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

Soubory/enrich_files_v1.0.md

@@ -0,0 +1,46 @@
+# enrich_files_v1.0
+
+**Verze:** 1.0
+**Datum:** 2026-06-03
+**Skript:** `enrich_files_v1.0.py`
+
+## Účel
+Doplnit do existujících záznamů v MongoDB `soubory.*` pole `content.*` parsovaná z obsahu souborů.
+
+Spouští se **až po** [scan_files_v1.0.py](scan_files_v1.0.md).
+
+## Podporované přípony a pole
+
+| ext | knihovna | pole v `content` |
+|---|---|---|
+| pdf | pypdf | pages, encrypted, author, title, subject, creator, producer, created, modified, text_head |
+| docx | python-docx | author, title, subject, last_modified_by, paragraphs, words, created, modified, text_head |
+| xlsx, xlsm | openpyxl | total_sheets, sheets[{name,rows,cols}], author, title, subject, last_modified_by, created, modified |
+| pptx | python-pptx | slides, author, title, subject, last_modified_by, created, modified, text_head (z prvních 3 snímků) |
+| eml | stdlib email | subject, from, to, cc, date, has_attachments, attachments[], body_head |
+| msg | extract_msg | totéž co eml |
+
+Společná pole vždy: `ok` (bool), `parsed_at`, `parser_version`, `sha256_at_parse`. Při chybě `error` (název výjimky + zpráva).
+
+## Inkrementální chování
+Zpracují se jen dokumenty kde:
+- `content` chybí, NEBO
+- `content.parser_version` != aktuální verze (1.0), NEBO
+- `content.sha256_at_parse` != aktuální `sha256` (soubor se změnil)
+
+Při dalším spuštění **přidá** jen nové/změněné. Při zvýšení verze parseru přeparsuje vše.
+
+## Limity (skip)
+- PDF nad 500 MB → ok=False, error="too_big_..."
+- XLSX nad 200 MB → ok=False
+- ostatní nad 300 MB → ok=False
+
+`text_head` max 2000 znaků.
+
+## Spuštění
+```
+python U:\PythonProject\Janssen\Soubory\enrich_files_v1.0.py
+```
+
+## Plán
+Po doběhnutí ověřit `content.ok` rate, případně doladit (chybové vzory) a teprve pak stavět `MCP_SOUBORY` server.