z230

VTMFDownloadFiles/TRASH/download_vault_v2.0.md

@@ -0,0 +1,73 @@
+# download_vault_v2.0 — Dávkové stažení source files z Veeva Vault (J&J V-TMF)
+
+**Verze:** 2.0 · **Datum:** 2026-06-12
+
+Playwright skript pro dávkové stažení source-file dokumentů z Veeva
+Vault (vtmf.veevavault.com) podle Excelu, s perzistentní session,
+ručním potvrzením 2FA, průběžným stavem (resume) a přejmenováním
+souborů podle VTMF čísla.
+
+**Změny v2.0 oproti v1.x** (jednodokumentové verze v TRASH/):
+seznam dokumentů se čte z Excelu ve `WhatToDownload/`, průběžný stav
+v `download_state.csv` (přerušený běh naváže, hotové se přeskakují),
+retry 2× na dokument, volitelný filtr Document Status.
+
+## Vstupní Excel
+
+Skript vezme **nejnovější `.xlsx`** ze složky `WhatToDownload/`
+(typicky „Document Inventory Report - Study Level.xlsx" z Vaultu).
+Očekávané sloupce: `Document Name`, `Document Number`,
+`Document Status`. Sloupec Document Number obsahuje vzorec
+`=HYPERLINK("https://vtmf.veevavault.com/ui/#doc_info/<id>/<maj>/<min>", "VTMF-XXXXXXXX")`
+— skript z něj regexem bere přímou doc URL i VTMF číslo (ošetřen je
+i „pravý" hyperlink přes cell.hyperlink a oříznutí rozbité URL).
+
+Pozor: report z Vaultu má rozbité deklarované rozměry listu (tváří se
+jako 1×1) — skript proto iteruje řádky přímo a nespoléhá na
+max_row/max_column.
+
+## Co skript dělá
+
+1. Načte přihlašovací údaje z `.env` v rootu projektu
+   (`VAULT_USER`/`VAULT_PASS`); když chybí, založí/doplní šablonu
+   v `.env`, vyzve k doplnění a skončí.
+2. Načte dokumenty z Excelu, odečte už stažené podle
+   `download_state.csv`.
+3. Otevře viditelný maximalizovaný Chromium s perzistentním profilem
+   (`vault_profile/`), přihlásí se přes J&J SSO; případné 2FA
+   potvrdíte na telefonu a stisknete ENTER.
+4. Zavře maintenance/login dialog — kliká na viditelné OK
+   (`.ui-dialog a.ok.vv_button`; křížek v titulku je display:none
+   a nejde na něj klikat). Dialog se objevuje se zpožděním, čeká se
+   na něj 8 s na home, 2 s na stránkách dokumentů.
+5. Pro každý dokument: otevře doc URL, klikne na ikonu **Source
+   File**, stažený soubor uloží do `U:\Dropbox\!!!Days\Downloads Z230\`
+   jako `původní název [VTMF-XXXXXXXX].přípona`. Při chybě 1 retry
+   po 5 s; výsledek se ihned zapíše do `download_state.csv`.
+6. Na konci vypíše souhrn (staženo/chyb) a čeká na ENTER.
+
+## Průběžný stav a navázání
+
+`download_state.csv` (vedle skriptu): sloupce `vtmf, result, file,
+timestamp`. Dokumenty s `result=ok` se při dalším běhu přeskakují;
+chybové se zkusí znovu. Běh jde kdykoli přerušit (Ctrl+C nebo
+zavření okna) — stav se zapisuje po každém dokumentu.
+Pro úplně nový běh od nuly soubor smažte (resp. přesuňte do TRASH/).
+
+## Konfigurace (konstanty nahoře ve skriptu)
+
+- `EXCEL_DIR` — `WhatToDownload/` (bere se nejnovější .xlsx)
+- `STATE_FILE` — `download_state.csv`
+- `DOWNLOAD_DIR` — `U:\Dropbox\!!!Days\Downloads Z230`
+- `STATUS_FILTER` — `None` = stahovat vše; např. `{"Approved"}`
+  pro jen schválené dokumenty
+- `MAX_ATTEMPTS` / `RETRY_PAUSE_MS` / `BETWEEN_DOCS_MS` — retry a pauzy
+
+## Spuštění
+
+```powershell
+& "U:\PythonProject\Janssen\.venv\Scripts\python.exe" "U:\PythonProject\Janssen\VTMFDownloadFiles\download_vault_v2.0.py"
+```
+
+Společný venv projektu už obsahuje playwright i Chromium; jinak
+`pip install -r requirements.txt` a `playwright install chromium`.