Automation: API-Auth, Postfach und Kalender, Excel im Browser, ausführbare Fehlerfälle (LRN-12)

HANDBUCH.md

@@ -445,7 +445,7 @@ Alles andere (Langoptionen wie `--all`, `sudo`, andere Pfade, Reihenfolge von Ar
 
 Laufzeitumgebung (Browser und `pnpm verify` identisch, siehe `src/python/harness.py`):
 
-- Pyodide mit **Python 3.14** und der Standardbibliothek (inklusive `sqlite3`, `json`, `csv`, `re`, `pathlib`, `shutil`, `zipfile`, `hashlib`, `email`, `html.parser`, `xml.etree`, `tomllib`, `unittest.mock`). Zusätzlich verfügbar: `bs4` (BeautifulSoup), `yaml` (PyYAML), `zoneinfo` mit Zeitzonendaten, **pandas 3.0 mit numpy 2.4** sowie **pytest 9.0 und Hypothesis 6.168** (siehe unten). Beim ersten `import pandas` lädt der Browser einmalig etwa 8 MB; das zählt nicht zum Zeitlimit. pandas 3 hat Copy-on-Write und einen eigenen `str`-Datentyp für Text – Beispiele und erwartete Ausgaben müssen dazu passen. `pnpm verify` führt pandas-Code in einer virtuellen Umgebung mit denselben Versionen aus (angelegt mit `uv`). Nicht verfügbar: matplotlib, openpyxl, pyarrow – Code dafür als `python` ohne `run` oder als `practice`.
+- Pyodide mit **Python 3.14** und der Standardbibliothek (inklusive `sqlite3`, `json`, `csv`, `re`, `pathlib`, `shutil`, `zipfile`, `hashlib`, `hmac`, `email`, `html.parser`, `xml.etree`, `tomllib`, `logging`, `contextvars`, `unittest.mock`). Zusätzlich verfügbar: `bs4` (BeautifulSoup), `yaml` (PyYAML), `zoneinfo` mit Zeitzonendaten, **pandas 3.0 mit numpy 2.4**, **pytest 9.0 und Hypothesis 6.168** (siehe unten) sowie **openpyxl 3.1** für Excel-Dateien. Beim ersten `import pandas` lädt der Browser einmalig etwa 8 MB, bei openpyxl rund 270 KB; das zählt nicht zum Zeitlimit. pandas 3 hat Copy-on-Write und einen eigenen `str`-Datentyp für Text – Beispiele und erwartete Ausgaben müssen dazu passen. openpyxl rechnet Formeln nicht aus: Eine Formel bleibt Text, `data_only=True` liefert nur Werte, die eine Tabellenkalkulation gespeichert hat. `pnpm verify` führt pandas-, pytest- und openpyxl-Code in einer virtuellen Umgebung mit denselben Versionen aus (angelegt mit `uv`). Nicht verfügbar: matplotlib, pyarrow – Code dafür als `python` ohne `run` oder als `practice`.
 - **Nicht verfügbar:** Netzwerk, `subprocess`, Threads (`threading`, `ThreadPoolExecutor`), `multiprocessing`-Prozesse, `input()`. Für diese Themen `explain`, `output` (nur deterministisch), `bug` oder `practice` verwenden – oder die Aufgabe so schneiden, dass die Logik als reine Funktion testbar ist (zum Beispiel eine Funktion, die die Befehlsliste für `subprocess.run` *baut*, oder ein Abrufer, der als Parameter übergeben wird).
 - **Async:** Tests dürfen `await` auf oberster Ebene verwenden (`assert await hole(1) == …`). `asyncio.gather`, `TaskGroup`, `asyncio.timeout` und `asyncio.sleep` funktionieren. Niemals `asyncio.run()` im Lernenden-Code oder in Tests aufrufen – im Browser läuft bereits eine Event-Loop.
