janssen/Covance_UCO3001/download_test_results_v1.2.md

download_test_results_v1.2.py — dokumentace

Verze: 1.2 · Datum: 2026-05-29 Umístění: U:\PythonProject\Janssen\Covance_UCO3001\download_test_results_v1.2.py

Změny v1.2 oproti 1.1: přidán paralelní běh přes sharding (--shard N --of M). Skript lze spustit ve více procesech současně, každý zpracuje svůj podíl reportů a používá vlastní profil. Spouští se přes launcher run_test_results_parallel_v1.0.py. Změny v1.1 oproti 1.0: druhá studie 35472 (MDD) + report Microbiology.

---

1. Účel

Automatické stažení reportů Test Results z portálu Labcorp Sponsor Portal (xsp.labcorp.com). Skript projde 2 studie × jejich centra × 2 typy reportu, u každého vyexportuje grid do CSV a uloží ho timestampovaný do Source/.

Studie	Interní ID	Význam	Počet center
UC	36940	77242113UCO3001	12
MDD	35472	druhá studie	5

Typy reportu: Standard (/standard-test-results) a Microbiology (/microbiology).

Celkem: (12 + 5) × 2 = 34 reportů (prázdná centra se přeskakují, viz 6.5).

---

2. Spuštění

2a) Paralelně (doporučeno — rychlejší)

Přes launcher, který rozjede 4 procesy (každý ve vlastním okně):

U:\PythonProject\Janssen\.venv\Scripts\python.exe ^
  U:\PythonProject\Janssen\Covance_UCO3001\run_test_results_parallel_v1.0.py

2b) Serialně (jeden proces, jako dřív)

U:\PythonProject\Janssen\.venv\Scripts\python.exe ^
  U:\PythonProject\Janssen\Covance_UCO3001\download_test_results_v1.2.py

2c) Jeden konkrétní shard ručně

…\python.exe download_test_results_v1.2.py --shard 2 --of 4

• Prohlížeč běží viditelně (headless=False), maximalizovaný.
• Persistent profile — session přežívá (viz sekce 4).

---

3. Paralelní běh (sharding) — jak funguje

3.1 Rozdělení práce

Argumenty --shard N --of M rozkrojí seznam všech 34 reportů:

REPORTS = ALL_REPORTS[SHARD - 1::OF]

Tj. shard 1 z 4 vezme reporty na indexech 0, 4, 8, … ; shard 2 indexy 1, 5, 9, … Rovnoměrné rozdělení, žádný report neudělají dva shardy. Bez argumentů (--of 1) běží serialně přes všech 34.

3.2 Proč nestačily 4 taby v jednom procesu

Playwright sync API je blokující — wait_for_* drží jediné vlákno celou dobu čekání, takže 4 taby v jednom sync skriptu by se stejně střídaly sériově (čekání by se sčítala, ne překrývala). Skutečná paralelnost vyžaduje buď async API (přepis logiky), nebo — jak je zvoleno zde — 4 nezávislé procesy, kde souběh zajišťuje OS.

3.3 Profil per shard (povinné)

Chrome zamyká adresář profilu → dvě běžící instance nemohou sdílet jeden profil. Proto:

Běh	Profil
serialní (--of 1)	browser_profile/ (původní)
shard N (--of M>1)	browser_profile_{N}/

3.4 Login (varianta B)

Session se mezi profily nesdílí. Každý shard se proto při prvním spuštění přihlásí sám (login je jen heslem, žádné MFA). Po prvním běhu už session zůstane uložená v browser_profile_{N}/, takže další běhy login přeskočí (is_visible() check). Launcher startuje procesy s rozestupem (STAGGER_S), aby se OKTA login nezahltil 4 současnými požadavky.

3.5 Launcher run_test_results_parallel_v1.0.py

• N_SHARDS = 4 — počet souběžných procesů (oken).
• STAGGER_S = 4 — rozestup mezi starty (s).
• Každý proces se spustí v novém konzolovém okně (CREATE_NEW_CONSOLE) → logy se neprolínají; navíc každý log má prefix [S{shard}/{of}].
• Launcher počká, až všechny dobíhnou, a vypíše souhrn (které shardy selhaly dle returncode).

3.6 Reálné zrychlení

Ne přesně 4× — export běží na serveru a velká centra generují hodně řádků, takže reálně spíš 2–3×. Server může souběžné exporty throttlovat.

---

4. Výstupní soubory

Formát názvu (timestamp + popisný název):

{YYYY-MM-DD_HHMMSS} sponsor-study-{STUDY}-test-results-{SITE_ID}-{TYP}.csv

{TYP} = standard nebo microbiology. Všechny shardy ukládají do stejného adresáře Source/; timestamp + unikátní názvy (site/typ) zaručují, že nedojde ke kolizi. Staré soubory se nikdy nemažou (verzování přes timestamp).

