Mirror del Joomla antiguo: versionar los scripts y reponer los assets que faltaban

Los scripts del mirror (00-90) vivian solo en el disco. Van al repo; los datos que
generan no (16 GB entre crawl, snapshot del origen y Joomla restaurado) -> .gitignore.

Nuevo 91-repone-assets404.sh: repone los ficheros que el crawl no capturo porque se
referencian SOLO desde CSS y el crawler seguia enlaces HTML (system.css, los fondos de
fe_adulta_1, ratingstars.gif de K2). Salian como 404 en los logs de nginx del Hetzner.

Descarga por HTTP desde el Joomla local aislado, nunca del filesystem -- mismo principio
que el crawl, para no arrastrar los .php comprometidos del #183 -- y escanea PHP embebido
antes de copiar a site/.

Resultado sobre las 286 rutas unicas con 404 del log: 196 repuestas y verificadas en
produccion (196/196 en 200 tras el rsync), 82 que dan 301->404 tambien en el origen (ya
estaban rotas en la web original) y 8 rutas basura /%22/... de HTML mal formado.

Refs #180

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

mirror-antiguo/scripts/20-prep-crawl.sh

@@ -0,0 +1,49 @@
+#!/bin/bash
+# Preparacion del crawl: hosts, liberacion de RAM, estructura de la corrida
+set -uo pipefail
+BASE=/home/rafa/joomla-migration/mirror-antiguo
+INV=$BASE/inventory
+WORKERS=${WORKERS:-4}
+
+IP=$(docker inspect joomla-mirror-web -f '{{range $k,$v := .NetworkSettings.Networks}}{{$v.IPAddress}}{{end}}')
+if ! grep -q 'antiguo.feadulta.com' /etc/hosts; then
+  echo "$IP antiguo.feadulta.com" | sudo -n tee -a /etc/hosts >/dev/null 2>&1 \
+    || echo "AVISO: no pude escribir /etc/hosts (hazlo como root)"
+fi
+grep 'antiguo.feadulta.com' /etc/hosts || true
+
+# --- parar contenedores no implicados (autorizado por Rafa) ---
+KEEP='joomla-mirror-web|joomla-mysql|gitea|hub-proxy|beszel-agent'
+STOPPED=$BASE/stopped-containers.txt
+if [ ! -s "$STOPPED" ]; then
+  docker ps --format '{{.Names}}' | grep -vE "^($KEEP)$" > "$STOPPED"
+  echo "--- parando ---"; cat "$STOPPED"
+  xargs -r -a "$STOPPED" docker stop >/dev/null
+fi
+echo "--- en marcha ahora ---"
+docker ps --format '{{.Names}}' | tr '\n' ' '; echo
+
+# --- estructura de la corrida ---
+RUN=$(date -u +%Y%m%dT%H%M%SZ)
+DIR=$BASE/runs/$RUN
+mkdir -p "$DIR/raw" "$DIR/chunks" "$DIR/logs"
+echo "$RUN" > "$BASE/CURRENT_RUN"
+
+split -n l/$WORKERS -d --additional-suffix=.txt "$INV/urls-input.txt" "$DIR/chunks/urls-"
+wc -l "$DIR/chunks"/*.txt
+
+cat > "$DIR/meta.json" <<EOF
+{
+  "run": "$RUN",
+  "origen": "Joomla legacy restaurado en local (contenedor joomla-mirror-web, BD joomla_mirror)",
+  "origen_ip": "$IP",
+  "host_virtual": "antiguo.feadulta.com",
+  "inventario": "inventory/urls-input.txt",
+  "urls_inventario": $(wc -l < "$INV/urls-input.txt"),
+  "workers": $WORKERS,
+  "wget": "$(wget --version | head -1)",
+  "nota": "Crawl acotado por inventario de BD. Sin recursion. Ver issue rafa/feadulta#180 comment-499."
+}
+EOF
+cat "$DIR/meta.json"
+free -g | head -2