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/43-pendientes.sh

@@ -0,0 +1,46 @@
+#!/bin/bash
+# Pase C unificado: conjunto completo de URLs deseadas menos lo que ya esta en disco.
+#   inventario  +  rutas de menu por `path`  +  huecos detectados en el HTML  +  assets reales
+# wget con --no-clobber se salta lo ya descargado, asi que el script es idempotente.
+set -uo pipefail
+BASE=/home/rafa/joomla-migration/mirror-antiguo
+RUN=$(cat "$BASE/CURRENT_RUN")
+D=$BASE/runs/$RUN
+W=${WORKERS:-4}
+REJECT='(\?|&)(start|limitstart|limit|print|tmpl|format|searchword|task|orderby|filter|catid|month|year)='
+
+cat "$BASE/inventory/urls-input.txt" \
+    "$BASE/inventory/urls-menu-path.txt" \
+    "$D/missing-real.txt" \
+    <(grep -v 'antiguo.feadulta.com/es/' "$D/assets-input.txt") \
+  | grep -E '^http://antiguo\.feadulta\.com/' \
+  | grep -v 'print=1' \
+  | grep -v 'tmpl=component' \
+  | grep -v 'format=opensearch' \
+  | grep -v '/component/mailto/' \
+  | sort -u > "$D/passC-input.txt"
+
+echo "conjunto deseado: $(wc -l < "$D/passC-input.txt")"
+echo "ficheros en disco antes: $(find "$D/raw" -type f | wc -l)"
+
+mkdir -p "$D/chunks-c"; rm -f "$D/chunks-c"/*.txt
+split -n l/$W -d --additional-suffix=.txt "$D/passC-input.txt" "$D/chunks-c/c-"
+
+date -u +%FT%TZ > "$D/logs/passC.start"
+for c in "$D/chunks-c"/c-*.txt; do
+  b=$(basename "$c" .txt)
+  wget --input-file="$c" \
+    --force-directories --directory-prefix="$D/raw" \
+    --adjust-extension --no-verbose --no-clobber -e robots=off \
+    --user-agent='feadulta-archiver/1.0 (+incident-183; mirror local)' \
+    --wait=0.1 --tries=2 --timeout=45 --waitretry=3 \
+    --reject-regex="$REJECT" \
+    --output-file="$D/logs/wget-$b.log" &
+done
+wait
+date -u +%FT%TZ > "$D/logs/passC.end"
+
+echo "PASE C TERMINADO"
+echo "ficheros en disco despues: $(find "$D/raw" -type f | wc -l)"
+du -sh "$D/raw"
+grep -hoE 'ERROR [0-9]+' "$D/logs"/wget-c-*.log | sort | uniq -c