app.py

import streamlit as st
from transformers import pipeline
import re
import time

# تحميل النموذج
classifier = pipeline("zero-shot-classification", model="cross-encoder/nli-distilroberta-base")

# عنوان التطبيق
st.title("Keyword & URL Analysis App")

# اختيار العملية
operation = st.radio("Choose an operation:", ["Filter Keywords", "Analyze URLs"])

# إدخال الملف النصي
uploaded_file = st.file_uploader("Upload a text file", 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()]

    # تحديد الفئات
    categories = ["shop", "game", "stream"]

    # قوائم لتخزين النتائج (Keywords)
    shopping_items = []
    gaming_items = []
    streaming_items = []
    unknown_items = []

    # قوائم لتحليل الروابط
    parameters = []
    domains = []
    full_page_types = []
    file_extensions = []

    # متغيرات للتحكم في العملية
    progress_bar = st.progress(0)
    pause_button = st.button("Pause")
    stop_button = st.button("Stop")
    continue_button = st.button("Continue")
    paused = False
    stopped = False
    current_index = 0  # مؤشر للعنصر الحالي
    batch_size = 10  # عدد العناصر التي يتم معالجتها في الدفعة الواحدة

    # دالة تصنيف الكلمات المفتاحية 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):
            if stopped:
                break
            if paused:
                time.sleep(0.5)
                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)

            # تحديث شريط التقدم
            progress = min((current_index) / total_items, 1.0)
            progress_bar.progress(progress)

            # تحديث النتائج في الوقت الحقيقي
            update_results()

            # إبطاء العملية قليلاً للسماح بتحديث الواجهة
            time.sleep(0.1)

    # دالة تحليل الروابط
    def analyze_urls(urls, start_index=0):
        global paused, stopped, current_index
        total_items = len(urls)
        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 = urls[i:i + batch_size]
            for url in batch:
                # استخراج الباراميترات بدون '='
                params = re.findall(r'(\w+)=', url)
                parameters.extend(params)

                # استخراج الدومينات فقط (مثل .com, .org)
                domain_match = re.search(r'\.([a-zA-Z]{2,})$', url)
                if domain_match:
                    domain = domain_match.group(1)
                    if domain not in domains:
                        domains.append(domain)

                # استخراج أنماط الصفحات الكاملة (مثل product_detail.php?, index.php?)
                page_type_match = re.search(r'(\w+\.[a-z]+)\?', 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)

                # استخراج الصيغ (مثل php, phtml, asp) بدون باقي الرابط
                extension_match = re.search(r'\.([a-z]+)(\?|$)', url)
                if extension_match:
                    extension = extension_match.group(1)
                    if extension not in file_extensions:
                        file_extensions.append(extension)

            # تحديث المؤشر الحالي
            current_index = min(i + batch_size, total_items)

            # تحديث شريط التقدم
            progress = min((current_index) / total_items, 1.0)
            progress_bar.progress(progress)

            # تحديث النتائج في الوقت الحقيقي
            update_results()

            # إبطاء العملية قليلاً للسماح بتحديث الواجهة
            time.sleep(0.1)

    # دالة تحديث النتائج
    def update_results():
        # تحديث محتوى المربعات النصية للكلمات المفتاحية
        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 بالروابط
        st.session_state.parameters = "\n".join(set(parameters))
        st.session_state.domains = "\n".join(domains)
        st.session_state.full_page_types = "\n".join(full_page_types)
        st.session_state.file_extensions = "\n".join(file_extensions)

    # 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}")

    # 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 == "Analyze URLs":
            analyze_urls(items, start_index=current_index)

    # زر الإيقاف المؤقت
    if pause_button:
        paused = True
        st.write("Process paused.")

    # زر الاستمرار
    if continue_button and paused:
        paused = False
        st.write("Process resumed.")
        if operation == "Filter Keywords":
            classify_keywords_batch(items, categories, start_index=current_index)
        elif operation == "Analyze URLs":
            analyze_urls(items, start_index=current_index)

    # زر التوقف الكامل
    if stop_button:
        stopped = True
        st.write("Process 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 == "Analyze URLs":
        # عرض النتائج للروابط
        st.header("Parameters")
        if 'parameters' not in st.session_state:
            st.session_state.parameters = ""
        st.text_area("Copy the parameters here:", value=st.session_state.parameters, height=200, key="parameters")
        st.button("Export Parameters", on_click=export_results, args=("parameters", "parameters.txt"))

        st.header("Domains")
        if 'domains' not in st.session_state:
            st.session_state.domains = ""
        st.text_area("Copy the domains here:", value=st.session_state.domains, height=200, key="domains")
        st.button("Export Domains", on_click=export_results, args=("domains", "domains.txt"))

        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("File Extensions")
        if 'file_extensions' not in st.session_state:
            st.session_state.file_extensions = ""
        st.text_area("Copy the file extensions here:", value=st.session_state.file_extensions, height=200, key="file_extensions")
        st.button("Export File Extensions", on_click=export_results, args=("file_extensions", "file_extensions.txt"))

else:
    st.warning("Please upload a text file to start analysis.")