sharexlsx-py 0.1.0__tar.gz

sharexlsx_py-0.1.0/PKG-INFO

@@ -0,0 +1,20 @@
+Metadata-Version: 2.4
+Name: sharexlsx_py
+Version: 0.1.0
+Summary: Librería para consultar y leer archivos Excel de SharePoint usando MS Graph API
+Author-email: Mario Eduardo <mfernandez@sumimsa.com.mx>
+Requires-Python: >=3.8
+Description-Content-Type: text/markdown
+Requires-Dist: msal>=1.20.0
+Requires-Dist: httpx>=0.28.1
+
+# sharexlsx_py
+
+Librería asíncrona de Python para consultar y leer archivos Excel (`.xlsx`) alojados en Microsoft SharePoint utilizando Microsoft Graph API, `httpx` y `python-calamine`.
+
+## Características
+
+* **Rendimiento Asíncrono:** Basado en `httpx.AsyncClient` con reutilización de conexiones TCP (Connection Pooling).
+* **Autenticación No Bloqueante:** Delegación de MSAL a hilos secundarios vía `asyncio.to_thread`.
+* **Lectura Rápida de Excel:** Uso del motor `python-calamine` (escrito en Rust) para un parseo acelerado a DataFrames de Pandas.
+* **Procesamiento en Memoria:** Sin persistencia en disco de archivos temporales.

sharexlsx_py-0.1.0/README.md

@@ -0,0 +1,10 @@
+# sharexlsx_py
+
+Librería asíncrona de Python para consultar y leer archivos Excel (`.xlsx`) alojados en Microsoft SharePoint utilizando Microsoft Graph API, `httpx` y `python-calamine`.
+
+## Características
+
+* **Rendimiento Asíncrono:** Basado en `httpx.AsyncClient` con reutilización de conexiones TCP (Connection Pooling).
+* **Autenticación No Bloqueante:** Delegación de MSAL a hilos secundarios vía `asyncio.to_thread`.
+* **Lectura Rápida de Excel:** Uso del motor `python-calamine` (escrito en Rust) para un parseo acelerado a DataFrames de Pandas.
+* **Procesamiento en Memoria:** Sin persistencia en disco de archivos temporales.

sharexlsx_py-0.1.0/pyproject.toml

@@ -0,0 +1,20 @@
+[build-system]
+requires = ["setuptools>=61.0"]
+build-backend = "setuptools.build_meta"
+
+[project]
+name = "sharexlsx_py"
+version = "0.1.0"
+authors = [
+    { name="Mario Eduardo", email="mfernandez@sumimsa.com.mx" },
+]
+description = "Librería para consultar y leer archivos Excel de SharePoint usando MS Graph API"
+readme = "README.md"
+requires-python = ">=3.8"
+dependencies = [
+    "msal>=1.20.0",
+    "httpx>=0.28.1",
+]
+
+[tool.setuptools.packages.find]
+where = ["."]

sharexlsx_py-0.1.0/setup.cfg

@@ -0,0 +1,4 @@
+[egg_info]
+tag_build = 
+tag_date = 0
+

sharexlsx_py-0.1.0/sharexlsx_py/__init__.py

@@ -0,0 +1,5 @@
+from .client import SharePointExcelClient
+
+__all__ = [
+    "SharePointExcelClient",
+]

