Přepsat stahování ICP na Playwright — certifikát přes browser context

Playwright předloží PFX certifikát automaticky při TLS handshake,
klikne na odkaz a zachytí download bez nutnosti ručního přihlášení.

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

StahovánízVZPWithClaude/import_vzp_pracoviste.py

@@ -4,18 +4,14 @@ Před importem automaticky stáhne nejnovější soubor z VZP Point (vyžaduje c
 Použití: python import_vzp_pracoviste.py [--no-download] [soubor.Lh7]
 """
 
-import base64
 import csv
 import glob
-import hashlib
 import io
 import os
 import re
-import secrets
 import sys
 import zipfile
 from datetime import date, datetime
-from html.parser import HTMLParser
 
 # Windows konzole - povol UTF-8 výstup
 if sys.stdout.encoding != "utf-8":
@@ -77,233 +73,84 @@ def parse_date(s: str) -> date | None:
         return None
 
 
-def _pkce_pair() -> tuple[str, str]:
-    """Vrátí (code_verifier, code_challenge) pro PKCE S256."""
-    verifier = secrets.token_urlsafe(64)
-    digest = hashlib.sha256(verifier.encode()).digest()
-    challenge = base64.urlsafe_b64encode(digest).rstrip(b"=").decode()
-    return verifier, challenge
-
-
-def _get_bearer_token() -> str | None:
-    """
-    Autentizuje pomocí PKCS12 certifikátu přes OIDC authorization_code + PKCE.
-    Certifikát je předán při TLS handshake na auth.vzp.cz.
-    Vrátí Bearer access_token nebo None při chybě.
-    """
-    try:
-        import requests
-        from requests_pkcs12 import Pkcs12Adapter
-    except ImportError:
-        print("[auth] pip install requests requests-pkcs12")
-        return None
-
-    password = VZP_CERT_PASSWORD.encode() if VZP_CERT_PASSWORD else None
-    verifier, challenge = _pkce_pair()
-    nonce = secrets.token_urlsafe(32)
-    state = secrets.token_urlsafe(32)
-
-    session = requests.Session()
-    # Certifikát pro TLS client auth na auth.vzp.cz i pro redirect na point.vzp.cz
-    for base in ("https://auth.vzp.cz", "https://point.vzp.cz"):
-        session.mount(base, Pkcs12Adapter(pkcs12_filename=VZP_CERT_FILE, pkcs12_password=password))
-
-    # Krok 1: Authorize — server ověří certifikát a vrátí form_post HTML s code
-    try:
-        resp = session.get(
-            "https://auth.vzp.cz/connect/authorize",
-            params={
-                "client_id":             "bdesk",
-                "redirect_uri":          "https://point.vzp.cz/home/signin",
-                "response_type":         "code",
-                "scope":                 "openid profile email phone offline_access",
-                "response_mode":         "form_post",
-                "nonce":                 nonce,
-                "state":                 state,
-                "code_challenge":        challenge,
-                "code_challenge_method": "S256",
-            },
-            allow_redirects=True,
-            timeout=30,
-        )
-    except Exception as e:
-        print(f"[auth] Chyba při authorize: {e}")
-        return None
-
-    # Parsuj form_post HTML a vytáhni code
-    class _FormParser(HTMLParser):
-        def __init__(self):
-            super().__init__()
-            self.fields: dict[str, str] = {}
-        def handle_starttag(self, tag, attrs):
-            if tag == "input":
-                d = dict(attrs)
-                if d.get("name"):
-                    self.fields[d["name"]] = d.get("value", "")
-
-    fp = _FormParser()
-    fp.feed(resp.text)
-    code = fp.fields.get("code")
-
-    if not code:
-        print(f"[auth] Autorizační kód nenalezen (HTTP {resp.status_code}). "
-              f"Zkontroluj certifikát a heslo PFX.")
-        return None
-
-    # Krok 2: Vyměň code za access_token
-    try:
-        token_resp = session.post(
-            "https://auth.vzp.cz/connect/token",
-            data={
-                "grant_type":    "authorization_code",
-                "code":          code,
-                "redirect_uri":  "https://point.vzp.cz/home/signin",
-                "client_id":     "bdesk",
-                "code_verifier": verifier,
-            },
-            timeout=30,
-        )
-        token_data = token_resp.json()
-    except Exception as e:
-        print(f"[auth] Chyba při výměně tokenu: {e}")
-        return None
-
-    token = token_data.get("access_token")
-    if not token:
-        print(f"[auth] access_token chybí. Odpověď: {list(token_data.keys())}")
-        return None
-
-    return token
-
-
-def _get_icp_filename(session, token: str) -> str | None:
-    """
-    Zjistí aktuální název ICP zip souboru z point.vzp.cz/Cms/Document
-    (atribut download na odkazu 'Soubor platných IČP').
-    """
-    try:
-        resp = session.get("https://point.vzp.cz/Cms/Document", timeout=30)
-        resp.raise_for_status()
-    except Exception as e:
-        print(f"[stahování] Nelze načíst seznam dokumentů: {e}")
-        return None
-
-    class _DownloadParser(HTMLParser):
-        def __init__(self):
-            super().__init__()
-            self.filename: str | None = None
-        def handle_starttag(self, tag, attrs):
-            if tag == "a" and not self.filename:
-                d = dict(attrs)
-                dl = d.get("download", "")
-                if re.search(r"-icp\.zip$", dl, re.IGNORECASE):
-                    self.filename = dl
-
-    dp = _DownloadParser()
-    dp.feed(resp.text)
-    return dp.filename
-
-
 def download_latest_file() -> str | None:
     """
-    1. Autentizuje certifikátem přes OIDC → Bearer token
-    2. Zjistí aktuální název ICP zip z point.vzp.cz
-    3. Získá SAS URL z www.vzp.cz/api/documents/{id}/files/{filename}
-    4. Stáhne ZIP, rozbalí PLP111*.Lh7 do Import/
-    Vrátí cestu k Lh7 nebo None při chybě.
+    Použije Playwright (Chromium) s PFX certifikátem pro přihlášení na VZP Point.
+    Klikne na 'Soubor platných IČP', zachytí stažený ZIP, rozbalí Lh7 do Import/.
     """
     try:
-        import requests
-        from requests_pkcs12 import Pkcs12Adapter
+        from playwright.sync_api import sync_playwright
     except ImportError:
-        print("[stahování] pip install requests requests-pkcs12")
+        print("[stahování] pip install playwright && playwright install chromium")
         return None
 
