# download_vault_v2.1 — Dávkové stažení source files z Veeva Vault (J&J V-TMF)

**Verze:** 2.1 · **Datum:** 2026-06-12

Playwright skript pro dávkové stažení source-file dokumentů z Veeva
Vault (vtmf.veevavault.com) podle Excelu, s perzistentní session,
ručním potvrzením 2FA, průběžným stavem (resume) a ukládáním do
adresářového stromu Type\Subtype s pojmenováním podle Description.

**Změny v2.1 oproti v2.0** (starší verze v TRASH/):
- cílová složka `U:\Dropbox\!!!Days\Downloads Z230\VTMF-77242113UCO3001\<Type>\<Subtype>\`
- jméno souboru: `YYYY-MM-DD Description [VTMF-xxxxxxxx] [v1.0].<přípona>`
  - datum z `Document Date` (165 řádků ho nemá → bez prefixu)
  - Description sanitizovaný na platné jméno (nepovolené znaky → `_`,
    sjednocené mezery/podtržítka, ořezané okraje); 16 prázdných
    Description → fallback na Document Name bez koncové verze
  - verze z konce `Document Name` `(vX.Y)` → `[vX.Y]` (u všech 1959)
  - přípona skutečná ze staženého souboru
- `LIMIT = 10` — počet dokumentů na jeden běh (None = všechny zbývající);
  kombinuje se s resume: další běh navazuje na download_state.csv
- všech 1959 cílových cest ověřeno jako unikátní (suchý test)

## Vstupní Excel

Nejnovější `.xlsx` ze `WhatToDownload/` („Document Inventory Report -
Study Level.xlsx" z Vaultu). Potřebné sloupce: Document Name, Document
Number, Document Status, Type, Subtype, Description, Document Date.
Document Name/Number/Status jsou `=HYPERLINK(...)` vzorce — URL
(`/ui/#doc_info/<id>/<maj>/<min>`) a zobrazený text se berou regexem.
Pozor: report má rozbité deklarované rozměry listu — čte se přímou
iterací řádků, ne přes max_row/max_column.

## Běh

1. Údaje z `.env` v rootu projektu (`VAULT_USER`/`VAULT_PASS`);
   chybí-li, skript šablonu založí/doplní, vyzve a skončí.
2. Načte Excel, odečte hotové z `download_state.csv`, vezme
   prvních `LIMIT` zbývajících.
3. Chromium s perzistentním profilem (`vault_profile/`), J&J SSO
   login, 2FA potvrdíte na telefonu + ENTER.
4. Maintenance dialog zavírá přes viditelné OK
   (`.ui-dialog a.ok.vv_button` — křížek je display:none!), čeká se
   na něj 8 s na home, 2 s na doc stránkách.
5. Každý dokument: doc URL → ikona Source File → uložení do stromu
   pod novým jménem. Retry 2× po 5 s, výsledek ihned do
   `download_state.csv` (`vtmf,result,file,timestamp`).
6. Souhrn a ENTER pro zavření.

Pro úplně nový běh od nuly smazat/odsunout `download_state.csv`.

## Konfigurace (konstanty nahoře)

`DOWNLOAD_ROOT`, `LIMIT` (10), `STATUS_FILTER` (None = vše),
`MAX_ATTEMPTS`/`RETRY_PAUSE_MS`/`BETWEEN_DOCS_MS`, `EXCEL_DIR`,
`STATE_FILE`.

## Spuštění

```powershell
& "U:\PythonProject\Janssen\.venv\Scripts\python.exe" "U:\PythonProject\Janssen\VTMFDownloadFiles\download_vault_v2.1.py"
```