import os
from pathlib import Path
from PIL import Image
import concurrent.futures

def compress_image(input_path: Path, output_path: Path, quality: int = 85) -> bool:
    """
    Görselin kalitesini koruyarak boyutunu küçültür ve yeni hedefe kaydeder.
    """
    try:
        with Image.open(input_path) as img:
            # Şeffaflık içeren (PNG) veya palet tabanlı (P) görselleri JPG uyumlu hale getirmek için RGB'ye çevir
            if img.mode in ("RGBA", "P"):
                img = img.convert("RGB")
            
            # optimize=True parametresi, kaliteyi düşürmeden dosya boyutunu algoritmik olarak küçültür
            img.save(output_path, format="JPEG", quality=quality, optimize=True)
        return True
    except Exception as e:
        print(f"[HATA] {input_path.name} işlenirken bir sorun oluştu: {e}")
        return False

def batch_compress_images(input_dir: str, output_dir: str, quality: int = 85):
    """
    Belirtilen klasördeki tüm görselleri asenkron olarak işler ve çıktı klasörüne aktarır.
    """
    input_path = Path(input_dir)
    output_path = Path(output_dir)

    # Çıktı klasörünü oluştur (varsa hata verme)
    output_path.mkdir(parents=True, exist_ok=True)

    # İşlenecek hedef dosya uzantıları
    valid_extensions = {".jpg", ".jpeg", ".png", ".webp", ".bmp"}
    
    # Klasördeki görselleri topla
    image_files = [f for f in input_path.iterdir() if f.is_file() and f.suffix.lower() in valid_extensions]
    
    if not image_files:
        print(f"[BİLGİ] '{input_dir}' klasöründe işlenecek uygun görsel bulunamadı.")
        return

    print(f"[BAŞLIYOR] Toplam {len(image_files)} görsel bulundu. Çoklu iş parçacığı ile işlem başlatılıyor...")

    success_count = 0
    
    # ThreadPoolExecutor ile işlemleri paralel olarak yürüterek CPU ve I/O bekleme sürelerini minimize ediyoruz
    with concurrent.futures.ThreadPoolExecutor() as executor:
        futures = {}
        for img_file in image_files:
            # Çıktı dosya adını belirle (Örn: resim_min.jpg)
            out_file = output_path / f"{img_file.stem}_min.jpg"
            
            # İşlemi havuza gönder
            futures[executor.submit(compress_image, img_file, out_file, quality)] = img_file

        # İşlemlerin tamamlanmasını takip et
        for future in concurrent.futures.as_completed(futures):
            if future.result():
                success_count += 1

    print("-" * 50)
    print(f"[TAMAMLANDI] {success_count} / {len(image_files)} görsel başarıyla optimize edildi.")
    print(f"[KONUM] Çıktı klasörü: {output_path.absolute()}")

if __name__ == "__main__":
    # --- YAPILANDIRMA ---
    INPUT_FOLDER = "ornek_klasor"             # Okunacak klasörün adı
    OUTPUT_FOLDER = "optimize_edilmis_resimler" # Oluşturulacak yeni klasörün adı
    COMPRESSION_QUALITY = 85                  # 85 kalitesi, gözle görülür kayıp olmadan en iyi optimizasyonu sağlar
    
    # Eğer input klasörü yoksa test amaçlı oluştur (hata almamak için)
    Path(INPUT_FOLDER).mkdir(exist_ok=True)
    
    batch_compress_images(INPUT_FOLDER, OUTPUT_FOLDER, quality=COMPRESSION_QUALITY)