z230

2026-06-16 14:32:28 +02:00
parent b825e4ee7c
commit f385d7bf0b
95 changed files with 43120 additions and 0 deletions
@@ -0,0 +1,60 @@
+# download_lab_reports_v1.4.py
+
+**Verze:** 1.4 &nbsp;|&nbsp; **Datum:** 2026-06-16
+
+Stahuje PDF **Lab Reports** ze `xsp.labcorp.com` do **MongoDB** (`covance.labreports`)
+— metadata + skutečné PDF (inline Binary). **Na disk neukládá.**
+
+## Více studií — seznam `STUDIES` nahoře
+```python
+STUDIES = [
+    {"enabled": True, "note": "77242113UCO3001 (UC)",  "link": "…/study/36940/lab-reports?site=[…]"},
+    {"enabled": True, "note": "42847922MDD3003 (MDD)", "link": "…/study/35472/lab-reports?site=[…]"},
+]
+```
+Skript zpracuje **všechny `enabled=True`**. Z každého **linku** odvodí:
+- **interní číslo studie** z `/study/{N}/`,
+- **množinu center** z `site=[…]`.
+
+**Kód studie** (např. `77242113UCO3001`) se čte z **hlavičky portálu** → do Monga
+se píše `study` (interní) + `studyCode` (z hlavičky). Přidání další studie =
+další řádek do `STUDIES`. Vypnutí = `enabled: False`.
+
+## Klíč `record_id = reportId`
+Stabilní 32-hex ID dokumentu z dat AG Gridu, globálně unikátní a perzistentní.
+**Jedna kolekce** pro všechny studie; delta filtruje per `study`.
+
+## Pojistka center
+Zpracují se jen řádky, jejichž **`siteId` je v množině center z linku**
+(study/země-agnostické — nahradilo dřívější „siteNum začíná CZ").
+
+## `HEADLESS` (proměnná nahoře)
+`HEADLESS = False` → viditelné okno; `True` → bez okna (headless). Pozn.:
+session/login běží přes perzistentní profil; v headlessu ověř, že login projde.
+
+## Režim `SYNC_MODE` (proměnná nahoře)
+- **delta** — jen nové přes `reportId` (stop-at-known; list Posted DESC).
+- **fullsync** — projít vše, doplnit chybějící/změněné.
+CLI přepíše: `--delta` / `--fullsync`. Dále `--dry-run`, `--limit N` (na studii).
+
+## MongoDB dokument
+`record_id`(=reportId), `study`, `studyCode`, `type`, `site`, `subject`,
+`accession` (doslova), `visit`, `collected`, `posted`, `postedIso`, `fileId`,
+`serverFileName`, `fields`, `fileName`, **`pdf`** (Binary), `pdfSize`,
+`pdfSha256`, `firstSeen`, `lastSeen`, `history[]`.
+
+## Spuštění (z terminálu uživatele — GUI Chrome)
+```
+python download_lab_reports_v1.4.py                 # všechny enabled, dle SYNC_MODE
+python download_lab_reports_v1.4.py --fullsync
+python download_lab_reports_v1.4.py --dry-run
+python download_lab_reports_v1.4.py --limit 5
+```
+
+## Zmeny v1.4
+- Seznam `STUDIES` (link + enabled) místo pevného `STUDY`/`SITES`/`STUDY_CODE`.
+- `studyCode` z hlavičky portálu; site-pojistka přes `siteId` z linku.
+- Přidána studie 42847922MDD3003 (interní 35472, 5 center).
+
+## Nahrazuje
+`download_lab_reports_v1.3.py` → `Trash/`.