import os
import re
import unicodedata

# 🔧 Thư mục chứa các file cần đổi tên
DATA_DIR = "data/data_raw10k"
LOG_FILE = "renamed_log.txt"

def normalize_filename(name: str) -> str:
    """
    Chuẩn hóa tên file:
    - Bỏ dấu tiếng Việt
    - Chuyển thành chữ thường
    - Thay khoảng trắng, ký tự đặc biệt thành '_'
    - Giữ lại phần mở rộng gốc (.txt)
    """
    base, ext = os.path.splitext(name)

    # Bỏ dấu tiếng Việt
    base = unicodedata.normalize('NFKD', base).encode('ASCII', 'ignore').decode('utf-8')

    # Chuyển về chữ thường
    base = base.lower()

    # Thay mọi ký tự không phải chữ/số bằng "_"
    base = re.sub(r'[^a-z0-9]+', '_', base)

    # Bỏ ký tự "_" dư ở đầu/cuối
    base = base.strip("_")

    return f"{base}{ext}"

def safe_rename(old_path: str, new_path: str) -> str:
    """
    Nếu file trùng tên, thêm hậu tố _1, _2, ...
    """
    base, ext = os.path.splitext(new_path)
    counter = 1
    while os.path.exists(new_path):
        new_path = f"{base}_{counter}{ext}"
        counter += 1
    os.rename(old_path, new_path)
    return new_path

def rename_all_files(data_dir: str):
    renamed = []

    for filename in os.listdir(data_dir):
        old_path = os.path.join(data_dir, filename)

        if not filename.lower().endswith(".txt"):
            continue

        new_name = normalize_filename(filename)
        new_path = os.path.join(data_dir, new_name)

        if old_path != new_path:
            new_path = safe_rename(old_path, new_path)
            print(f"✅ {filename}  →  {os.path.basename(new_path)}")
            renamed.append((filename, os.path.basename(new_path)))

    # Ghi log lại
    if renamed:
        with open(LOG_FILE, "w", encoding="utf-8") as f:
            for old, new in renamed:
                f.write(f"{old} → {new}\n")
        print(f"\n📝 Log đã lưu vào: {LOG_FILE}")
    else:
        print("Không có file nào được đổi tên.")

if __name__ == "__main__":
    rename_all_files(DATA_DIR)