Create app.py

app.py

@@ -0,0 +1,386 @@
+import requests
+import streamlit as st
+from bs4 import BeautifulSoup
+import pandas as pd
+from transformers import pipeline
+import plotly.express as px
+import time
+import io
+import os  
+from comet_ml import Experiment 
+import zipfile
+import re
+from streamlit_extras.stylable_container import stylable_container
+
+
+st.set_page_config(layout="wide", page_title="Named Entity Recognition App")
+
+
+
+
+COMET_API_KEY = os.environ.get("COMET_API_KEY")
+COMET_WORKSPACE = os.environ.get("COMET_WORKSPACE")
+COMET_PROJECT_NAME = os.environ.get("COMET_PROJECT_NAME")
+
+comet_initialized = False
+if COMET_API_KEY and COMET_WORKSPACE and COMET_PROJECT_NAME:
+    comet_initialized = True
+
+
+
+st.subheader("58-Italian Named Entity Recognition Web App", divider="rainbow")
+st.link_button("by nlpblogs", "https://nlpblogs.com", type="tertiary")
+
+expander = st.expander("**Important notes on the 58-Italian-Named Entity Recognition Web App**")
+expander.write('''
+    
+    **Named Entities:**
+    This 58-Italian-Named Entity Recognition Web App predicts fifty-eight (58) labels
+    
+    ("**INDIRIZZO**: Identifica un indirizzo fisico.
+    
+     **VALUTA**: Rappresenta una valuta.
+     
+     **CVV**: Codice di sicurezza della carta di credito.
+     
+     **NUMERO_CONTO**: Numero di un conto bancario.
+     
+     **BIC**: Codice identificativo di una banca (Bank Identifier Code).
+     
+     **IBAN**: Numero di conto bancario internazionale.
+     
+     **STATO**: Identifica un paese o una nazione.
+     
+     **NOME**: Riferito al nome di una persona.
+     
+     **COGNOME**: Riferito al cognome di una persona.
+     
+     **CODICE_POSTALE**: Codice postale di un'area geografica.
+     
+     **IP**: Indirizzo IP di un dispositivo in rete.
+     
+     **ORARIO**: Riferito a un orario specifico.
+     
+     **URL**: Indirizzo web (Uniform Resource Locator).
+     
+     **LUOGO**: Identifica un luogo geografico.
+     
+     **IMPORTO**: Riferito a una somma di denaro.
+     
+     **EMAIL**: Indirizzo di posta elettronica.
+     
+     **PASSWORD**: Parola chiave per l'accesso a sistemi protetti.
+     
+     **NUMERO_CARTA**: Numero di una carta di credito o debito.
+     
+     **TARGA_VEICOLO**: Numero di targa di un veicolo.
+     
+     **DATA_NASCITA**: Data di nascita di una persona.
+     
+     **DATA_MORTE**: Data di decesso di una persona.
+     
+     **RAGIONE_SOCIALE**: Nome legale di un'azienda o entità commerciale.
+     
+     **ETA**: Età di una persona.
+     
+     **DATA**: Riferita a una data generica.
+     
+     **PROFESSIONE**: Occupazione o lavoro di una persona.
+     
+     **PIN**: Numero di identificazione personale.
+     
+     **NUMERO_TELEFONO**: Numero telefonico.
+     
+     **FOGLIO**: Riferito a un foglio di documentazione.
+     
+     **PARTICELLA**: Riferito a una particella catastale.
+     
+     **CARTELLA_CLINICA**: Documentazione medica di un paziente.
+     
+     **MALATTIA**: Identifica una malattia o condizione medica.
+     
+     **MEDICINA**: Riferito a un farmaco o trattamento medico.
+     
+     **CODICE_FISCALE**: Codice fiscale personale o aziendale.
+     
+     **NUMERO_DOCUMENTO**: Numero di un documento ufficiale.
+     
+     **STORIA_CLINICA**: Registro delle condizioni mediche di un paziente.
+     
+     **AVV_NOTAIO**: Identifica un avvocato o notaio.
+     
+     **P_IVA**: Partita IVA di un'azienda o professionista.
+     
+     **LEGGE**: Riferito a una legge specifica.
+     
+     **TASSO_MUTUO**: Tasso di interesse di un mutuo.
+     
+     **N_SENTENZA**: Numero di una sentenza legale.
+     
+     **MAPPALE**: Riferito a un mappale catastale.
+     
+     **SUBALTERNO**: Riferito a un subalterno catastale.
+     
+     **REGIME_PATRIMONIALE**: Stato patrimoniale in ambito legale.
+     
+     **STATO_CIVILE**: Stato civile di una persona.
+     
+     **BANCA**: Identifica una banca o istituto di credito.
+     
+     **BRAND**: Marchio o brand commerciale.