 - Jeder Lauf startet in einem frischen, leeren Arbeitsverzeichnis. `setup` kann dort Dateien anlegen, auch Module: Das Verzeichnis ist importierbar, `from tarif import mietpreis` findet also eine Datei `tarif.py` aus `setup`.
@@ -782,7 +782,7 @@ pnpm test:e2e                  # Browser-Tests (Playwright)
 pnpm build                     # TypeScript + Produktionsbuild
 ```
 
-`pnpm verify` braucht lokal `python3` und `rustc` (Edition 2024), für pandas- und pytest-Code zusätzlich `uv`: Beim ersten Lauf entsteht unter `node_modules/.cache/verify-python/` eine virtuelle Umgebung mit genau den pandas- und numpy-Versionen des Browsers (aus `pyodide-lock.json`) und den pytest- und Hypothesis-Versionen aus `src/python/packages.ts`. TypeScript- und JavaScript-`output` laufen mit dem Node, das auch `pnpm verify` ausführt. SQL prüft `verify` in Pyodide unter Node, also mit derselben SQLite wie im Browser, PostgreSQL mit derselben PGlite-Version wie im Browser. Kotlin wird nicht kompiliert; Kotlin-Aufgaben daher besonders sorgfältig gegen die offizielle Dokumentation prüfen. Excel-Formeln und Power-Query-Code laufen nirgends; sie brauchen besonders sorgfältige Prüfung gegen die Microsoft-Dokumentation.
+`pnpm verify` braucht lokal `python3` und `rustc` (Edition 2024), für pandas-, pytest- und openpyxl-Code zusätzlich `uv`: Beim ersten Lauf entsteht unter `node_modules/.cache/verify-python/` eine virtuelle Umgebung mit genau den pandas- und numpy-Versionen des Browsers (aus `pyodide-lock.json`) und den pytest-, Hypothesis- und openpyxl-Versionen aus `src/python/packages.ts`. TypeScript- und JavaScript-`output` laufen mit dem Node, das auch `pnpm verify` ausführt. SQL prüft `verify` in Pyodide unter Node, also mit derselben SQLite wie im Browser, PostgreSQL mit derselben PGlite-Version wie im Browser. Kotlin wird nicht kompiliert; Kotlin-Aufgaben daher besonders sorgfältig gegen die offizielle Dokumentation prüfen. Excel-Formeln und Power-Query-Code laufen nirgends; sie brauchen besonders sorgfältige Prüfung gegen die Microsoft-Dokumentation.
 
 `content:check` und `verify` nehmen auch einzelne Module: `pnpm verify data/sql-joins`. Dann zählen nur Fehler dieses Moduls und der `area.yaml` – praktisch, solange andere Module desselben Bereichs noch entstehen.
 

README.md

@@ -8,7 +8,7 @@ Die Plattform ist kein Nachschlagewerk. Jedes Modul besteht aus einer Lektion, d
 
 ## Start
 
-Node.js 24, pnpm 11. Für `pnpm verify` zusätzlich `python3` (3.14), `rustc` (Edition 2024) und `uv` (legt für pandas- und pytest-Übungen eine Umgebung mit den pandas-, numpy-, pytest- und Hypothesis-Versionen des Browsers an), für den Bear-Generator Python 3.
+Node.js 24, pnpm 11. Für `pnpm verify` zusätzlich `python3` (3.14), `rustc` (Edition 2024) und `uv` (legt für pandas-, pytest- und Excel-Übungen eine Umgebung mit den pandas-, numpy-, pytest-, Hypothesis- und openpyxl-Versionen des Browsers an), für den Bear-Generator Python 3.
 
