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>
This commit is contained in:
2026-07-31 14:04:31 -04:00
parent 69e849d38e
commit 275aff1430
71 changed files with 2667 additions and 0 deletions
@@ -0,0 +1,20 @@
#!/bin/bash
set -uo pipefail
BASE=/home/rafa/joomla-migration/mirror-antiguo
RUN=$(cat "$BASE/CURRENT_RUN")
D=$BASE/runs/$RUN
S=$D/site/antiguo.feadulta.com
echo "ficheros en site: $(find "$D/site" -type f | wc -l)"; du -sh "$D/site"
echo "con '?' en el nombre: $(find "$D/site" -type f -name '*[?]*' | wc -l)"
echo "con print=1: $(find "$D/site" -type f -name '*print=1*' | wc -l)"
echo
echo "=== el caso 715 ==="
ls "$S/es/buscadoravanzado/item/715-"* 2>/dev/null
echo
echo "=== assets cache-busted: existe la copia limpia? ==="
for f in media/system/js/core.js media/jui/js/jquery.min.js components/com_k2/css/k2.css; do
printf '%-45s %s\n' "$f" "$([ -f "$S/$f" ] && echo OK || echo FALTA)"
done
echo
echo "=== enlaces absolutos que queden a antiguo.feadulta.com ==="
grep -rl 'http://antiguo.feadulta.com' "$S/es" 2>/dev/null | wc -l