Update app.py

app.py

@@ -1,6 +1,5 @@
 import streamlit as st
 from transformers import pipeline
-import re
 import time
 
 # تحميل النموذج
@@ -9,142 +8,61 @@ classifier = pipeline("zero-shot-classification", model="cross-encoder/nli-disti
 # عنوان التطبيق
 st.title("Text Classification App")
 
-# اختيار العملية
-operation = st.radio("Choose an operation:", ["Filter Keywords", "Extra & Filter Param (URLs)"])
-
 # إدخال الملف النصي
-uploaded_file = st.file_uploader("Upload a text file", type=["txt"])
+uploaded_file = st.file_uploader("Upload a text file containing keywords", type=["txt"])
 
 if uploaded_file is not None:
     # قراءة الملف النصي
     content = uploaded_file.read().decode("utf-8")
-    items = [line.strip() for line in content.splitlines() if line.strip()]
+    keywords = [line.strip() for line in content.splitlines() if line.strip()]
 
     # تحديد الفئات
-    categories = ["shop", "game", "stream"]
-
-    # قوائم لتخزين النتائج
-    shopping_items = []
-    gaming_items = []
-    streaming_items = []
-    unknown_items = []
-
-    # قوائم خاصة بالباراميترات
-    param_categories = {
-        "shop_params": [],
-        "game_params": [],
-        "stream_params": [],
-        "unknown_params": []
-    }
+    categories = ["shopping", "gaming", "streaming"]
 
-    # قائمة لتحليل الصيغ (Extensions)
-    extensions = {}
-
-    # قائمة لتحليل أنماط الصفحات الكاملة (Full PageType)
-    full_page_types = []
+    # قوائم لتخزين الكلمات حسب الفئة
+    shopping_words = []
+    gaming_words = []
+    streaming_words = []
+    unknown_words = []  # قائمة جديدة للكلمات غير المعروفة
 
     # متغيرات للتحكم في العملية
     progress_bar = st.progress(0)
     pause_button = st.button("Pause")
     stop_button = st.button("Stop")
-    continue_button = st.button("Continue")
+    continue_button = st.button("Continue")  # زر جديد للاستمرار
     paused = False
     stopped = False
     current_index = 0  # مؤشر للكلمة الحالية
-    batch_size = 10  # عدد العناصر التي يتم معالجتها في الدفعة الواحدة
 
-    # دالة تصنيف الكلمات باستخدام الدفعات
-    def classify_keywords_batch(items, categories, start_index=0):
-        global paused, stopped, current_index
-        total_items = len(items)
-        for i in range(start_index, total_items, batch_size):
+    # دالة تصنيف الكلمات
+    def classify_keywords(keywords, categories, start_index=0):
+        global paused, stopped, current_index  # استخدام المتغيرات العالمية
+        total_keywords = len(keywords)
+        for i, word in enumerate(keywords[start_index:], start=start_index):
+            current_index = i  # تحديث المؤشر الحالي
             if stopped:
                 break
             if paused:
-                time.sleep(0.5)
+                time.sleep(0.5)  # توقف مؤقت عند الضغط على Pause
                 continue
 
-            # معالجة دفعة من العناصر
-            batch = items[i:i + batch_size]
-            results = classifier(batch, categories)
-
-            for j, result in enumerate(results):
-                best_category = result['labels'][0]
-                score = result['scores'][0]
-
-                if best_category == "shop" and score > 0.5:
-                    shopping_items.append(batch[j])
-                elif best_category == "game" and score > 0.5:
-                    gaming_items.append(batch[j])
-                elif best_category == "stream" and score > 0.5:
-                    streaming_items.append(batch[j])
-                else:
-                    unknown_items.append(batch[j])
-
-            # تحديث المؤشر الحالي
-            current_index = min(i + batch_size, total_items)  # تأكد من عدم تجاوز المؤشر للعدد الإجمالي
+            # تصنيف الكلمة
+            result = classifier(word, categories)
+            best_category = result['labels'][0]
+            score = result['scores'][0]
+
+            # إضافة الكلمة إلى القائمة المناسبة
+            if best_category == "shopping" and score > 0.5:
+                shopping_words.append(word)
+            elif best_category == "gaming" and score > 0.5:
+                gaming_words.append(word)
+            elif best_category == "streaming" and score > 0.5:
+                streaming_words.append(word)
+            else:
+                unknown_words.append(word)  # إضافة الكلمة إلى قائمة Unknown إذا لم تكن ضمن الفئات
 
