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/54-cobertura.py

@@ -0,0 +1,47 @@
+#!/usr/bin/env python3
+"""Cobertura real: cada URL del inventario debe tener su fichero en raw/.
+
+Contempla las tres formas en que wget nombra el fichero:
+  /es/x.html                -> x.html
+  /es/                      -> index.html
+  /es/x?.html  (alias con '?' literal)  -> "x?.html"  o  "x"
+"""
+import os, json
+from urllib.parse import urlsplit, unquote
+
+BASE = "/home/rafa/joomla-migration/mirror-antiguo"
+RUN = open(os.path.join(BASE, "CURRENT_RUN")).read().strip()
+DIR = os.path.join(BASE, "runs", RUN)
+RAW = os.path.join(DIR, "raw", "antiguo.feadulta.com")
+
+def candidates(url):
+    rest = url.split("antiguo.feadulta.com", 1)[1]
+    rest = unquote(rest)
+    yield rest.lstrip("/")                      # nombre literal, con '?' incluido
+    p = urlsplit(rest).path.lstrip("/")
+    yield p                                     # truncado en el '?'
+    if rest.endswith("/") or p.endswith("/") or p == "":
+        yield (p + "index.html")
+
+ok, missing = 0, []
+urls = [l.strip() for l in open(os.path.join(BASE, "inventory", "urls-input.txt")) if l.strip()]
+for u in urls:
+    if any(os.path.isfile(os.path.join(RAW, c)) for c in candidates(u) if c):
+        ok += 1
+    else:
+        missing.append(u)
+
+print("inventario:", len(urls))
+print("con fichero en raw/:", ok)
+print("sin fichero:", len(missing))
+print("cobertura: %.2f%%" % (ok * 100.0 / len(urls)))
+with open(os.path.join(DIR, "coverage-missing.txt"), "w") as f:
+    for u in missing:
+        f.write(u + "\n")
+for u in missing[:25]:
+    print("  ", u)
+
+total = sum(len(fs) for _r, _d, fs in os.walk(os.path.join(DIR, "raw")))
+json.dump({"inventario": len(urls), "capturadas": ok, "sin_fichero": len(missing),
+           "cobertura_pct": round(ok * 100.0 / len(urls), 2), "ficheros_totales_raw": total},
+          open(os.path.join(DIR, "coverage-report.json"), "w"), indent=2)