Update utils/functions.py

utils/functions.py

@@ -6,8 +6,8 @@ import os
 from datetime import datetime
 import logging
 import json
-from PIL import Image  # Ensure you have installed this library: pip install pillow
-import pytesseract  # Ensure you have installed this library: pip install pytesseract
+from PIL import Image  # Upewnij się, że zainstalowałeś tę bibliotekę: pip install pillow
+import pytesseract  # Upewnij się, że zainstalowałeś tę bibliotekę: pip install pytesseract
 
 # Konfiguracja logowania
 logging.basicConfig(
@@ -92,6 +92,15 @@ def get_history():
     logging.info("Historia analiz została pobrana pomyślnie.")
     return history
 
+def get_analysis_history():
+    """Zwraca szczegółową historię analiz z pliku history.json."""
+    history = load_json(HISTORY_FILE)
+    if history:
+        return history
+    else:
+        logging.info("Brak zapisanej historii analiz.")
+        return []
+
 def update_stats(fraud_detected=False):
     """Aktualizuje statystyki analiz w pliku stats.json."""
     stats = load_json(STATS_FILE)
@@ -165,18 +174,18 @@ def analyze_message(message, phone_number, additional_info, api_key, language):
 Jesteś zaawansowanym asystentem AI specjalizującym się w identyfikacji fałszywych wiadomości SMS. Twoim zadaniem jest przeprowadzenie szczegółowej analizy wiadomości, wykorzystując głęboki proces myślenia i dostarczając kompleksową ocenę. Twoja odpowiedź powinna być podzielona na trzy sekcje:
 
 <analysis>
-**Analiza Treści Wiadomości:**
+**📝 Analiza Treści Wiadomości:**
 - Przeprowadź szczegółową analizę treści wiadomości, identyfikując potencjalne czerwone flagi, takie jak błędy językowe, prośby o dane osobowe, pilne prośby o kontakt itp.
 - Jakie elementy treści mogą wskazywać na oszustwo? 
 </analysis>
 
 <risk_assessment>
-**Ocena Ryzyka Oszustwa:**
+**⚖️ Ocena Ryzyka Oszustwa:**
 - Na podstawie analizy treści i dostępnych informacji oceń prawdopodobieństwo, że wiadomość jest oszustwem. Użyj skali od 1 do 10, gdzie 1 oznacza bardzo niskie ryzyko, a 10 bardzo wysokie ryzyko.
 </risk_assessment>
 
 <recommendations>
-**Zalecenia dla Użytkownika:**
+**💡 Zalecenia dla Użytkownika:**
 - Podaj jasne i konkretne zalecenia dotyczące dalszych kroków, które użytkownik powinien podjąć.
 </recommendations>
         """,
@@ -346,9 +355,8 @@ def extract_text_from_image(image_file):
 def get_email_info(email):
     """Sprawdza informacje o nadawcy e-maila (np. domena, organizacja, kraj)."""
     domain = email.split('@')[-1]  # Prosta ekstrakcja domeny
-    # Możesz dodać więcej logiki do weryfikacji domeny
     return {
         "domain": domain,
-        "organization": "Nieznana organizacja",  # Możesz dodać logikę, aby zidentyfikować organizację
-        "country": "Nieznany kraj"  # Możesz dodać logikę, aby zidentyfikować kraj
+        "organization": "Nieznana organizacja",
+        "country": "Nieznany kraj"
     }