Create Script.py

Script.py

@@ -0,0 +1,245 @@
+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.")