+     
+     **NUM_ASSEGNO_BANCARIO**: Numero di un assegno bancario.
+     
+     **IMEI**: Numero di identificazione internazionale di un dispositivo mobile.
+     
+     **N_LICENZA**: Numero di una licenza specifica.
+     
+     **IPV6_1**: Indirizzo IP versione 6.
+     
+     **MAC**: Indirizzo MAC di un dispositivo di rete.
+     
+     **USER_AGENT**: Identifica il software usato per accedere a una rete.
+     
+     **TRIBUNALE**: Identifica un tribunale specifico.
+     
+     **STRENGTH**: Riferito alla forza o intensità di del medicinale.
+     
+     **FREQUENZA**: Riferito alla frequenza di un trattamento medico.
+     
+     **DURATION**: Durata di un evento o trattamento.
+     
+     **DOSAGGIO**: Quantità di un medicinale da assumere.
+     
+     **FORM**: Forma del medicinale, ad esempio compresse"). 
+     
+     Results are presented in an easy-to-read table, visualized in an interactive tree map, pie chart, and bar chart, and are available for download along with a Glossary of tags.
+    
+    **How to Use:**
+    Paste a URL, and then press Enter. If you type or paste text, just press Ctrl + Enter.
+    
+    **Usage Limits:**
+     You can request results up to 10 times.
+ 
+    **Customization:**
+    To change the app's background color to white or black, click the three-dot menu on the right-hand side of your app, go to Settings and then Choose app theme, colors and fonts.
+    
+    **Technical issues:**
+    If your connection times out, please refresh the page or reopen the app's URL.
+    
+    For any errors or inquiries, please contact us at [email protected]
+    
+''')
+
+
+
+
+
+
+with st.sidebar:
+    container = st.container(border=True)
+    container.write("**Named Entity Recognition (NER)** is the task of extracting and tagging entities in text data. Entities can be persons, organizations, locations, countries, products, events etc.")
+    st.subheader("Related NLP Web Apps", divider="rainbow")
+    st.link_button("8-Named Entity Recognition Web App", "https://nlpblogs.com/shop/named-entity-recognition-ner/8-named-entity-recognition-web-app/", type="primary")
+    
+
+if 'source_type_attempts' not in st.session_state:
+    st.session_state['source_type_attempts'] = 0
+max_attempts = 10 
+
+def clear_url_input():
+    
+    st.session_state.url = ""
+
+def clear_text_input():
+    
+    st.session_state.my_text_area = ""
+
+url = st.text_input("Enter URL from the internet, and then press Enter:", key="url")
+st.button("Clear URL", on_click=clear_url_input)
+
+text = st.text_area("Type or paste your text below, and then press Ctrl + Enter", key='my_text_area')
+st.button("Clear Text", on_click=clear_text_input)
+
+
+source_type = None
+input_content = None
+text_to_process = None 
+
+if url:
+    source_type = 'url'
+    input_content = url
+elif text:
+    source_type = 'text'
+    input_content = text
+
+if source_type:
+    
+    st.subheader("Results", divider = "rainbow")
+
+    
+    if st.session_state['source_type_attempts'] >= max_attempts:
+        st.error(f"You have requested results {max_attempts} times. You have reached your daily request limit.")
+        st.stop()
+
+    st.session_state['source_type_attempts'] += 1
+
+    
+    @st.cache_resource
+    def load_ner_model():
+        
+        return pipeline("token-classification", model="DeepMount00/Italian_NER_XXL", aggregation_strategy="max")
+
+    model = load_ner_model()
+    experiment = None 
+
+    try:
+        if source_type == 'url':
+            if not url.startswith(("http://", "https://")):
+                st.error("Please enter a valid URL starting with 'http://' or 'https://'.")
