Delete app.py

app.py

@@ -1,459 +0,0 @@
-import gradio as gr
-import re
-import os
-import requests
-import logging
-from typing import Dict, List, Tuple
-
-logging.basicConfig(level=logging.INFO)
-logger = logging.getLogger(__name__)
-
-class AnonymizerAdvanced:
-    """ناشناس‌ساز پیشرفته با روش‌های متعدد"""
-    
-    def __init__(self, cerebras_key: str = None, gpt_key: str = None):
-        self.cerebras_key = cerebras_key or os.getenv("CEREBRAS_API_KEY")
-        self.gpt_key = gpt_key or os.getenv("OPENAI_API_KEY")
-        self.mapping_table = {}  # {placeholder: original_text}
-        self.reverse_mapping = {}  # {original_text: placeholder}
-        
-        logger.info("✅ Anonymizer Advanced مقداردهی شد")
-    
-    def anonymize_with_regex(self, text: str) -> Tuple[str, Dict]:
-        """ناشناس‌سازی با Regex"""
-        logger.info("🔍 روش Regex...")
-        
-        anonymized = text
-        mapping = {}
-        counters = {'person': 0, 'company': 0, 'amount': 0, 'percent': 0}
-        
-        patterns = [
-            ('percent', r'\d+(?:\.\d+)?\s*(?:درصد|%|درصدی)'),
-            ('amount', r'\d+(?:\.\d+)?\s*(?:میلیارد|میلیون|هزار|تومان|ریال|دلار|تن|دستگاه|یورو)'),
-            ('company', r'(?:شرکت|بانک|سازمان|گروه|هلدینگ|گمرک|دپارتمان|شعبه|اداره)\s+[ء-ي]+(?:\s+[ء-ي]+)*'),
-            ('person', r'\b[ء-ي]+\s+[ء-ي]+(?:\s+[ء-ي]+)*\b'),
-        ]
-        
-        for entity_type, pattern in patterns:
-            for match in re.finditer(pattern, anonymized):
-                text_match = match.group()
-                key = text_match.lower().strip()
-                
-                if key not in mapping:
-                    counters[entity_type] += 1
-                    placeholder = f"{entity_type}-{counters[entity_type]:02d}"
-                    mapping[key] = {'placeholder': placeholder, 'type': entity_type}
-                    self.mapping_table[placeholder] = text_match
-                    self.reverse_mapping[text_match] = placeholder
-        
-        # جایگزینی متن
-        for original, info in mapping.items():
-            anonymized = anonymized.replace(original, info['placeholder'])
-        
-        logger.info(f"✅ Regex: {sum(counters.values())} موجودیت")
-        return anonymized, self.mapping_table
-    
-    def anonymize_with_cerebras(self, text: str) -> Tuple[str, Dict]:
-        """ناشناس‌سازی با Cerebras"""
-        logger.info("🧠 روش Cerebras...")
-        
-        if not self.cerebras_key:
-            logger.warning("⚠️ Cerebras API Key نیست - استفاده از Regex")
-            return self.anonymize_with_regex(text)
-        
-        try:
-            prompt = f"""متن زیر را ناشناس کنید. قوانین:
-1. اسامی اشخاص → person-01, person-02, ...
-2. نام شرکت‌ها/سازمان‌ها → company-01, company-02, ...
-3. مقادیر پولی → amount-01, amount-02, ...
-4. درصدها → percent-01, percent-02, ...
-5. فقط این توکن‌ها استفاده کنید
-6. شماره‌های نسخه را درست حفظ کنید
-7. اگر موجودیت تکرار شود از شماره قدیمی استفاده کنید
-
-متن:
-{text}
-
-خروجی: فقط متن ناشناس شده"""
-            
-            response = requests.post(
-                "https://api.cerebras.ai/v1/chat/completions",
-                headers={
-                    "Authorization": f"Bearer {self.cerebras_key}",
-                    "Content-Type": "application/json"
-                },
-                json={
-                    "model": "llama-3.3-70b",
-                    "messages": [{"role": "user", "content": prompt}],
-                    "max_tokens": 4096,
-                    "temperature": 0.1
-                },
-                timeout=60
-            )
-            
-            if response.status_code == 200:
-                anonymized_text = response.json()['choices'][0]['message']['content'].strip()
-                logger.info("✅ Cerebras: موفق")
-                
-                # استخراج mapping از متن
-                self._extract_mapping_from_text(text, anonymized_text)
-                return anonymized_text, self.mapping_table
-            else:
-                logger.error(f"❌ Cerebras Error")
-                return self.anonymize_with_regex(text)
-                
-        except Exception as e:
-            logger.error(f"❌ Cerebras Exception: {e}")
-            return self.anonymize_with_regex(text)
-    
-    def anonymize_combined(self, text: str) -> Tuple[str, Dict]:
-        """روش ترکیبی: Regex + Cerebras"""
-        logger.info("⚙️ روش ترکیبی...")
