Add Outlook/Soubory/Clario/Feasibility scripts and reports; ignore Incoming, Outlook downloads & profile

Soubory/Trash/enrich_fulltext_v1.1.md

@@ -0,0 +1,22 @@
+# enrich_fulltext_v1.1
+
+**Verze:** 1.1
+**Datum:** 2026-06-03
+**Skript:** `enrich_fulltext_v1.1.py`
+
+## Změny proti v1.0
+- **NUL bajty (0x00) v textu** — PG TEXT je odmítá. v1.1 odstraní všechny `\x00` a ostatní controly (kromě `\n \r \t`) ve společné funkci `_clean_for_pg`, navíc bezpečnostní strip i v `_flush` před UPSERT.
+- **DOCX fallback** — pokud python-docx hodí výjimku (typicky `"no tr above topmost tr in w:tbl"` u VTMF formulářů s rozbitými tabulkami), v1.1 sáhne přímo do `word/document.xml` v ZIPu a regexem vytáhne text z `<w:t>` elementů. Přijde o strukturu tabulek, ale text zachrání.
+- `extractor_version` zvýšena na `1.1` → všechny řádky z v1.0 se přeparsují (původní jsou pravděpodobně stejně chyběly kvůli pádu).
+
+## Vše ostatní
+Beze změny proti [v1.0](Trash/enrich_fulltext_v1.0.md):
+- Tabulka `documents` v PG `MongoSoubory` (192.168.1.76:5432)
+- Text search config `soubory` (simple + unaccent)
+- Limity: PDF 500 MB, XLSX 200 MB, ostatní 300 MB; text max 5 MB
+- Inkrementálně podle `sha256` + `extractor_version`
+
+## Spuštění
+```
+python U:\PythonProject\Janssen\Soubory\enrich_fulltext_v1.1.py
+```