sharexlsx_py-0.1.0/sharexlsx_py/auth.py

@@ -0,0 +1,49 @@
+import asyncio
+
+import httpx
+import msal
+
+
+class GraphAuth:
+    def __init__(self, tenant_id: str, client_id: str, client_secret: str) -> None:
+        self.authority = f"https://login.microsoftonline.com/{tenant_id}"
+        self.scope = ["https://graph.microsoft.com/.default"]
+
+        self.app = msal.ConfidentialClientApplication(
+            client_id,
+            authority=self.authority,
+            client_credential=client_secret,
+        )
+
+    async def get_access_token(self) -> str:
+        """
+        Obtiene el token usando caché o solicita uno nuevo en un hilo secundario (non-blocking).
+        """
+        result = await asyncio.to_thread(
+            self.app.acquire_token_silent, self.scope, account=None
+        )
+
+        if not result:
+            result = await asyncio.to_thread(
+                self.app.acquire_token_for_client, scopes=self.scope
+            )
+
+        if result and "access_token" in result:
+            return result["access_token"]
+
+        error_msg = result.get("error_description") if result else "Error desconocido"
+        raise PermissionError(f"Error autenticando en MS Graph: {error_msg}")
+
+
+class MSGraphAuth(httpx.Auth):
+    """
+    Inyecta dinámicamente el token Bearer en peticiones asíncronas de httpx.
+    """
+
+    def __init__(self, graph_auth: GraphAuth) -> None:
+        self.graph_auth = graph_auth
+
+    async def async_auth_flow(self, request: httpx.Request):
+        token = await self.graph_auth.get_access_token()
+        request.headers["Authorization"] = f"Bearer {token}"
+        yield request

sharexlsx_py-0.1.0/sharexlsx_py/client.py

@@ -0,0 +1,111 @@
+import asyncio
+from typing import Self
+
+import httpx
+
+from .auth import GraphAuth, MSGraphAuth
+from .utils import filter_xlsx_items
+
+
+class SharePointExcelClient:
+    def __init__(
+        self,
+        tenant_id: str,
+        client_id: str,
+        client_secret: str,
+        site_hostname: str,
+        site_path: str,
+        timeout: float = 30.0,
+    ) -> None:
+        self.auth = GraphAuth(tenant_id, client_id, client_secret)
+        self.site_hostname = site_hostname
+        self.site_path = site_path.strip("/")
+        self._site_id: str | None = None
+        self.timeout = timeout
+        self._client: httpx.AsyncClient | None = None
+
+    @property
+    def client(self) -> httpx.AsyncClient:
+        """
+        Inicializa o retorna la sesión de cliente persistente.
+        """
+        if self._client is None or self._client.is_closed:
+            self._client = httpx.AsyncClient(
+                base_url="https://graph.microsoft.com/v1.0",
+                auth=MSGraphAuth(self.auth),
+                timeout=httpx.Timeout(self.timeout),
+            )
+        return self._client
+
+    async def get_site_id(self) -> str:
+        """
+        Obtiene y almacena en caché el Site ID de SharePoint.
+        """
+        if not self._site_id:
+            url = f"/sites/{self.site_hostname}:/{self.site_path}"
+            response = await self.client.get(url)
+            response.raise_for_status()
+            self._site_id = response.json()["id"]
+
+        assert self._site_id is not None
+        return self._site_id
+
+    async def list_excel_files(self, relative_folder_path: str = "") -> list[dict]:
+        """
+        Retorna únicamente la lista de metadatos de los archivos .xlsx
+        """
+        site_id = await self.get_site_id()
+        folder_path = relative_folder_path.strip("/")
+        
+        endpoint = (
+            f"/sites/{site_id}/drive/root:/{folder_path}:/children"
+            if folder_path
+            else f"/sites/{site_id}/drive/root/children"
+        )
+        
+        response = await self.client.get(endpoint)
+        response.raise_for_status()
+        return filter_xlsx_items(response.json().get("value", []))
+
+    async def get_excel_bytes(self, relative_file_path: str) -> bytes:
+        """
+        Descarga y retorna los bytes puros de un archivo .xlsx específico.
+        """
+        site_id = await self.get_site_id()
+        file_path = relative_file_path.strip("/")
+        endpoint = f"/sites/{site_id}/drive/root:/{file_path}:/content"
+        
+        response = await self.client.get(endpoint)
+        response.raise_for_status()
+        return response.content  # Retorna el binario puro (.xlsx en memoria)
+
+    async def get_folder_excels_bytes(
+        self, relative_folder_path: str = ""
+    ) -> list[dict]:
+        """
+        Descarga en paralelo todos los archivos .xlsx del directorio
+        y retorna una lista con metadatos + bytes puros de cada uno.
+        """
+        metadatas = await self.list_excel_files(relative_folder_path)
+        folder_path = relative_folder_path.strip("/")
+
+        async def _download(meta: dict) -> dict:
+            file_rel_path = f"{folder_path}/{meta['name']}" if folder_path else meta["name"]
+            content_bytes = await self.get_excel_bytes(file_rel_path)
+            return {**meta, "content": content_bytes}
+
+        return list(await asyncio.gather(*[_download(meta) for meta in metadatas]))
+
+    async def close(self) -> None:
+        """
+        Cierra el pool de conexiones del cliente HTTP y limpia la referencia.
+        """
+        if self._client and not self._client.is_closed:
+            await self._client.aclose()
+            self._client = None
+
+    async def __aenter__(self) -> Self:
+        return self
+
+    async def __aexit__(self, exc_type, exc_val, exc_tb) -> None:
+        await self.close()