-        
-        # Step 1: Regex برای شناسایی سریع
-        anonymized_regex, _ = self.anonymize_with_regex(text)
-        
-        # Step 2: اگر Cerebras موجود باشد، بهبود دهد
-        if self.cerebras_key:
-            try:
-                prompt = f"""متن اصلی:
-{text}
-
-متن ناشناس شده توسط Regex:
-{anonymized_regex}
-
-قوانین:
-1. تمام موجودیت‌های حساس را شناسایی کنید
-2. اگر Regex چیزی را از دست داده است، اضافه کنید
-3. شماره‌گذاری را حفظ کنید (person-01 همان person-01 بماند)
-4. تنها متن ناشناس شده را برگردانید"""
-                
-                response = requests.post(
-                    "https://api.cerebras.ai/v1/chat/completions",
-                    headers={
-                        "Authorization": f"Bearer {self.cerebras_key}",
-                        "Content-Type": "application/json"
-                    },
-                    json={
-                        "model": "llama-3.3-70b",
-                        "messages": [{"role": "user", "content": prompt}],
-                        "max_tokens": 4096,
-                        "temperature": 0.1
-                    },
-                    timeout=60
-                )
-                
-                if response.status_code == 200:
-                    enhanced = response.json()['choices'][0]['message']['content'].strip()
-                    self._extract_mapping_from_text(text, enhanced)
-                    logger.info("✅ ترکیبی: بهبود شده")
-                    return enhanced, self.mapping_table
-            except:
-                pass
-        
-        logger.info("✅ ترکیبی: Regex نتیجه")
-        return anonymized_regex, self.mapping_table
-    
-    def _extract_mapping_from_text(self, original: str, anonymized: str):
-        """استخراج mapping از متن‌های اصلی و ناشناس شده"""
-        # الگوهای موجودیت
-        patterns = {
-            'person': r'\b[ء-ي]+\s+[ء-ي]+(?:\s+[ء-ي]+)*\b',
-            'company': r'(?:شرکت|بانک|سازمان|گروه|هلدینگ)\s+[ء-ي]+(?:\s+[ء-ي]+)*',
-            'amount': r'\d+\s*(?:میلیارد|میلیون|هزار|تومان|ریال|دلار|تن)',
-            'percent': r'\d+\s*(?:درصد|%|درصدی)',
-        }
-        
-        for entity_type, pattern in patterns.items():
-            for match in re.finditer(pattern, original):
-                text_match = match.group()
-                tokens = re.findall(f'{entity_type}-\\d+', anonymized)
-                if tokens:
-                    for token in tokens:
-                        if token not in self.mapping_table:
-                            self.mapping_table[token] = text_match
-                            self.reverse_mapping[text_match] = token
-    
-    def analyze_with_gpt(self, anonymized_text: str) -> str:
-        """تحلیل متن ناشناس‌شده با ChatGPT"""
-        logger.info("🤖 ChatGPT تحلیل...")
-        
-        if not self.gpt_key:
-            logger.warning("⚠️ GPT API Key نیست")
-            return "❌ API Key موجود نیست"
-        
-        try:
-            prompt = f"""متن مالی ناشناس‌شده زیر را تحلیل و خلاصه کنید:
-
-متن:
-{anonymized_text}
-
-لطفاً:
-1. خلاصه‌ای مختصر و معنادار بنویسید
-2. نکات اصلی را مشخص کنید
-3. تمام توکن‌های ناشناس (person-01, company-01, amount-01, percent-01) را حفظ کنید
-4. تنها اطلاعات موجود در متن را بیان کنید"""
-            
-            response = requests.post(
-                "https://api.openai.com/v1/chat/completions",
-                headers={
-                    "Authorization": f"Bearer {self.gpt_key}",
-                    "Content-Type": "application/json"
-                },
-                json={
-                    "model": "gpt-4o-mini",
-                    "messages": [
-                        {
-                            "role": "system",
-                            "content": "شما دستیار تحلیل متون مالی فارسی هستید. توکن‌های ناشناس را حفظ کنید."