---

5. Průběh jednoho reportu (kroky + logging)

Fáze	Co dělá
START	vypíše shard/of, profil, počet reportů; spustí prohlížeč
LOGIN	otevře login; pokud je session aktivní, přihlášení přeskočí
KROK 1/5	navigace na report URL
KROK 2/5	čeká na .ag-row nebo prázdný grid („No Data"); pak stabilizace počtu
KROK 3/5	klik na viditelné tři tečky (more_horiz) → menu
KROK 4/5	klik na viditelné „Export to CSV" → zachytí download
KROK 5/5	uloží soubor do OUT_DIR
KONEC	souhrn hotovo X/Y (shard N/M) + seznam selhaných

Log u každého reportu: === Centrum 930557 / microbiology (studie 36940) ===, prefixovaný [S{shard}/{of}] při paralelním běhu.

---

6. Klíčové technické poznatky (PROČ to tak je) — ověřeno přes Chrome MCP

Stránka test-results je Angular SPA s MDL a tabulkou AG Grid. Microbiology záložka má stejnou strukturu jako Standard.

6.1 Čekání na data = řádky AG Gridu

• Data načtena, jakmile se objeví div.ag-row (count 0 → N).
• Řádky jsou position-absolute → Playwright je nepovažuje za „visible":
  • ❌ wait_for_selector("div.ag-row") (default visible) timeoutuje.
  • ✅ wait_for_function("() => document.querySelectorAll('div.ag-row').length > 0").
• Stabilizace: počet se čte co 2 s, dokud se 2× neshodne.
• Počet .ag-row je zastropený (~153) virtuálním renderem — NENÍ to skutečný počet záznamů. Export do CSV ale vyexportuje VŠECHNY řádky (ověřeno: různé velikosti CSV).

6.2 „Fetching Data" / spinner — NEPLATÍ pro tuto stránku

Na test-results NENÍ text „Fetching Data" (je jen na samples reportu). <loading-bar> jen problikne → nespoléhat. Signál = .ag-row.

6.3 Tři tečky (export) — DVA <ag-export>

2× <ag-export> (1 skrytý) → filtr na viditelnost: ✅ page.locator("ag-export button:visible", has_text="more_horiz").first.click()

6.4 „Export to CSV" — DVĚ položky v DOM

2× mdl-menu-item (1 skrytá) → ✅ page.locator("mdl-menu-item:visible", has_text="Export to CSV").first.click() (❌ get_by_text → strict mode violation.)

6.5 Prázdné centrum (ověřeno přes Chrome MCP na centru 930551)

• No-rows overlay s textem „No Data" ve .ag-overlay-no-rows-wrapper.
• ⚠️ Třída NENÍ .ag-overlay-no-rows-center.
• ⚠️ Text NENÍ v .ag-body-viewport (ten je prázdný, height: 1px).
• ⚠️ Na stránce 2 overlaye (1 skrytý) → kontrola offsetParent !== null.
• Detekce (KROK 2):

  () => {
    if (document.querySelectorAll('div.ag-row').length > 0) return false;
    return [...document.querySelectorAll('.ag-overlay-no-rows-wrapper')]
        .some(e => e.offsetParent !== null);
  }
  

• KROK 2 čeká na .ag-row NEBO tuto detekci → prázdné centrum nečeká 120 s.

---

7. Login logika (sdílená napříč Covance skripty)

page.goto(LOGIN_URL); page.wait_for_load_state("networkidle")
if not page.get_by_label("Email").is_visible():
    return                      # session aktivní → login přeskočit
# jinak: Email → Next → Password → Verify → wait redirect (code= zmizí z URL)

is_visible() (ne kontrola URL — po redirectu zůstává xsp.covance.com).

---

8. Chrome flagy proti „Restore pages" / broken session

--disable-restore-session-state
--disable-session-crashed-bubble

---

9. Robustnost

• Každý report v try/except → chyba u jednoho nezastaví zbytek shardu.
• Souhrn na konci: hotovo X/Y (shard N/M) + SELHALA centra: site/typ, ….
• Launcher hlídá returncode každého shardu.

---

10. Možná budoucí rozšíření

• Více/méně procesů: změnit N_SHARDS v launcheru (profily _1.._N).
• Další studie / centra / typ reportu: přidat do STUDIES / REPORT_TYPES.
• Vyčistit profily: smazat browser_profile_*/ (vynutí nový login).

---

11. Příbuzné skripty (stejná složka / portál)

Skript	Co stahuje
download_samples_report_v1.1.py	All Samples (sampletracking)
download_kit_inventory_v2.1.py	Kit inventory
download_equeries_report_v1.1.py	eQuery reporty (zdroj SITE_IDS pro 36940)
download_test_results_v1.2.py	tento — Test Results (Standard + Microbiology, 2 studie, sharding)
run_test_results_parallel_v1.0.py	launcher 4 paralelních shardů test-results