z230

VTMFDownloadFiles/export_from_seaweed_v1.2.md

@@ -0,0 +1,69 @@
+# export_from_seaweed_v1.2 — sestavení stromu dokumentů ze SeaweedFS
+
+**Verze:** 1.2 · **Datum:** 2026-06-15
+
+Sestaví na disk strom dokumentů studie z **Mongo `VTMF.documents` + objektů
+v SeaweedFS Fileru**. Náhrada za dřívější ukládání do Dropboxu — pipeline
+ukládá jen do SeaweedFS, tenhle skript kdykoli „vytáhne aktuální verzi"
+čehokoli na disk pod čitelnými jmény.
+
+## ⚠️ Pravidlo příslušnosti ke studii = `scopes[]`, NE `studies[]`
+
+Tohle je klíčové a platí pro každý dotaz „co je ve VTMF na study/country/site
+úrovni studie X":
+
+- **`scopes[]`** = `"<level>|<study>|<country>"` — odkud jsme dokument reálně
+  natáhli (který report/úroveň). **Tohle určuje příslušnost** k TMF studie.
+- **`studies[]`** = jen M:N reference — kam všude je dokument ve Vaultu
+  přilinkovaný (klidně 8–12 studií). Pro výběr „TMF studie X" se NEpoužívá.
+
+Příklad: dokument sdílený s CRD3001/MDD3003 je má v `studies[]`, ale když má
+`scopes=['study|77242113UCO3001|']`, patří do TMF **UCO3001**, ne CRD3001.
+Skript proto vybírá přes scopes (regex `^<level>\|<study>\|`); studie, která
+přes scopes nemá nic (neproběhla pro ni pipeline), se přeskočí.
+
+## Pojmenování a struktura
+
+Podle původních Dropbox pravidel (pipeline v1.5):
+
+```
+<OUTPUT_ROOT>\<základní podadresář>\<Type>\<Subtype>\
+    "YYYY-MM-DD Description [VTMF-xxx] [v1.0].<přípona>"
+```
+
+Základní podadresář podle úrovně:
+
+| Úroveň | Podadresář | Poznámka |
+|---|---|---|
+| study | `STUDY` | |
+| country | `COUNTRY` | |
+| site | `<číslo centra>` | dokument se zapíše do složky **každého** centra ve `sites[]` (sdílený dokument = víc kopií → browsable strom po centrech) |
+
+Datum / verze se z názvu vynechají, když chybí. `Type`/`Subtype` prázdné → `_`.
+
+## Rychlé nastavení (nahoře ve skriptu)
+
+```python
+STUDIES = ["77242113UCO3001", "77242113UCO3002",
+           "77242113CRD3001", "42847922MDD3003"]   # víc najednou
+OUTPUT_ROOT_TMPL = r"U:\{study}"                    # {study} = kód studie
+EXPORT = {"study": True, "country": True, "site": True}   # True/False
+OVERWRITE = False                                   # True = přepsat existující
+```
+
+## Chování
+
+- Stahuje jen `deleted=False, downloaded=True, placeholder!=True, seaweed_path!=None`.
+- **Idempotentní** — existující soubory přeskakuje (resume). Lze pouštět
+  opakovaně pro „aktuální stav".
+- Stáhne obsah jednoho dokumentu jednou, u site-level ho zapíše do všech
+  cílových složek center.
+- Studie bez scopes se přeskočí s hláškou (pipeline pro ni ještě neběžela).
+
+## Spuštění
+
+```powershell
+& "U:\PythonProject\Janssen\.venv\Scripts\python.exe" "U:\PythonProject\Janssen\VTMFDownloadFiles\export_from_seaweed_v1.2.py"
+```
+
+Předchůdci: v1.0 (jen study, pevně), v1.1 (přepínače, filtr přes studies[]) — v TRASH/.