-    password = VZP_CERT_PASSWORD.encode() if VZP_CERT_PASSWORD else None
+    os.makedirs(IMPORT_DIR, exist_ok=True)
 
-    # Session s certifikátem (pro point.vzp.cz po autentizaci)
-    session = requests.Session()
-    for base in ("https://auth.vzp.cz", "https://point.vzp.cz"):
-        session.mount(base, Pkcs12Adapter(pkcs12_filename=VZP_CERT_FILE, pkcs12_password=password))
-
-    # Autentizace
-    print("[stahování] Přihlašování certifikátem...")
-    token = _get_bearer_token()
-    if not token:
-        return None
-    print("[stahování] Přihlášení úspěšné.")
-
-    # Zjisti název souboru
-    zip_filename = _get_icp_filename(session, token)
-    if not zip_filename:
-        print("[stahování] Název ICP souboru nenalezen.")
-        return None
-
-    # Zkontroluj, jestli Lh7 pro tento rok už máme
-    year_match = re.search(r"^(\d{2})", zip_filename)
-    year = year_match.group(1) if year_match else ""
-    existing = glob.glob(os.path.join(IMPORT_DIR, f"PLP111{year}.Lh7"))
-    if existing:
-        print(f"[stahování] {os.path.basename(existing[0])} již existuje — přeskočeno.")
-        return existing[0]
-
-    # Získej SAS URL pro stažení
-    api_url = f"https://www.vzp.cz/api/documents/{VZP_DOCUMENT_ID}/files/{zip_filename}"
-    print(f"[stahování] Získávám odkaz ke stažení...")
-    try:
-        api_resp = requests.get(
-            api_url,
-            headers={
-                "Authorization": f"Bearer {token}",
-                "Origin":        "https://point.vzp.cz",
-                "Referer":       "https://point.vzp.cz/",
-            },
-            timeout=30,
+    with sync_playwright() as p:
+        browser = p.chromium.launch(headless=True)
+        context = browser.new_context(
+            client_certificates=[{
+                "origin":      "https://auth.vzp.cz",
+                "pfxPath":     VZP_CERT_FILE,
+                "passphrase":  VZP_CERT_PASSWORD,
+            }],
+            accept_downloads=True,
         )
-        api_resp.raise_for_status()
-        # Odpověď je SAS URL jako JSON string nebo objekt
-        try:
-            data = api_resp.json()
-            sas_url = data if isinstance(data, str) else (
-                data.get("url") or data.get("sasUrl") or data.get("uri") or data.get("value")
-            )
-        except Exception:
-            sas_url = api_resp.text.strip().strip('"')
-    except Exception as e:
-        print(f"[stahování] Chyba při získávání SAS URL: {e}")
-        return None
+        page = context.new_page()
 