             # تحديث شريط التقدم
-            progress = min((current_index) / total_items, 1.0)  # تأكد من أن قيمة التقدم لا تتجاوز 1.0
-            progress_bar.progress(progress)
-
-            # تحديث النتائج في الوقت الحقيقي
-            update_results()
-
-            # إبطاء العملية قليلاً للسماح بتحديث الواجهة
-            time.sleep(0.1)
-
-    # دالة تصنيف الباراميترات
-    def classify_parameters(items, categories, start_index=0):
-        global paused, stopped, current_index
-        total_items = len(items)
-        for i in range(start_index, total_items, batch_size):
-            if stopped:
-                break
-            if paused:
-                time.sleep(0.5)
-                continue
-
-            # معالجة دفعة من الروابط
-            batch = items[i:i + batch_size]
-            for url in batch:
-                # استخراج الباراميترات من الرابط باستخدام RegEx
-                params = re.findall(r'(\w+)=\w+', url)
-                for param in params:
-                    # تصنيف الباراميتر باستخدام zero-shot-classification
-                    result = classifier(param, categories)
-                    best_category = result['labels'][0]
-                    score = result['scores'][0]
-
-                    if best_category == "shop" and score > 0.5:
-                        param_categories["shop_params"].append(param)
-                    elif best_category == "game" and score > 0.5:
-                        param_categories["game_params"].append(param)
-                    elif best_category == "stream" and score > 0.5:
-                        param_categories["stream_params"].append(param)
-                    else:
-                        param_categories["unknown_params"].append(param)
-
-                # استخراج الصيغ (Extensions) من الروابط
-                match = re.search(r'\.([a-zA-Z0-9]+)$', url)
-                if match:
-                    ext = match.group(1)
-                    if ext not in extensions:
-                        extensions[ext] = 0
-                    extensions[ext] += 1
-
-                # استخراج أنماط الصفحات الكاملة (Full PageType)
-                page_type_match = re.search(r'(\w+\.php|\w+\.html)\?', url)
-                if page_type_match:
-                    page_type = page_type_match.group(1)
-                    if page_type not in full_page_types:
-                        full_page_types.append(page_type)
-
-            # تحديث المؤشر الحالي
-            current_index = min(i + batch_size, total_items)  # تأكد من عدم تجاوز المؤشر للعدد الإجمالي
-
-            # تحديث شريط التقدم
-            progress = min((current_index) / total_items, 1.0)  # تأكد من أن قيمة التقدم لا تتجاوز 1.0
+            progress = (current_index + 1) / total_keywords
             progress_bar.progress(progress)
 
             # تحديث النتائج في الوقت الحقيقي
@@ -155,40 +73,18 @@ if uploaded_file is not None:
 
     # دالة تحديث النتائج
     def update_results():
-        # تحديث محتوى المربعات النصية
-        st.session_state.shopping_text = "\n".join(shopping_items)
-        st.session_state.gaming_text = "\n".join(gaming_items)
-        st.session_state.streaming_text = "\n".join(streaming_items)
-        st.session_state.unknown_text = "\n".join(unknown_items)
-
-        # تحديث محتوى المربعات الخاصة بالباراميترات
-        st.session_state.shop_params = "\n".join(set(param_categories["shop_params"]))
-        st.session_state.game_params = "\n".join(set(param_categories["game_params"]))
-        st.session_state.stream_params = "\n".join(set(param_categories["stream_params"]))
-        st.session_state.unknown_params = "\n".join(set(param_categories["unknown_params"]))
-
-        # تحديث محتوى المربع الخاص بالصيغ
-        st.session_state.extensions_text = "\n".join(extensions.keys())
-
-        # تحديث محتوى المربع الخاص بأنماط الصفحات الكاملة
-        st.session_state.full_page_types = "\n".join(full_page_types)
-
-    # دالة تصدير النتائج
-    def export_results(key, filename):
-        with open(filename, "w") as f:
-            f.write(st.session_state[key])
-        st.success(f"Results exported to {filename}")
+        # تحديث محتوى المربعات النصية باستخدام session_state
+        st.session_state.shopping_text = "\n".join(shopping_words)
+        st.session_state.gaming_text = "\n".join(gaming_words)
+        st.session_state.streaming_text = "\n".join(streaming_words)
+        st.session_state.unknown_text = "\n".join(unknown_words)
 
     # زر البدء
     if st.button("Start"):
         stopped = False
         paused = False
-        current_index = 0
-
-        if operation == "Filter Keywords":
-            classify_keywords_batch(items, categories, start_index=current_index)
-        elif operation == "Extra & Filter Param (URLs)":
-            classify_parameters(items, categories, start_index=current_index)
+        current_index = 0  # إعادة تعيين المؤشر إلى البداية
+        classify_keywords(keywords, categories, start_index=current_index)
 
     # زر الإيقاف المؤقت
     if pause_button:
@@ -199,82 +95,22 @@ if uploaded_file is not None:
     if continue_button and paused:
         paused = False
         st.write("Classification resumed.")
-        if operation == "Filter Keywords":
-            classify_keywords_batch(items, categories, start_index=current_index)
-        elif operation == "Extra & Filter Param (URLs)":
-            classify_parameters(items, categories, start_index=current_index)
+        classify_keywords(keywords, categories, start_index=current_index)
 
