Update src/streamlit_app.py

src/streamlit_app.py

@@ -2,21 +2,19 @@ import streamlit as st
 import torch
 from transformers import AutoTokenizer, AutoModelForSequenceClassification
 from urllib.parse import urlparse
-import pandas as pd
 import io
 
 # --- CONFIGURAÇÕES ---
-# ⚠️ TROQUE PELO SEU USUÁRIO/MODELO NO HUGGING FACE
-MODEL_ID = "asilvamaia/ident_br" 
+# ⚠️ MANTENHA O ID DO SEU MODELO AQUI
+MODEL_ID = "asilvamaia/ident_br"
 
-# Configuração da Página
-st.set_page_config(page_title="Validador de Domínios .BR", page_icon="🇧🇷")
+st.set_page_config(page_title="Validador .BR", page_icon="🇧🇷")
 
-# --- FUNÇÃO DE LIMPEZA (V11) ---
+# --- FUNÇÃO DE LIMPEZA (V11 - IGUAL AO LOCAL) ---
 def limpar_entrada(texto: str) -> str:
     texto = str(texto).strip().lower()
     if not texto: return ""
-    if "@" in texto: return texto # Mantém e-mail para rejeição
+    if "@" in texto: return texto 
 
     if "http" not in texto and "://" not in texto:
         texto_temp = "http://" + texto
@@ -27,100 +25,48 @@ def limpar_entrada(texto: str) -> str:
         parsed = urlparse(texto_temp)
         dominio_limpo = parsed.netloc if parsed.netloc else texto
         
-        if ":" in dominio_limpo: # Remove porta
+        if ":" in dominio_limpo:
             dominio_limpo = dominio_limpo.split(':')[0]
             
-        if dominio_limpo.startswith("www."): # Remove www
+        if dominio_limpo.startswith("www."):
             dominio_limpo = dominio_limpo[4:]
             
         return dominio_limpo
     except:
         return texto
 
-# --- CARREGAMENTO DO MODELO (COM CACHE) ---
-# O cache impede que o modelo seja recarregado a cada clique, deixando o app rápido
 @st.cache_resource
 def load_model():
     try:
         tokenizer = AutoTokenizer.from_pretrained(MODEL_ID)
         model = AutoModelForSequenceClassification.from_pretrained(MODEL_ID)
-        # No Space gratuito usamos CPU
         model.to("cpu")
         model.eval()
         return tokenizer, model
     except Exception as e:
-        st.error(f"Erro ao carregar o modelo: {e}")
+        st.error(f"Erro ao carregar modelo: {e}")
         return None, None
 
 tokenizer, model = load_model()
 
-# --- INTERFACE ---
-st.title("🇧🇷 Validador de Domínios .BR com IA")
-st.write("Faça upload de uma lista suja (.txt) e a IA extrairá apenas os domínios .br válidos.")
+st.title("🇧🇷 Validador de Domínios .BR")
 
-uploaded_file = st.file_uploader("Escolha um arquivo .txt", type="txt")
+uploaded_file = st.file_uploader("Carregar lista suja (.txt)", type="txt")
 
-if uploaded_file is not None and tokenizer is not None:
-    # Lê o arquivo
+if uploaded_file and tokenizer:
     stringio = io.StringIO(uploaded_file.getvalue().decode("utf-8"))
     linhas = stringio.readlines()
     
-    st.info(f"Arquivo carregado com {len(linhas)} linhas. Processando...")
-    
-    if st.button("Iniciar Limpeza"):
+    if st.button(f"Processar {len(linhas)} linhas"):
         validos = []
         rejeitados = []
         
-        # Barra de progresso
         progress_bar = st.progress(0)
+        total_linhas = len(linhas)
         
-        # Processamento (Batch size 1 para simplicidade visual ou aumentar se precisar)
-        # Como é CPU, vamos processar linha a linha para atualizar a barra
         for i, linha in enumerate(linhas):
             original = linha.strip()
-            limpo = limpar_entrada(original)
-            
-            if not limpo: continue
-            
-            # Inferência
-            inputs = tokenizer(limpo, return_tensors="pt", truncation=True, max_length=128)
-            with torch.no_grad():
-                outputs = model(**inputs)
-                pred = torch.argmax(outputs.logits, dim=1).item()
-            
-            # Regras de Validação
-            if pred == 1 and "." in limpo and "@" not in limpo:
-                validos.append(limpo)
-            else:
-                rejeitados.append(original)
-            
-            # Atualiza barra a cada 10 itens para não travar a UI
-            if i % 10 == 0:
-                progress_bar.progress((i + 1) / len(linhas))
-        
-        progress_bar.progress(100)
-        
-        # --- RESULTADOS ---
-        st.success("Processamento Concluído!")
-        
-        col1, col2 = st.columns(2)
-        with col1:
-            st.metric("✅ Aprovados", len(validos))
-        with col2:
-            st.metric("🔴 Rejeitados", len(rejeitados))
-            
-        # --- DOWNLOAD ---
-        # Remove duplicatas
-        validos_unicos = sorted(list(set(validos)))
-        res_text = "\n".join(validos_unicos)
-        
-        st.download_button(
-            label="⬇️ Baixar Lista Limpa (.txt)",
-            data=res_text,
-            file_name="dominios_limpos.txt",
-            mime="text/plain"
-        )
-        
-        # Opcional: Mostrar amostra
-        with st.expander("Ver amostra dos aprovados"):
-            st.write(validos_unicos[:20])
+            # 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("