+            else:
+                with st.spinner(f"Fetching and parsing content from **{url}**...", show_time=True):
+                    f = requests.get(url, timeout=10)
+                    f.raise_for_status()  # Raise an HTTPError for bad responses (4xx or 5xx)
+                    soup = BeautifulSoup(f.text, 'html.parser')
+                    text_to_process = soup.get_text(separator=' ', strip=True)
+                    st.divider()
+                    st.write("**Input text content**")
+                    st.write(text_to_process[:500] + "..." if len(text_to_process) > 500 else text_to_process)
+
+                    
+
+        elif source_type == 'text':
+            text_to_process = text
+            st.divider()
+            st.write("**Input text content**")
+            
+            st.write(text_to_process[:500] + "..." if len(text_to_process) > 500 else text_to_process)
+
+        if text_to_process and len(text_to_process.strip()) > 0: 
+            with st.spinner("Analyzing text...", show_time=True):
+                entities = model(text_to_process)
+                data = []
+                for entity in entities:
+                    data.append({
+                        'word': entity['word'],
+                        'entity_group': entity['entity_group'],
+                        'score': entity['score'],
+                        'start': entity['start'], # Include start and end for download
+                        'end': entity['end']
+                    })
+                df = pd.DataFrame(data)
+
+                
+                pattern = r'[^\w\s]'
+                df['word'] = df['word'].replace(pattern, '', regex=True)
+                
+                df = df.replace('', 'Unknown')
+                st.dataframe(df)
+
+                
+                if comet_initialized:
+                    experiment = Experiment(
+                        api_key=COMET_API_KEY,
+                        workspace=COMET_WORKSPACE,
+                        project_name=COMET_PROJECT_NAME,
+                    )
+                    experiment.log_parameter("input_source_type", source_type)
+                    experiment.log_parameter("input_content_length", len(input_content))
+                    experiment.log_table("predicted_entities", df)
+
+                with st.expander("See Glossary of tags"):
+                    st.write('''
+                    '**word**': ['entity extracted from your text data']
+                    
+                    '**score**': ['accuracy score; how accurately a tag has been assigned to a given entity']
+            
+                    '**entity_group**': ['label (tag) assigned to a given extracted entity']
+            
+                    '**start**': ['index of the start of the corresponding entity']
+            
+                    '**end**': ['index of the end of the corresponding entity'] 
+                    
+                    ''')
+                
+                
+                if not df.empty:
+                    
+                    st.markdown("---")
+                    st.subheader("Treemap", divider="rainbow")
+                    fig = px.treemap(df, path=[px.Constant("all"), 'entity_group', 'word'],
+                                     values='score', color='entity_group',
+                                     )
+                    fig.update_layout(margin=dict(t=50, l=25, r=25, b=25))
+                    st.plotly_chart(fig, use_container_width=True)
+                    if comet_initialized and experiment: 
+                        experiment.log_figure(figure=fig, figure_name="entity_treemap")
+
+                    
+                    
+                    value_counts = df['entity_group'].value_counts().reset_index()
+                    value_counts.columns = ['entity_group', 'count']
+
+                    col1, col2 = st.columns(2)
+                    with col1:
+                        st.subheader("Pie Chart", divider="rainbow")
+                        fig1 = px.pie(value_counts, values='count', names='entity_group',
+                                      hover_data=['count'], labels={'count': 'count'},
+                                      title='Percentage of Predicted Labels')
+                        fig1.update_traces(textposition='inside', textinfo='percent+label')
+                        st.plotly_chart(fig1, use_container_width=True)
+                        if comet_initialized and experiment: # Check if experiment is initialized
+                            experiment.log_figure(figure=fig1, figure_name="label_pie_chart")
+
+                    with col2:
+                        st.subheader("Bar Chart", divider="rainbow")
+                        fig2 = px.bar(value_counts, x="count", y="entity_group", color="entity_group",
+                                      text_auto=True, title='Occurrences of Predicted Labels')
+                        st.plotly_chart(fig2, use_container_width=True)
+                        if comet_initialized and experiment: # Check if experiment is initialized
+                            experiment.log_figure(figure=fig2, figure_name="label_bar_chart")
+                else:
+                    st.warning("No entities were extracted from the provided text.")
+
+                
+                
+                dfa = pd.DataFrame(
+                    data={
+                        'word': ['entity extracted from your text data'],
+                        'score': ['accuracy score; how accurately a tag has been assigned to a given entity'],
+                        'entity_group': ['label (tag) assigned to a given extracted entity'],
+                        'start': ['index of the start of the corresponding entity'],
+                        'end': ['index of the end of the corresponding entity'],
+                        
+
+                    }
+                )
+                buf = io.BytesIO()
+                with zipfile.ZipFile(buf, "w") as myzip:
+                    if not df.empty:
+                        myzip.writestr("Summary_of_results.csv", df.to_csv(index=False))
+                    myzip.writestr("Glossary_of_tags.csv", dfa.to_csv(index=False))
+
+                with stylable_container(
+                     key="download_button",
+                     css_styles="""button { background-color: yellow; border: 1px solid black; padding: 5px; color: black; }""",
+                 ):
+                    st.download_button(
+                         label="Download zip file",
+                         data=buf.getvalue(),
+                         file_name="nlpblogs_ner_results.zip",
+                         mime="application/zip",)
+
+
+
+                st.divider()
+        else:
+            st.warning("No meaningful text found to process. Please enter a URL or text.")
+
+    
+    except Exception as e:
+        st.error(f"An unexpected error occurred: {e}")
+    finally:
+        if comet_initialized and experiment:
+            experiment.end()
+
+st.write(f"Number of times you requested results: **{st.session_state['source_type_attempts']}/{max_attempts}**")