From a697529c8c2d9c7951d2f94648708eab75d27cc6 Mon Sep 17 00:00:00 2001
From: vlado <vladimir.buzalka@buzalka.cz>
Date: Mon, 1 Jun 2026 21:35:12 +0200
Subject: [PATCH] w22

---
 40 Dedup/dedup.py | 152 ++++++++++++++++++++++++++++++++++++++++++++++
 requirements.txt  |   1 +
 2 files changed, 153 insertions(+)
 create mode 100644 40 Dedup/dedup.py

diff --git a/40 Dedup/dedup.py b/40 Dedup/dedup.py
new file mode 100644
index 0000000..b827c4d
--- /dev/null
+++ b/40 Dedup/dedup.py	
@@ -0,0 +1,152 @@
+"""
+Deduplikace: zkontroluje obrázky ve vybrané složce oproti tabulce zaloha_obrazku.
+Pokud je obrázek bezpečně zazálohován (blake3 sedí + záložní soubor existuje), smaže ho.
+"""
+
+import sys
+import os
+import tkinter as tk
+from tkinter import filedialog, messagebox
+from pathlib import Path
+import psycopg2
+import blake3
+from dotenv import load_dotenv
+
+load_dotenv()
+
+# ── DB připojení ────────────────────────────────────────────────────────────
+DB_DSN = (
+    f"host={os.getenv('DB_HOST', 'localhost')} "
+    f"port={os.getenv('DB_PORT', '5432')} "
+    f"dbname={os.getenv('DB_NAME')} "
+    f"user={os.getenv('DB_USER')} "
+    f"password={os.getenv('DB_PASSWORD')}"
+)
+
+IMAGE_EXTENSIONS = {".jpg", ".jpeg", ".png", ".gif", ".bmp", ".tiff", ".tif",
+                    ".webp", ".heic", ".heif", ".raw", ".cr2", ".nef", ".arw"}
+
+# Překlad Linux cest na Windows UNC
+LINUX_TO_WINDOWS = {
+    "/mnt/user/ZalohaVsechObrazku": r"\\Tower1\ZalohaVsechObrazku",
+    "/mnt/remotes/TOWER1.LAN_ZalohaVsechObrazku": r"\\Tower1\ZalohaVsechObrazku",
+}
+
+
+def linux_to_windows_path(linux_path: str) -> Path:
+    for prefix, unc in LINUX_TO_WINDOWS.items():
+        if linux_path.startswith(prefix):
+            rest = linux_path[len(prefix):].replace("/", "\\")
+            return Path(unc + rest)
+    return Path(linux_path)
+
+
+def compute_blake3(path: Path) -> str:
+    h = blake3.blake3()
+    with open(path, "rb") as f:
+        for chunk in iter(lambda: f.read(1024 * 1024), b""):
+            h.update(chunk)
+    return h.hexdigest()
+
+
+def pick_folder() -> Path | None:
+    root = tk.Tk()
+    root.withdraw()
+    folder = filedialog.askdirectory(title="Vyber složku k deduplikaci")
+    root.destroy()
+    return Path(folder) if folder else None
+
+
+def log(msg: str):
+    print(msg, flush=True)
+
+
+def dedup(folder: Path):
+    images = [p for p in folder.rglob("*") if p.suffix.lower() in IMAGE_EXTENSIONS]
+    log(f"Nalezeno obrázků: {len(images)}")
+
+    if not images:
+        log("Žádné obrázky k zpracování.")
+        return
+
+    conn = psycopg2.connect(DB_DSN)
+    cur = conn.cursor()
+
+    deleted = 0
+    skipped = 0
+    errors = 0
+
+    for img in images:
+        try:
+            size = img.stat().st_size
+            name = img.name
+
+            # 1. Hledej podle velikosti
+            cur.execute(
+                "SELECT blake3_hash, cesta_zalohy, nazev_souboru FROM zaloha_obrazku "
+                "WHERE velikost = %s",
+                (size,)
+            )
+            rows = cur.fetchall()
+
+            if not rows:
+                log(f"  PŘESKOČEN (žádná záloha se stejnou velikostí): {img.name}")
+                skipped += 1
+                continue
+
+            # 2. Spočítej blake3 lokálního souboru (jednou pro všechny kandidáty)
+            local_hash = compute_blake3(img)
+
+            matched = False
+            for db_hash, cesta_zalohy, db_name in rows:
+
+                if local_hash != db_hash:
+                    continue
+
+                # 3. Zkontroluj, že záložní soubor fyzicky existuje
+                backup_path = linux_to_windows_path(cesta_zalohy)
+                if not backup_path.exists():
+                    log(f"  PŘESKOČEN (záložní soubor neexistuje): {cesta_zalohy}")
+                    continue
+
+                # 4. Zkontroluj blake3 záložního souboru
+                backup_hash = compute_blake3(backup_path)
+                if backup_hash != db_hash:
+                    log(f"  PŘESKOČEN (blake3 zálohy nesedí s DB): {cesta_zalohy}")
+                    continue
+
+                matched = True
+                break
+
+            if matched:
+                img.unlink()
+                if img.name != db_name:
+                    log(f"  SMAZÁN [JINÉ JMÉNO]: {img.name}  !=  záloha: {db_name}  (binary identické)")
+                else:
+                    log(f"  SMAZÁN: {img}")
+                deleted += 1
+            else:
+                log(f"  PŘESKOČEN (žádná platná záloha neprošla): {img.name}")
+                skipped += 1
+
+        except Exception as e:
+            log(f"  CHYBA ({img.name}): {e}")
+            errors += 1
+
+    cur.close()
+    conn.close()
+
+    log(f"\n--- Hotovo ---")
+    log(f"Smazáno:    {deleted}")
+    log(f"Přeskočeno: {skipped}")
+    log(f"Chyby:      {errors}")
+
+
+if __name__ == "__main__":
+    folder = pick_folder()
+    if not folder:
+        print("Žádná složka nevybrána. Končím.")
+        sys.exit(0)
+
+    print(f"Zpracovávám složku: {folder}")
+    dedup(folder)
diff --git a/requirements.txt b/requirements.txt
index 03eaf9f..a3f0a27 100644
--- a/requirements.txt
+++ b/requirements.txt
@@ -1,4 +1,5 @@
 blake3
+python-dotenv
 exifread
 imagehash
 pandas