app.py

from flask import Flask, request, jsonify
from flask_cors import CORS
import requests
from bs4 import BeautifulSoup
import re
from urllib.parse import urljoin

# Inizializza Flask
app = Flask(__name__)
CORS(app)  # Abilita il CORS per accettare richieste da qualsiasi dominio

# User-Agent personalizzato
headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36"
}

EMAIL_REGEX = r"[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+"
PHONE_REGEX = r"\b(?:\+?\d{1,3})?[-.\s()]?\d{2,4}[-.\s()]?\d{3,4}[-.\s()]?\d{3,4}\b"

# Funzione per verificare numeri validi
def is_valid_phone(phone):
    digits = re.sub(r"\D", "", phone)
    return len(digits) >= 8 and len(digits) <= 15

# Funzione per trovare la pagina Contatti
def find_contact_page(url):
    try:
        response = requests.get(url, headers=headers, timeout=10)
        response.raise_for_status()
        soup = BeautifulSoup(response.text, "html.parser")
        for a_tag in soup.find_all("a", href=True):
            href = a_tag["href"]
            if "contact" in href.lower() or "contatti" in href.lower():
                return urljoin(url, href)
    except Exception as e:
        print(f"Errore nel trovare la pagina di contatto: {str(e)}")
        pass
    return url  # Torna l'URL originale se non trova nulla

# Funzione per estrarre email e numeri di telefono da una specifica area della pagina
def extract_contacts_from_section(section_html):
    emails = set(re.findall(EMAIL_REGEX, section_html))
    phones = set(re.findall(PHONE_REGEX, section_html))
    valid_phones = {phone for phone in phones if is_valid_phone(phone)}
    return emails, valid_phones

# Funzione principale per estrarre contatti
def extract_contacts_from_url(url):
    try:
        contact_url = find_contact_page(url)
        print(f"Trovata pagina di contatto: {contact_url}")  # Stampa la pagina trovata

        response = requests.get(contact_url, headers=headers, timeout=15)
        response.raise_for_status()
        soup = BeautifulSoup(response.text, "html.parser")

        # Inizializza i risultati
        emails, phones = set(), set()

        # Cerca nella pagina contatti
        page_emails, page_phones = extract_contacts_from_section(soup.get_text())
        emails.update(page_emails)
        phones.update(page_phones)

        print(f"Emails trovate: {emails}")  # Stampa le email trovate
        print(f"Telefoni trovati: {phones}")  # Stampa i numeri di telefono trovati

        return {
            "URL": url,
            "Emails": list(emails),
            "Phones": list(phones),
        }
    except Exception as e:
        print(f"Errore nell'estrazione dei dati per {url}: {str(e)}")
        return {
            "URL": url,
            "Emails": [],
            "Phones": [],
            "Error": str(e),
        }

# Endpoint per la home page
@app.route('/')
def home():
    return "<h1>Benvenuto nel backend Flask!</h1><p>Il server è attivo e funzionante.</p>"

# Endpoint per processare i link
@app.route('/process-links', methods=['POST'])
def process_links():
    data = request.json
    urls = data.get("links", [])
    if not urls:
        return jsonify({"error": "No links provided"}), 400

    results = [extract_contacts_from_url(url) for url in urls]
    return jsonify(results)

# Avvia il server
if __name__ == '__main__':
    app.run(host='0.0.0.0', port=8000)