Update src/streamlit_app.py

src/streamlit_app.py

@@ -5,17 +5,24 @@ from urllib.parse import urlparse
 import io
 
 # --- CONFIGURAÇÕES ---
-# ⚠️ MANTENHA O ID DO SEU MODELO AQUI
+# ⚠️ IMPORTANTE: Substitua pelo ID do seu modelo no Hugging Face
+# Exemplo: "joao/classificador-dominios-br"
 MODEL_ID = "asilvamaia/ident_br"
 
 st.set_page_config(page_title="Validador .BR", page_icon="🇧🇷")
 
-# --- FUNÇÃO DE LIMPEZA (V11 - IGUAL AO LOCAL) ---
+# --- FUNÇÃO DE LIMPEZA (V11 - Igual ao script local) ---
 def limpar_entrada(texto: str) -> str:
+    """
+    Remove sujeira, portas, protocolos e www.
+    """
     texto = str(texto).strip().lower()
     if not texto: return ""
+    
+    # Mantém e-mail intacto para o modelo rejeitar explicitamente
     if "@" in texto: return texto 
 
+    # Garante protocolo para o urlparse funcionar corretamente
     if "http" not in texto and "://" not in texto:
         texto_temp = "http://" + texto
     else:
@@ -25,9 +32,11 @@ def limpar_entrada(texto: str) -> str:
         parsed = urlparse(texto_temp)
         dominio_limpo = parsed.netloc if parsed.netloc else texto
         
+        # Remove a porta (:8080)
         if ":" in dominio_limpo:
             dominio_limpo = dominio_limpo.split(':')[0]
             
+        # Remove o 'www.' do início
         if dominio_limpo.startswith("www."):
             dominio_limpo = dominio_limpo[4:]
             
@@ -35,11 +44,13 @@ def limpar_entrada(texto: str) -> str:
     except:
         return texto
 
+# --- CARREGAMENTO DO MODELO (Com Cache) ---
 @st.cache_resource
 def load_model():
     try:
         tokenizer = AutoTokenizer.from_pretrained(MODEL_ID)
         model = AutoModelForSequenceClassification.from_pretrained(MODEL_ID)
+        # Força uso de CPU no Space gratuito para evitar erros de memória/driver
         model.to("cpu")
         model.eval()
         return tokenizer, model
@@ -49,11 +60,14 @@ def load_model():
 
 tokenizer, model = load_model()
 
+# --- INTERFACE DO USUÁRIO ---
 st.title("🇧🇷 Validador de Domínios .BR")
+st.write("Faça upload de uma lista suja (.txt) para extrair apenas domínios .br válidos.")
 
-uploaded_file = st.file_uploader("Carregar lista suja (.txt)", type="txt")
+uploaded_file = st.file_uploader("Carregar arquivo .txt", type="txt")
 
 if uploaded_file and tokenizer:
+    # Lê o arquivo enviado
     stringio = io.StringIO(uploaded_file.getvalue().decode("utf-8"))
     linhas = stringio.readlines()
     
@@ -61,12 +75,13 @@ if uploaded_file and tokenizer:
         validos = []
         rejeitados = []
         
+        # Barra de progresso
         progress_bar = st.progress(0)
         total_linhas = len(linhas)
         
         for i, linha in enumerate(linhas):
             original = linha.strip()
-            # Pula linhas de metadados do arquivo (ex: )
-            if not original or original.startswith("`, ``.
-* O script local pode estar classificando isso como "Lixo" (Rejeitado).
-* Adicionei uma linha no código acima (`if original.startswith("
+            
+            # --- CORREÇÃO DO ERRO ANTERIOR AQUI ---
+            # Ignora linhas vazias ou metadados do arquivo como 
+            if not original or original.startswith(")