-                        },
-                        {"role": "user", "content": prompt}
-                    ],
-                    "max_tokens": 1500,
-                    "temperature": 0.7
-                },
-                timeout=60
-            )
-            
-            if response.status_code == 200:
-                gpt_response = response.json()['choices'][0]['message']['content']
-                logger.info("✅ ChatGPT: تحلیل کامل")
-                return gpt_response
-            else:
-                logger.error(f"❌ GPT Error: {response.status_code}")
-                return "❌ خطای ChatGPT"
-                
-        except Exception as e:
-            logger.error(f"❌ GPT Exception: {e}")
-            return f"❌ خطا: {str(e)}"
-    
-    def restore_text(self, anonymized_text: str) -> str:
-        """بازگردانی متن اصلی"""
-        logger.info("🔄 بازگردانی...")
-        
-        restored = anonymized_text
-        for placeholder, original in sorted(self.mapping_table.items()):
-            restored = restored.replace(placeholder, original)
-        
-        logger.info("✅ بازگردانی کامل")
-        return restored
-    
-    def get_mapping_table_md(self) -> str:
-        """تبدیل جدول نگاشت به Markdown"""
-        if not self.mapping_table:
-            return "### 📋 جدول نگاشت\n\nهیچ موجودیتی شناسایی نشد"
-        
-        table = "### 📋 جدول نگاشت\n\n"
-        table += "| شناسه | متن اصلی |\n"
-        table += "|-------|----------|\n"
-        
-        for token, original in sorted(self.mapping_table.items()):
-            table += f"| **{token}** | {original} |\n"
-        
-        return table
-
-# متغیر سراسری
-anonymizer = None
-
-def process(input_text: str, method: str = "combined"):
-    """پردازش متن - 4 مرحله"""
-    global anonymizer
-    
-    if not input_text.strip():
-        return "", "", "", ""
-    
-    cerebras_key = os.getenv("CEREBRAS_API_KEY")
-    gpt_key = os.getenv("OPENAI_API_KEY")
-    
-    if not anonymizer:
-        anonymizer = AnonymizerAdvanced(cerebras_key, gpt_key)
-    else:
-        anonymizer.mapping_table = {}
-        anonymizer.reverse_mapping = {}
-    
-    try:
-        logger.info("=" * 70)
-        logger.info(f"🚀 شروع پردازش - روش: {method}")
-        logger.info("=" * 70)
-        
-        # ============================================
-        # مرحله 1: ناشناس‌سازی
-        # ============================================
-        logger.info("📝 مرحله 1: ناشناس‌سازی...")
-        
-        if method == "regex":
-            anonymized_text, _ = anonymizer.anonymize_with_regex(input_text)
-        elif method == "cerebras":
-            anonymized_text, _ = anonymizer.anonymize_with_cerebras(input_text)
-        else:  # combined
-            anonymized_text, _ = anonymizer.anonymize_combined(input_text)
-        
-        logger.info(f"✅ ناشناس‌سازی: {len(anonymized_text)} کاراکتر")
-        
-        # ============================================
-        # مرحله 2: تحلیل ChatGPT
-        # ============================================
-        logger.info("🤖 مرحله 2: تحلیل ChatGPT...")
-        gpt_response = anonymizer.analyze_with_gpt(anonymized_text)
-        logger.info(f"✅ تحلیل: {len(gpt_response)} کاراکتر")
-        
-        # ============================================
-        # مرحله 3: بازگردانی
-        # ============================================
-        logger.info("🔄 مرحله 3: بازگردانی...")
-        restored_text = anonymizer.restore_text(anonymized_text)
-        logger.info("✅ بازگردانی کامل")
-        
-        # ============================================
-        # مرحله 4: جدول نگاشت
-        # ============================================
-        logger.info("📋 مرحله 4: جدول نگاشت...")
-        mapping_str = anonymizer.get_mapping_table_md()
-        logger.info(f"✅ {len(anonymizer.mapping_table)} موجودیت")
-        
-        logger.info("=" * 70)
-        logger.info("✅ تمام مراحل کامل!")
