
background: linear-gradient(45deg, #FFD700, #FFA500) !important;
|
| 568 |
-
-webkit-background-clip: text !important;
|
| 569 |
-
-webkit-text-fill-color: transparent !important;
|
| 570 |
-
background-clip: text !important;
|
| 571 |
-
text-align: center !important;
|
| 572 |
-
}
|
| 573 |
-
"""
|
| 574 |
-
|
| 575 |
-
with gr.Blocks(title="🔧 سیستم ناشناسسازی اصلاح شده - کدهای 11 رقمی + بانکها", theme=gr.themes.Soft(), css=custom_css) as app:
|
| 576 |
-
|
| 577 |
-
with gr.Column():
|
| 578 |
-
gr.HTML("<h1>🔧 سیستم ناشناسسازی اصلاح شده - حل مشکلات کدهای 11 رقمی و بانکها</h1>")
|
| 579 |
-
|
| 580 |
-
with gr.Row():
|
| 581 |
-
language_selector = gr.Radio(
|
| 582 |
-
choices=["فارسی", "English"],
|
| 583 |
-
value="فارسی",
|
| 584 |
-
label="Language / زبان",
|
| 585 |
-
interactive=True
|
| 586 |
-
)
|
| 587 |
-
|
| 588 |
-
# بخش انتخاب دستهبندیها
|
| 589 |
-
with gr.Row():
|
| 590 |
-
with gr.Column():
|
| 591 |
-
gr.HTML("<h3 style='text-align: center; color: #1976D2;'>🎯 انتخاب دستهبندیهای الگو</h3>")
|
| 592 |
-
|
| 593 |
-
pattern_categories = gr.CheckboxGroup(
|
| 594 |
-
choices=anonymizer.get_category_choices('fa'),
|
| 595 |
-
value=anonymizer.get_category_choices('fa'),
|
| 596 |
-
label="انتخاب دستهبندیهای الگو:",
|
| 597 |
-
interactive=True
|
| 598 |
-
)
|
| 599 |
-
|
| 600 |
-
gr.HTML("""
|
| 601 |
-
<div style='background: rgba(255, 255, 255, 0.9); padding: 15px; border-radius: 10px; margin-top: 10px;'>
|
| 602 |
-
<p style='margin: 0; color: #666; font-size: 0.9em; text-align: center;'>
|
| 603 |
-
🔧 <strong>اصلاحات:</strong> کدهای 11 رقمی شرکتها، بانکهای ایرانی، سازمانهای دولتی، آدرس کامل، حذف کلمات عمومی
|
| 604 |
-
</p>
|
| 605 |
-
</div>
|
| 606 |
-
""")
|
| 607 |
-
|
| 608 |
-
with gr.Row():
|
| 609 |
-
with gr.Column(scale=1):
|
| 610 |
-
gr.HTML('<h2>🔍 متن ورودی</h2>')
|
| 611 |
-
|
| 612 |
-
input_text = gr.Textbox(
|
| 613 |
-
lines=15,
|
| 614 |
-
placeholder="متن اصلی خود را اینجا وارد کنید...\nمثال متن مشکلدار شما:\nآقای علی احمدی با کد ملی 0123456789 در تاریخ 1402/09/15 درخواست تسهیلات بانکی به مبلغ 500000000 تومان از شعبه مرکزی بانک ملی ارائه نموده است. ایشان ساکن تهران، خیابان ولیعصر، کوچه نیلوفر، پلاک 128، طبقه سوم بوده و شماره تماس 09123456789 را اعلام نمودهاند...\n\n🆕 نمونههای جدید:\nشرکت پتروشیمی تبریز با شناسه اقتصادی 10987654321 قرارداد با بانک صادرات امضا کرد. دفتر اسناد رسمی شماره 45 تهران مدارک را تایید نمود. همچنین وزارت صنعت و سازمان ثبت اسناد نیز موافقت کردند.\n\n🔧 حالا مشکلات حل شدهاند!",
|
| 615 |
-
label="",
|
| 616 |
-
rtl=True
|
| 617 |
-
)
|
| 618 |
-
|
| 619 |
-
with gr.Row():
|
| 620 |
-
process_btn = gr.Button("🚀 پردازش با الگوهای اصلاح شده", variant="primary")
|
| 621 |
-
clear_btn = gr.Button("🗑️ پاک کردن همه", variant="stop")
|
| 622 |
-
|
| 623 |
-
status = gr.Textbox(
|
| 624 |
-
label="وضعیت",
|
| 625 |
-
lines=4,
|
| 626 |
-
interactive=False,
|
| 627 |
-
rtl=True,
|
| 628 |
-
elem_classes=["status-box"]
|
| 629 |
-
)
|
| 630 |
-
|
| 631 |
-
with gr.Column(scale=1):
|
| 632 |
-
gr.HTML('<h2>🎭 متن ناشناسشده</h2>')
|
| 633 |
-
|
| 634 |
-
anonymized_output = gr.Textbox(
|
| 635 |
-
lines=15,
|
| 636 |
-
placeholder="متن ناشناسشده اینجا نمایش داده میشود...\nانتظار میرود:\n- person_001 به جای آقای علی احمدی\n- full_address_001 به جای تهران، خیابان ولیعصر، کوچه نیلوفر، پلاک 128، طبقه سوم\n- amount_001 به جای 500000000 تومان\n- company_001 به جای بانک ملی\n- id_number_001 به جای کدهای 11 رقمی شرکتها\n- government_001 به جای دفتر اسناد رسمی\n- و سایر موارد...",
