z230

DASTA/roztrid_dle_odberu.py

@@ -0,0 +1,114 @@
+# -*- coding: utf-8 -*-
+"""
+Roztřídí DASTA XML soubory do adresářové struktury podle DATA ODBĚRU.
+
+Zdroj:  u:\\Dropbox\\Ordinace\\pomoc\\DASTA\\*.xml
+Cíl:    U:\\DASTA_SUBGROUPS\\RRRR\\MM\\DD\\<soubor>.xml   (kopie, originál zůstává)
+
+Datum odběru = první element <dat_du> v souboru (první potomek prvního <vr>).
+Hodnota má formát DTS (2016-06-20T08:00:00) nebo DT (2017-05-18T07:30) –
+v obou případech začíná YYYY-MM-DD, takže rok/měsíc/den čteme z prvních znaků.
+
+Speciální případy:
+    _BEZ_DATUMU   soubor neobsahuje žádný <dat_du>
+    _CHYBY        soubor se nepodařilo naparsovat
+
+Použití:
+    python roztrid_dle_odberu.py                       # zdroj = výchozí (Dropbox)
+    python roztrid_dle_odberu.py U:\\DASTA              # jiný zdrojový adresář
+    python roztrid_dle_odberu.py U:\\DASTA --dry-run    # jen vypíše, co by udělal
+"""
+from __future__ import annotations
+
+import re
+import shutil
+import sys
+from collections import Counter
+from pathlib import Path
+from xml.etree import ElementTree as ET
+
+ZDROJ_VYCHOZI = Path(r"u:\dasta")
+CIL = Path(r"U:\DASTA_SUBGROUPS")
+
+# Záchytný regex pro případ, že ElementTree selže (poškozená hlavička apod.)
+_RE_DAT_DU = re.compile(rb"<dat_du[^>]*>\s*(\d{4})-(\d{2})-(\d{2})")
+
+
+def datum_odberu(cesta: Path) -> tuple[str, str, str] | None:
+    """Vrátí (rok, měsíc, den) z prvního <dat_du>, nebo None když chybí."""
+    raw = cesta.read_bytes()
+    # Rychlá a robustní cesta: najdi první <dat_du> v bytech.
+    m = _RE_DAT_DU.search(raw)
+    if m:
+        return m.group(1).decode(), m.group(2).decode(), m.group(3).decode()
+    # Záloha přes ElementTree (kdyby byl dat_du formátovaný jinak)
+    try:
+        root = ET.fromstring(raw)
+        el = root.find(".//dat_du")
+        if el is not None and el.text:
+            d = el.text.strip()
+            return d[0:4], d[5:7], d[8:10]
+    except ET.ParseError:
+        raise
+    return None
+
+
+def main() -> None:
+    dry = "--dry-run" in sys.argv
+    pozicni = [a for a in sys.argv[1:] if not a.startswith("--")]
+    zdroj = Path(pozicni[0]) if pozicni else ZDROJ_VYCHOZI
+
+    soubory = sorted(zdroj.glob("*.xml"))
+    print(f"Zdroj: {zdroj}")
+    print(f"Cíl:   {CIL}")
+    print(f"Nalezeno souborů: {len(soubory)}"
+          f"{'   [DRY-RUN]' if dry else ''}")
+    print("-" * 60)
+
+    if not dry:
+        CIL.mkdir(parents=True, exist_ok=True)
+
+    stat = Counter()
+    roky = Counter()
+    chyby: list[str] = []
+
+    for src in soubory:
+        try:
+            d = datum_odberu(src)
+        except ET.ParseError as e:
+            d = None
+            cilovy_dir = CIL / "_CHYBY"
+            chyby.append(f"{src.name}: parse error – {e}")
+            stat["chyba"] += 1
+        else:
+            if d is None:
+                cilovy_dir = CIL / "_BEZ_DATUMU"
+                stat["bez_datumu"] += 1
+            else:
+                rok, mes, den = d
+                cilovy_dir = CIL / rok / mes / den
+                stat["ok"] += 1
+                roky[rok] += 1
+
+        dst = cilovy_dir / src.name
+        if dry:
+            continue
+        cilovy_dir.mkdir(parents=True, exist_ok=True)
+        shutil.copy2(src, dst)
+
+    print("Hotovo:")
+    print(f"  zařazeno dle data odběru : {stat['ok']}")
+    print(f"  bez data (_BEZ_DATUMU)   : {stat['bez_datumu']}")
+    print(f"  chyby parsování (_CHYBY) : {stat['chyba']}")
+    if roky:
+        print("\nRozložení podle roku:")
+        for rok in sorted(roky):
+            print(f"  {rok}: {roky[rok]}")
+    if chyby:
+        print("\nDetail chyb:")
+        for c in chyby:
+            print(f"  {c}")
+
+
+if __name__ == "__main__":
+    main()