 ```sh
 pnpm install
@@ -20,7 +20,7 @@ pnpm dev            # http://127.0.0.1:5180
 | Befehl | Zweck |
 | --- | --- |
 | `pnpm content:check [bereich[/modul]]` | Inhalte validieren (Pflichtfelder, IDs, Lücken, Richtwerte) |
-| `pnpm verify [bereich[/modul]]` | Python-Übungen und -Beispiele ausführen (auch pandas, pytest und Hypothesis), SQL mit der SQLite und dem PostgreSQL des Browsers prüfen, Rust kompilieren, TypeScript-Ausgaben mit Node prüfen, Ausgaben vergleichen, Git-Labore durchspielen |
+| `pnpm verify [bereich[/modul]]` | Python-Übungen und -Beispiele ausführen (auch pandas, pytest, Hypothesis und openpyxl), SQL mit der SQLite und dem PostgreSQL des Browsers prüfen, Rust kompilieren, TypeScript-Ausgaben mit Node prüfen, Ausgaben vergleichen, Git-Labore durchspielen |
 | `pnpm links [bereich]` | Alle externen Links und Anker prüfen |
 | `pnpm test` | Unit-Tests (Prüflogik, Speicher, Bear-Rekonstruktion, Inhalte) |
 | `pnpm lint`, `pnpm typecheck` | ESLint und strikte TypeScript-Prüfung einschließlich Backend |
@@ -75,7 +75,7 @@ src/pages/                 Startseite, Bereich, Lektion, Übung, Karten, Wiederh
 src/python/                Pyodide-Worker und Harness für Python, pytest und SQLite (dieselbe Harness nutzt pnpm verify), Liste der Test-Pakete
 src/pg/                    PostgreSQL 18 (PGlite) im Worker: frische Datenbank je Lauf, Ausgabe wie psql (dieselbe Engine nutzen pnpm verify und der Build)
 src/vm/                    Linux-VM im Browser (v86): Laden, Snapshot, Steuerkanal, Prüfungen, Terminal in Übungen und Lektionen
-vendor/pyodide/            Zusätzliche Pyodide-Pakete (tzdata, beautifulsoup4, PyYAML, pandas mit numpy, pytest, Hypothesis)
+vendor/pyodide/            Zusätzliche Pyodide-Pakete (tzdata, beautifulsoup4, PyYAML, pandas mit numpy, pytest, Hypothesis, openpyxl mit et_xmlfile)
 vendor/vm/                 Gebautes Debian-Image samt Snapshot für die Linux-VM
 ```
 

content/automation/area.yaml

@@ -3,26 +3,30 @@ title: Automation mit Python
 short: Automation
 tagline: Wiederkehrende Arbeit einmal lösen – und dann nie wieder.
 description: >
-  Dateien und Ordner, Kommandozeilen-Werkzeuge, Prozesse, Datenformate,
-  reguläre Ausdrücke, Web-APIs, Scraping und Browser-Automatisierung,
-  zeitgesteuerte Jobs, Benachrichtigungen, robuste Fehlerbehandlung,
-  Deployment mit CI und KI-gestützte Automatisierung.
+  Dateien und Ordner, Kommandozeilen-Werkzeuge, Prozesse, Datenformate mit Excel,
+  reguläre Ausdrücke, Web-APIs mit Authentifizierung, Scraping und
+  Browser-Automatisierung, Postfach und Kalender, zeitgesteuerte Jobs,
+  Benachrichtigungen, robuste Fehlerbehandlung mit ausführbaren Fehlerfällen,
+  Logs und Geheimnisse, Deployment mit CI und KI-gestützte Automatisierung.
+  Module „Am PC“ brauchen einen Rechner, etwa für Playwright; ihre Lektionen
+  lassen sich auch unterwegs lesen.
 color: "#2BD97C"
 order: 5
 outcomes:
   - Du erkennst, was sich zu automatisieren lohnt, und baust Skripte sicher, idempotent und mit Trockenlauf.
   - Du automatisierst Dateien, Ordner, Tabellen, JSON, YAML und Excel.
   - Du baust saubere Kommandozeilen-Werkzeuge mit argparse oder Typer, Logging und Konfiguration.
-  - Du sprichst Web-APIs robust an – mit Authentifizierung, Paginierung, Wiederholungen und Rate Limits.
+  - Du sprichst Web-APIs robust an – mit API-Keys, OAuth 2.0 und Webhook-Signaturen, Paginierung, Wiederholungen und Rate Limits.
+  - Du liest Postfächer per IMAP, verarbeitest Anhänge sicher und erzeugst Termine als ICS.
   - Du planst Jobs mit cron oder systemd-Timern und lässt sie mit GitHub Actions laufen.
   - Du setzt LLM-APIs verantwortungsvoll in Automatisierungen ein.
 tracks:
   - title: Grundlagen
     description: Denken wie ein Automatisierer, Dateien, Kommandozeile und externe Programme.
     modules: [automatisieren-denken, dateien-ordner, cli-werkzeuge, prozesse-shell]
   - title: Daten & Web
-    description: Formate, Text, APIs, Scraping und Browser-Steuerung.
-    modules: [datenformate, regex-text, web-apis, scraping-browser]
+    description: Formate mit Excel, Text, APIs mit Authentifizierung, Scraping und Browser-Steuerung.
+    modules: [datenformate, regex-text, web-apis, api-authentifizierung, scraping-browser]
   - title: Betrieb
-    description: Zeitsteuerung, Benachrichtigungen, Robustheit, Deployment und KI.
-    modules: [zeitsteuerung, benachrichtigungen, robustheit, deployment-ci, ki-automatisierung]
+    description: Zeitsteuerung, Benachrichtigungen, Postfach und Kalender, Robustheit mit ausführbaren Fehlerfällen, Logs und Geheimnisse, Deployment und KI.
+    modules: [zeitsteuerung, benachrichtigungen, postfach-kalender, robustheit, fehlerfaelle, logs-geheimnisse, deployment-ci, ki-automatisierung]