# python-runner — Docker kontejner na Tower

## Základní info

| Parametr       | Hodnota                                      |
|----------------|----------------------------------------------|
| Název          | python-runner                                |
| Image          | python-runner (vlastní)                      |
| Status         | running (unless-stopped)                     |
| Python         | 3.12.13                                      |
| Spouštěcí cmd  | `tail -f /dev/null` — container jen běží, skripty se spouštějí ručně |
| Working dir    | `/scripts`                                   |
| Vytvořen       | 2026-06-02                                   |

---

## Tower — SSH přístup

| Parametr | Hodnota          |
|----------|------------------|
| Host     | tower / 192.168.1.76 |
| Port     | 22               |
| User     | root             |
| Heslo    | 7309208104       |

**Připojení přes Python (paramiko)** — Docker CLI není lokálně dostupný:

```python
import paramiko
c = paramiko.SSHClient()
c.set_missing_host_key_policy(paramiko.AutoAddPolicy())
c.connect('192.168.1.76', username='root', password='7309208104')
_, out, _ = c.exec_command('...')
print(out.read().decode())
c.close()
```

---

## Volume mounty

| Host (Unraid)         | Kontejner         | Popis                            |
|-----------------------|-------------------|----------------------------------|
| `/mnt/user/Scripts`   | `/scripts`        | Skripty, logy — working dir      |
| `/mnt/user/Emails`    | `/mnt/Emails`     | Stažené přílohy `<schránka>/Attachments/` |

> Skripty čtou emaily **přímo přes Microsoft Graph API** — lokální `.msg` soubory už nejsou potřeba.

---

## Aktuální skripty v /scripts

| Soubor                          | Popis                                                        |
|---------------------------------|--------------------------------------------------------------|
| `parse_emails_graph_v1.3.py`    | Import emailů ze schránky přes Graph API → MongoDB           |
| `download_attachments_v1.3.py`  | Stažení skutečných příloh emailů (Graph API) → `/mnt/Emails` |
| `python_runner.md`              | Tato dokumentace                                             |
| `parse_emails_errors.log`       | Log chyb (soubory/zprávy které selhaly)                     |

> **POZOR:** oba skripty pouze **čtou** ze schránky — žádný zápis do schránky.

---

## Microsoft Graph API — konfigurace (v obou skriptech)

| Parametr        | Hodnota                                |
|-----------------|----------------------------------------|
| Graph URL       | `https://graph.microsoft.com/v1.0`     |
| Tenant ID       | `7d269944-37a4-43a1-8140-c7517dc426e9` |
| Client ID       | `4b222bfd-78c9-4239-a53f-43006b3ed07f` |
| Auth            | client credentials (msal)              |

| MongoDB         | Hodnota                                |
|-----------------|----------------------------------------|
| URI             | `mongodb://192.168.1.76:27017`         |
| DB              | `emaily`                               |
| Kolekce emailů  | `<mailbox>` (např. `ordinace@buzalkova.cz`) |
| Index příloh    | `attachments_index`                    |

---

## 1) parse_emails_graph_v1.3.py — import emailů → MongoDB

Čte **všechny složky** schránky rekurzivně (Inbox, Sent, Deleted, archivy …) přes
Graph API a importuje každou zprávu jako dokument do MongoDB. `_id` = Internet
Message-ID (fallback `graphid:<id>`). Upsert → bezpečné přerušit a opakovat.

Z každé zprávy extrahuje: předmět, odesílatel, příjemci To/CC/BCC, časy (UTC),
HTML tělo (max 2 MB) + text preview, přílohy (metadata + `graph_att_id`),
internet headers (SPF/DKIM/Received/X-*), MAPI-ekvivalenty (důležitost, příznak,
konverzační vlákno, kategorie, In-Reply-To, References), `isRead`, `isDraft`,
`folder_path`, `inferenceClassification`.

```bash
# První import (vše):
docker exec -it python-runner python /scripts/parse_emails_graph_v1.3.py --mailbox ordinace@buzalkova.cz

# Test na 50 zprávách bez indexů:
docker exec -it python-runner python /scripts/parse_emails_graph_v1.3.py --mailbox ordinace@buzalkova.cz --limit 50 --no-indexes

# Pravidelný sync na pozadí (log do souboru):
docker exec -d python-runner bash -c "python /scripts/parse_emails_graph_v1.3.py --mailbox ordinace@buzalkova.cz --mode sync > /scripts/parse_emails.log 2>&1"
```

> **`-d` = detached:** příkaz se hned vrátí a skript běží dál v kontejneru i po
> zavření terminálu / odpojení SSH. Bez `-d` (resp. s `-it`) skript skončí ve chvíli,
> kdy se spojení zavře. Pro dlouhé běhy vždy pouštěj s `-d` a logem do souboru,
> průběh pak sleduj přes `tail -f` (viz [Sledování průběhu](#sledování-průběhu)).