-        logger.info("=" * 70)
-        
-        return anonymized_text, gpt_response, restored_text, mapping_str
-        
-    except Exception as e:
-        logger.error(f"❌ خطا: {str(e)}", exc_info=True)
-        return "", f"❌ خطا: {str(e)}", "", ""
-
-def clear_all():
-    """پاک کردن همه"""
-    return "", "", "", ""
-
-# Gradio Interface
-css_rtl = """
-.input-box { direction: rtl; text-align: right; }
-.textbox textarea { direction: rtl; text-align: right; font-family: 'Tahoma', serif; }
-"""
-
-with gr.Blocks(title="سیستم ناشناس‌سازی متون", theme=gr.themes.Soft(), css=css_rtl) as app:
-    
-    gr.Markdown("# 🔐 سیستم ناشناس‌سازی متون مالی فارسی", elem_classes="input-box")
-    gr.Markdown("#### استخراج و ناشناس‌سازی موجودیت‌های حساس", elem_classes="input-box")
-    
-    # ============================================
-    # صفحه اول: ورودی (راست) + دکمه‌ها (چپ)
-    # ============================================
-    with gr.Row():
-        # سمت راست: متن ورودی (بزرگ‌تر)
-        with gr.Column(scale=3):
-            input_text = gr.Textbox(
-                lines=14,
-                placeholder="متن مالی/خبری را وارد کنید...",
-                label="📝 متن ورودی",
-                elem_classes="textbox"
-            )
-        
-        # سمت چپ: دکمه‌ها و تنظیمات
-        with gr.Column(scale=1):
-            gr.Markdown("### ⚙️ تنظیمات", elem_classes="input-box")
-            
-            method = gr.Radio(
-                ["regex", "cerebras", "combined"],
-                value="combined",
-                label="🔧 روش پردازش",
-                elem_classes="input-box"
-            )
-            
-            gr.Markdown("---")
-            
-            with gr.Column():
-                process_btn = gr.Button(
-                    "▶️ پردازش",
-                    variant="primary",
-                    size="lg"
-                )
-                
-                clear_btn = gr.Button(
-                    "🗑️ پاک کردن",
-                    variant="stop",
-                    size="lg"
-                )
-    
-    # ============================================
-    # صفحه دوم: 3 باکس نتایج (وسط)
-    # ============================================
-    gr.Markdown("---")
-    gr.Markdown("## 📊 نتایج پردازش", elem_classes="input-box")
-    
-    with gr.Row():
-        # باکس 1: متن ناشناس‌شده (راست)
-        with gr.Column(scale=1):
-            anonymized_text = gr.Textbox(
-                lines=12,
-                label="🔒 متن ناشناس‌شده",
-                interactive=False,
-                elem_classes="textbox"
-            )
-        
-        # باکس 2: تحلیل ChatGPT (وسط)
-        with gr.Column(scale=1):
-            gpt_analysis = gr.Textbox(
-                lines=12,
-                label="🤖 تحلیل ChatGPT",
-                interactive=False,
-                elem_classes="textbox"
-            )
-        
-        # باکس 3: متن بازگردانی شده (چپ)
-        with gr.Column(scale=1):
-            restored_text = gr.Textbox(
-                lines=12,
-                label="✅ متن بازگردانی شده",
-                interactive=False,
-                elem_classes="textbox"
-            )
-    
-    # ============================================
-    # پایین: جدول نگاشت
-    # ============================================
-    gr.Markdown("---")
-    
-    mapping_table = gr.Textbox(
-        lines=10,
-        label="📋 جدول نگاشت",
-        interactive=False,
-        elem_classes="textbox"
-    )
-    
-    # ============================================
-    # Event Handlers
-    # ============================================
-    process_btn.click(
-        fn=process,
-        inputs=[input_text, method],
-        outputs=[anonymized_text, gpt_analysis, restored_text, mapping_table]
-    )
-    
-    clear_btn.click(
-        fn=clear_all,
-        outputs=[input_text, anonymized_text, gpt_analysis, restored_text, mapping_table]
-    )
-
-if __name__ == "__main__":
-    print("\n" + "=" * 70)
-    print("🚀 سیستم ناشناس‌سازی متون در حال راه‌اندازی...")
-    print("=" * 70)
-    print("\n📋 نحوه استفاده:\n")
-    print("1. CEREBRAS_API_KEY و OPENAI_API_KEY را تنظیم کنید (اختیاری)")
-    print("2. http://localhost:7860 را باز کنید")
-    print("3. متن را وارد کنید")
-    print("4. روش را انتخاب کنید (توصیه: ترکیبی)")
-    print("5. 'پردازش' را کلیک کنید\n")
-    print("روش‌های دستیس:")
-    print("  ✅ regex: سریع، بدون API")
-    print("  ✅ cerebras: دقیق، با API Cerebras")
-    print("  ✅ combined: بهترین (ترکیبی)\n")
-    print("=" * 70 + "\n")
-    
-    app.launch(
-        server_name="0.0.0.0",
-        server_port=7860,
-        share=False,
-        show_error=True
-    )