补充识别过程以及readme

Plugin_for_Chrome/README.md

@@ -0,0 +1,60 @@
+# Plugin_for_Chrome
+
+## 项目简介
+
+`Plugin_for_Chrome` 是一个用于检测钓鱼网站的Chrome插件项目。该插件可以在用户按下设置好的快捷键或者点击插件按钮后，自动获取当前网页的网址以及截图，并将其发送到服务端进行钓鱼网站检测。服务端使用Flask框架，加载Phishpedia模型进行识别，并返回检测结果。
+
+## 目录结构
+
+```
+Plugin_for_Chrome/
+├── client/
+│   ├── background.js        # 处理插件的后台逻辑，包括快捷键和按钮点击事件。
+│   ├── manifest.json        # Chrome插件的配置文件。
+│   └── popup/
+│       ├── popup.html        # 插件弹出页面的HTML文件。
+│       ├── popup.js          # 插件弹出页面的JavaScript文件。
+│       └── popup.css         # 插件弹出页面的CSS文件。
+└── server/
+    └── app.py                # Flask服务端的主程序，处理客户端请求并调用Phishpedia模型进行识别。
+
+```
+
+## 安装与使用
+
+### 前端部分
+
+1. 打开Chrome浏览器，进入 `chrome://extensions/`。
+2. 启用开发者模式。
+3. 点击“加载已解压的扩展程序”，选择 `Plugin_for_Chrome` 目录。
+
+### 后端部分
+
+1. 进入 `server` 目录：
+    ```sh
+    cd Plugin_for_Chrome/server
+    ```
+2. 安装所需依赖：
+    ```sh
+    pip install flask flask_cors
+    ```
+3. 运行Flask服务：
+    ```sh
+    python app.py
+    ```
+
+### 使用插件
+
+1. 在Chrome浏览器中，按下快捷键 `Ctrl+Shift+Y` 或点击插件按钮。
+2. 插件会自动获取当前网页的网址和截图，并发送到服务端进行检测。
+3. 服务端返回检测结果，插件会显示该网页是否为钓鱼网站，以及对应的正版网站。
+
+
+## 注意事项
+
+- 确保服务端在本地运行，并监听默认的5000端口。
+- 插件和服务端需要在同一网络环境下运行。
+
+## 贡献
+
+欢迎提交问题和贡献代码！

Plugin_for_Chrome/server/app.py

@@ -3,42 +3,70 @@
 import base64
 from io import BytesIO
 from PIL import Image
+from datetime import datetime
 import os
+import sys
+
+current_dir = os.path.dirname(os.path.realpath(__file__))
+root_dir = os.path.abspath(os.path.join(current_dir, os.pardir))
+root_dir = os.path.abspath(os.path.join(root_dir, os.pardir))
+sys.path.append(root_dir)
+
+from phishpedia import PhishpediaWrapper
+from phishpedia import result_file_write
 
 app = Flask(__name__)
 CORS(app)
 
-# 这里后续添加模型加载代码
-def load_model():
-    # TODO: 加载识别模型
-    pass
 
 # 在创建应用时初始化模型
 with app.app_context():
-    load_model()
+    log_dir = os.path.join(current_dir, 'logs')
+    os.makedirs(log_dir, exist_ok=True)
+    global phishpedia_cls
+    phishpedia_cls = PhishpediaWrapper()
 
 @app.route('/analyze', methods=['POST'])
 def analyze():
     try:
+        print('Request received')
         data = request.get_json()
         url = data.get('url')
         screenshot_data = data.get('screenshot')
 
         # 解码Base64图片数据
         image_data = base64.b64decode(screenshot_data.split(',')[1])
         image = Image.open(BytesIO(image_data))
+        screenshot_path = 'temp_screenshot.png'
+        image.save(screenshot_path, format='PNG')
+
+        # 调用Phishpedia模型进行识别
+        phish_category, pred_target, matched_domain, \
+            plotvis, siamese_conf, pred_boxes, \
+            logo_recog_time, logo_match_time = phishpedia_cls.test_orig_phishpedia(url, screenshot_path, None)
 
-        # TODO: 这里添加识别逻辑
+        today = datetime.now().strftime('%Y%m%d')
+        log_file_path = os.path.join(log_dir, f'{today}_results.txt')
+
+        try:
+            with open(log_file_path, "a+", encoding='ISO-8859-1') as f:
+                result_file_write(f, current_dir, url, phish_category, pred_target, matched_domain, siamese_conf,
+                                  logo_recog_time, logo_match_time)
+        except UnicodeError:
+            with open(log_file_path, "a+", encoding='utf-8') as f:
+                result_file_write(f, current_dir, url, phish_category, pred_target, matched_domain, siamese_conf,
+                                  logo_recog_time, logo_match_time)
         # 目前返回示例数据
         result = {
-            "isPhishing": False,
-            "legitUrl": None,
-            "confidence": 0.95
+            "isPhishing": bool(phish_category),
+            "legitUrl": pred_target,
+            "confidence": float(siamese_conf)
         }
 
         return jsonify(result)
 
     except Exception as e:
+        print(e)
         return jsonify({"error": str(e)}), 500
 
 if __name__ == '__main__':