     # زر التوقف الكامل
     if stop_button:
         stopped = True
         st.write("Classification stopped.")
 
-    # عرض النتائج بناءً على الخيار المختار
-    if operation == "Filter Keywords":
-        # عرض النتائج للكلمات المفتاحية
-        st.header("Shopping Keywords")
-        if 'shopping_text' not in st.session_state:
-            st.session_state.shopping_text = ""
-        st.text_area("Copy the shopping keywords here:", value=st.session_state.shopping_text, height=200, key="shopping")
-        st.button("Export Shopping Keywords", on_click=export_results, args=("shopping_text", "shopping_keywords.txt"))
-
-        st.header("Gaming Keywords")
-        if 'gaming_text' not in st.session_state:
-            st.session_state.gaming_text = ""
-        st.text_area("Copy the gaming keywords here:", value=st.session_state.gaming_text, height=200, key="gaming")
-        st.button("Export Gaming Keywords", on_click=export_results, args=("gaming_text", "gaming_keywords.txt"))
-
-        st.header("Streaming Keywords")
-        if 'streaming_text' not in st.session_state:
-            st.session_state.streaming_text = ""
-        st.text_area("Copy the streaming keywords here:", value=st.session_state.streaming_text, height=200, key="streaming")
-        st.button("Export Streaming Keywords", on_click=export_results, args=("streaming_text", "streaming_keywords.txt"))
-
-        st.header("Unknown Keywords")
-        if 'unknown_text' not in st.session_state:
-            st.session_state.unknown_text = ""
-        st.text_area("Copy the unknown keywords here:", value=st.session_state.unknown_text, height=200, key="unknown")
-        st.button("Export Unknown Keywords", on_click=export_results, args=("unknown_text", "unknown_keywords.txt"))
-
-    elif operation == "Extra & Filter Param (URLs)":
-        # عرض النتائج للباراميترات
-        st.header("Shop Parameters")
-        if 'shop_params' not in st.session_state:
-            st.session_state.shop_params = ""
-        st.text_area("Copy the shop parameters here:", value=st.session_state.shop_params, height=200, key="shop_params")
-        st.button("Export Shop Parameters", on_click=export_results, args=("shop_params", "shop_params.txt"))
-
-        st.header("Game Parameters")
-        if 'game_params' not in st.session_state:
-            st.session_state.game_params = ""
-        st.text_area("Copy the game parameters here:", value=st.session_state.game_params, height=200, key="game_params")
-        st.button("Export Game Parameters", on_click=export_results, args=("game_params", "game_params.txt"))
-
-        st.header("Stream Parameters")
-        if 'stream_params' not in st.session_state:
-            st.session_state.stream_params = ""
-        st.text_area("Copy the stream parameters here:", value=st.session_state.stream_params, height=200, key="stream_params")
-        st.button("Export Stream Parameters", on_click=export_results, args=("stream_params", "stream_params.txt"))
-
-        st.header("Unknown Parameters")
-        if 'unknown_params' not in st.session_state:
-            st.session_state.unknown_params = ""
-        st.text_area("Copy the unknown parameters here:", value=st.session_state.unknown_params, height=200, key="unknown_params")
-        st.button("Export Unknown Parameters", on_click=export_results, args=("unknown_params", "unknown_params.txt"))
-
-        # عرض الصيغ (Extensions)
-        st.header("File Extensions")
-        if 'extensions_text' not in st.session_state:
-            st.session_state.extensions_text = ""
-        st.text_area("Copy the file extensions here:", value=st.session_state.extensions_text, height=200, key="extensions")
-        st.button("Export File Extensions", on_click=export_results, args=("extensions_text", "file_extensions.txt"))
+    # عرض النتائج مرة واحدة فقط (بدون إعادة إنشاء العناصر)
+    st.header("Shopping Keywords")
+    if 'shopping_text' not in st.session_state:
+        st.session_state.shopping_text = ""
+    st.text_area("Copy the shopping keywords here:", value=st.session_state.shopping_text, height=200, key="shopping")
 
-        # عرض أنماط الصفحات الكاملة (Full PageType)
-        st.header("Full PageType")
-        if 'full_page_types' not in st.session_state:
-            st.session_state.full_page_types = ""
-        st.text_area("Copy the full page types here:", value=st.session_state.full_page_types, height=200, key="full_page_types")
-        st.button("Export Full PageTypes", on_click=export_results, args=("full_page_types", "full_page_types.txt"))
+    st.header("Gaming Keywords")
+    if 'gaming_text' not in st.session_state:
+        st.session_state.gaming_text = ""
+    st.text_area("Copy the gaming keywords here:", value=st.session_state.gaming_text, height=200, key="gaming")
 
-else:
-    st.warning("Please upload a text file to start classification.")
+    st.header("Streaming Keywords"