sharexlsx_py-0.1.0/sharexlsx_py/utils.py

@@ -0,0 +1,19 @@
+def filter_xlsx_items(items: list[dict]) -> list[dict]:
+    """
+    Filtra los elementos retornados por Microsoft Graph API para extraer
+    únicamente archivos con extensión .xlsx y normalizar sus metadatos.
+    """
+    files = []
+    for item in items:
+        if "file" in item and item["name"].lower().endswith(".xlsx"):
+            files.append(
+                {
+                    "id": item.get("id"),
+                    "name": item.get("name"),
+                    "size": item.get("size"),
+                    "web_url": item.get("webUrl"),
+                    "created_at": item.get("createdDateTime"),
+                    "last_modified": item.get("lastModifiedDateTime"),
+                }
+            )
+    return files

sharexlsx_py-0.1.0/sharexlsx_py.egg-info/PKG-INFO

@@ -0,0 +1,20 @@
+Metadata-Version: 2.4
+Name: sharexlsx_py
+Version: 0.1.0
+Summary: Librería para consultar y leer archivos Excel de SharePoint usando MS Graph API
+Author-email: Mario Eduardo <mfernandez@sumimsa.com.mx>
+Requires-Python: >=3.8
+Description-Content-Type: text/markdown
+Requires-Dist: msal>=1.20.0
+Requires-Dist: httpx>=0.28.1
+
+# sharexlsx_py
+
+Librería asíncrona de Python para consultar y leer archivos Excel (`.xlsx`) alojados en Microsoft SharePoint utilizando Microsoft Graph API, `httpx` y `python-calamine`.
+
+## Características
+
+* **Rendimiento Asíncrono:** Basado en `httpx.AsyncClient` con reutilización de conexiones TCP (Connection Pooling).
+* **Autenticación No Bloqueante:** Delegación de MSAL a hilos secundarios vía `asyncio.to_thread`.
+* **Lectura Rápida de Excel:** Uso del motor `python-calamine` (escrito en Rust) para un parseo acelerado a DataFrames de Pandas.
+* **Procesamiento en Memoria:** Sin persistencia en disco de archivos temporales.

sharexlsx_py-0.1.0/sharexlsx_py.egg-info/SOURCES.txt

@@ -0,0 +1,11 @@
+README.md
+pyproject.toml
+sharexlsx_py/__init__.py
+sharexlsx_py/auth.py
+sharexlsx_py/client.py
+sharexlsx_py/utils.py
+sharexlsx_py.egg-info/PKG-INFO
+sharexlsx_py.egg-info/SOURCES.txt
+sharexlsx_py.egg-info/dependency_links.txt
+sharexlsx_py.egg-info/requires.txt
+sharexlsx_py.egg-info/top_level.txt

sharexlsx_py-0.1.0/sharexlsx_py.egg-info/dependency_links.txt

@@ -0,0 +1 @@
+

sharexlsx_py-0.1.0/sharexlsx_py.egg-info/requires.txt

@@ -0,0 +1,2 @@
+msal>=1.20.0
+httpx>=0.28.1

sharexlsx_py-0.1.0/sharexlsx_py.egg-info/top_level.txt

@@ -0,0 +1,2 @@
+dist
+sharexlsx_py