### Parametry

| Parametr | Popis |
|---|---|
| `--mailbox` | **Povinný.** Schránka (e-mail), zároveň název kolekce v MongoDB. |
| `--mode` | `full` (výchozí — plný upsert), `new-only` (jen nové), `sync` (existující: aktualizuje `is_read`/`flag_status`/`categories`/`modified_at`/`folder_path`; nové importuje celé — ideální pro pravidelné spouštění). |
| `--folder` | Import jen jedné složky (např. `Inbox`). |
| `--limit N` | Zpracuje jen prvních N zpráv (test). |
| `--no-indexes` | Nevytváří indexy na konci. |

---

## 2) download_attachments_v1.3.py — stažení příloh → /mnt/Emails

Stahuje skutečné přílohy (`is_inline=False`) všech emailů z MongoDB přes Graph API
do `/mnt/Emails/<schránka>/Attachments/`. Primárně přes `graph_att_id` (přímé ID),
name-matching jako fallback pro staré emaily.

Deduplikace podle **SHA256** obsahu:
- stejný hash → soubor už existuje → přeskočí
- kolize názvu (stejný název, jiný hash) → `faktura_2.pdf`, `faktura_3.pdf` …

Po uložení aktualizuje MongoDB: každá příloha dostane `file_hash` + `local_path`;
kolekce `emaily.attachments_index` (`_id`=hash, filename, path, size_bytes,
mime_type, mailbox, first_seen_at, ref_count). Emaily kde mají všechny přílohy
`file_hash` se přeskočí → bezpečné opakovat.

```bash
# Interaktivně (vidíš výstup, skončí zavřením terminálu):
docker exec -it python-runner python /scripts/download_attachments_v1.3.py --mailbox ordinace@buzalkova.cz

# Na pozadí (běží dál i po zavření terminálu, log do souboru):
docker exec -d python-runner bash -c "python /scripts/download_attachments_v1.3.py --mailbox ordinace@buzalkova.cz > /scripts/download_attachments.log 2>&1"
```

> `-d` = detached — stejné chování jako u skriptu výše (viz poznámka v sekci 1).

### Parametry

| Parametr | Popis |
|---|---|
| `--mailbox` | **Povinný.** Schránka (e-mail) = kolekce v MongoDB. |
| `--limit N` | Zpracuje jen prvních N emailů (test). |
| `--force-recheck` | Znovu ověří i už stažené přílohy. |
| `--no-indexes` | Nevytváří indexy na konci. |

---

## Sledování průběhu

```bash
docker exec -it python-runner tail -f /scripts/parse_emails.log
```

---

## Nainstalované Python balíčky

```
msal               (Graph API auth)
requests
pymongo            4.17.0
python-dateutil    2.9.0.post0
extract-msg        0.55.0
cryptography       48.0.0
beautifulsoup4     4.13.5
oletools           0.60.2
msoffcrypto-tool   6.0.0
olefile            0.47
RTFDE              0.1.2.2
compressed-rtf     1.0.7
lark               1.3.1
pcodedmp           1.2.6
tzlocal            5.3.1
six                1.17.0
pip                25.0.1
```

---

## Přidání nového balíčku

```bash
docker exec python-runner pip install <balicek>
```

> Pozor: instalace se ztratí při recreate kontejneru — je třeba přidat do Dockerfile nebo do setup skriptu.

---

## Historie

| Datum | Změna |
|---|---|
| 2026-06-02 | Přechod z `.msg` souborů na Microsoft Graph API. Skript `parse_emails_tower_v1.1.py` (import lokálních `.msg`) nahrazen `parse_emails_graph_v1.3.py`; přidán `download_attachments_v1.3.py`. Staré verze v `Trash/`. |