|
| 637 |
-
label="",
|
| 638 |
-
interactive=False,
|
| 639 |
-
rtl=True
|
| 640 |
-
)
|
| 641 |
-
|
| 642 |
-
with gr.Row():
|
| 643 |
-
with gr.Column(scale=1):
|
| 644 |
-
gr.HTML('<h2>🤖 پاسخ خام ChatGPT</h2>')
|
| 645 |
-
|
| 646 |
-
gpt_output = gr.Textbox(
|
| 647 |
-
lines=10,
|
| 648 |
-
placeholder="پاسخ خام ChatGPT اینجا نمایش داده میشود...",
|
| 649 |
-
label="",
|
| 650 |
-
interactive=False,
|
| 651 |
-
rtl=True
|
| 652 |
-
)
|
| 653 |
-
|
| 654 |
-
with gr.Column(scale=1):
|
| 655 |
-
gr.HTML('<h2>✅ پاسخ نهایی بازگردانده شده</h2>')
|
| 656 |
-
|
| 657 |
-
final_output = gr.Textbox(
|
| 658 |
-
lines=10,
|
| 659 |
-
placeholder="پاسخ نهایی اینجا نمایش داده میشود...",
|
| 660 |
-
label="",
|
| 661 |
-
interactive=False,
|
| 662 |
-
rtl=True
|
| 663 |
-
)
|
| 664 |
-
|
| 665 |
-
with gr.Row():
|
| 666 |
-
with gr.Column():
|
| 667 |
-
gr.HTML('<h2>📋 جدول نگاشت</h2>')
|
| 668 |
-
mapping_btn = gr.Button("📋 نمایش جدول نگاشت اصلاح شده")
|
| 669 |
-
|
| 670 |
-
mapping_output = gr.Textbox(
|
| 671 |
-
lines=15,
|
| 672 |
-
label="جدول نگاشت اطلاعات",
|
| 673 |
-
interactive=False,
|
| 674 |
-
visible=False,
|
| 675 |
-
rtl=True
|
| 676 |
-
)
|
| 677 |
-
|
| 678 |
-
with gr.Row():
|
| 679 |
-
with gr.Column():
|
| 680 |
-
gr.HTML('<h2>⚙️ وضعیت سیستم</h2>')
|
| 681 |
-
system_status_btn = gr.Button("📊 نمایش وضعیت سیستم اصلاح شده")
|
| 682 |
-
|
| 683 |
-
system_status_output = gr.Textbox(
|
| 684 |
-
lines=20,
|
| 685 |
-
label="وضعیت سیستم",
|
| 686 |
-
interactive=False,
|
| 687 |
-
visible=False,
|
| 688 |
-
rtl=True
|
| 689 |
-
)
|
| 690 |
-
|
| 691 |
-
# Event handlers
|
| 692 |
-
process_btn.click(
|
| 693 |
-
fn=process_all_steps,
|
| 694 |
-
inputs=[input_text, language_selector, pattern_categories],
|
| 695 |
-
outputs=[status, anonymized_output, gpt_output, final_output]
|
| 696 |
-
)
|
| 697 |
-
|
| 698 |
-
clear_btn.click(
|
| 699 |
-
fn=clear_all,
|
| 700 |
-
outputs=[input_text, anonymized_output, gpt_output, final_output, status]
|
| 701 |
-
)
|
| 702 |
-
|
| 703 |
-
mapping_btn.click(
|
| 704 |
-
fn=get_mapping_table,
|
| 705 |
-
inputs=[language_selector],
|
| 706 |
-
outputs=[mapping_output]
|
| 707 |
-
)
|
| 708 |
-
|
| 709 |
-
mapping_btn.click(
|
| 710 |
-
fn=lambda: gr.update(visible=True),
|
| 711 |
-
outputs=[mapping_output]
|
| 712 |
-
)
|
| 713 |
-
|
| 714 |
-
system_status_btn.click(
|
| 715 |
-
fn=lambda: anonymizer.get_model_status(),
|
| 716 |
-
outputs=[system_status_output]
|
| 717 |
-
)
|
| 718 |
-
|
| 719 |
-
system_status_btn.click(
|
| 720 |
-
fn=lambda: gr.update(visible=True),
|
| 721 |
-
outputs=[system_status_output]
|
| 722 |
-
)
|
| 723 |
-
|
| 724 |
-
if __name__ == "__main__":
|
| 725 |
-
logger.info("🔧 Starting Comprehensive Anonymization System...")
|
| 726 |
-
logger.info("✅ Fixed issues: کدهای 11 رقمی شرکتها، بانکهای ایرانی، سازمانهای دولتی، آدرس کامل، فیلتر کلمات عمومی")
|
| 727 |
-
logger.info("🎯 Ready for accurate detection of 11-digit company codes, Iranian banks, government organizations!")
|
| 728 |
-
|
| 729 |
-
app.launch(
|
| 730 |
-
share=False,
|
| 731 |
-
server_name="0.0.0.0",
|
| 732 |
-
server_port=7860,
|
| 733 |
-
show_error=True
|
| 734 |
-
)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|