-    if not sas_url or not sas_url.startswith("http"):
-        print(f"[stahování] Neplatná SAS URL: {str(sas_url)[:100]}")
-        return None
+        # 1. Přihlášení — klik na Certifikát, Playwright certifikát předloží automaticky
+        print("[stahování] Přihlašování na VZP Point...")
+        page.goto("https://point.vzp.cz/", wait_until="networkidle", timeout=30_000)
 
-    # Stáhni ZIP z Azure Blob Storage
-    print(f"[stahování] Stahuji {zip_filename}...")
+        cert_btn = page.locator("text=Certifikát").first
+        if cert_btn.is_visible(timeout=5_000):
+            cert_btn.click()
+            page.wait_for_url("**/point.vzp.cz/**", timeout=30_000)
+            page.wait_for_load_state("networkidle", timeout=30_000)
+
+        print("[stahování] Přihlášeno.")
+
+        # 2. Stránka s dokumenty
+        page.goto("https://point.vzp.cz/Cms/Document", wait_until="networkidle", timeout=30_000)
+
+        # 3. Zkontroluj aktuální název souboru
+        icp_link = page.locator("a[download*='-icp.zip']").first
+        zip_name = icp_link.get_attribute("download", timeout=5_000)
+        if zip_name:
+            year = zip_name[:2]
+            existing = glob.glob(os.path.join(IMPORT_DIR, f"PLP111{year}.Lh7"))
+            if existing:
+                print(f"[stahování] {os.path.basename(existing[0])} již existuje — přeskočeno.")
+                browser.close()
+                return existing[0]
+
+        # 4. Stáhni ZIP
+        print(f"[stahování] Stahuji {zip_name or 'ICP soubor'}...")
+        with page.expect_download(timeout=60_000) as dl_info:
+            icp_link.click()
+        download = dl_info.value
+
+        zip_path = os.path.join(IMPORT_DIR, download.suggested_filename)
+        download.save_as(zip_path)
+        browser.close()
+
+    # 5. Rozbal Lh7 z archivu
     try:
-        zip_resp = requests.get(sas_url, timeout=60)
-        zip_resp.raise_for_status()
-    except Exception as e:
-        print(f"[stahování] Chyba při stahování ZIP: {e}")
-        return None
-
-    # Rozbal Lh7
-    try:
-        with zipfile.ZipFile(io.BytesIO(zip_resp.content)) as zf:
+        with zipfile.ZipFile(zip_path) as zf:
             lh7_names = [n for n in zf.namelist() if n.lower().endswith(".lh7")]
             if not lh7_names:
                 print("[stahování] ZIP neobsahuje .Lh7 soubor")
                 return None
             dest = os.path.join(IMPORT_DIR, os.path.basename(lh7_names[0]))
-            os.makedirs(IMPORT_DIR, exist_ok=True)
             with zf.open(lh7_names[0]) as src, open(dest, "wb") as out:
                 out.write(src.read())
+        os.remove(zip_path)
+        print(f"[stahování] Rozbaleno: {os.path.basename(dest)} ({os.path.getsize(dest):,} B)")
+        return dest
     except Exception as e:
         print(f"[stahování] Chyba při rozbalování: {e}")
         return None
 
-    print(f"[stahování] Rozbaleno: {os.path.basename(dest)} ({os.path.getsize(dest):,} B)")
-    return dest
-
 
 def find_latest_file() -> str:
     files = glob.glob(os.path.join(IMPORT_DIR, "*.Lh7"))