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/82-wayback-es.py

@@ -0,0 +1,63 @@
+#!/usr/bin/env python3
+"""Afina el cruce con Wayback: solo las URLs /es/ (el Joomla legacy), que es lo que el mirror cubre.
+
+El 52 % global del script anterior mezcla peras con manzanas: Wayback conoce feadulta.com desde
+antes de que existiera el Joomla (ficheros .htm sueltos en la raiz, que hoy viven bajo /anterior/) y
+tambien el WordPress actual (/wp-content, /wp-json). Nada de eso forma parte del mirror del legacy.
+"""
+import os, json, re
+from collections import Counter
+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)
+SITE = os.path.join(DIR, "site", "antiguo.feadulta.com")
+
+def existe(path):
+    p = unquote(path).lstrip("/")
+    for c in (p, p.split("?", 1)[0], os.path.join(p, "index.html")):
+        if c and os.path.isfile(os.path.join(SITE, c)):
+            return True
+    return False
+
+paths = set()
+for fn in ("wayback-antiguo.txt", "wayback-feadulta.txt"):
+    for line in open(os.path.join(BASE, "inventory", fn), errors="replace"):
+        u = line.strip()
+        if not u:
+            continue
+        s = urlsplit(u)
+        if s.query:
+            continue
+        if s.path.startswith("/es/"):
+            paths.add(s.path)
+
+ok, missing = 0, []
+for p in sorted(paths):
+    if existe(p):
+        ok += 1
+    else:
+        missing.append(p)
+
+print("URLs /es/ conocidas por Wayback:", len(paths))
+print("resuelven en el mirror:", ok, "(%.1f%%)" % (ok * 100.0 / max(len(paths), 1)))
+print("no resuelven:", len(missing))
+
+tipo = Counter()
+for p in missing:
+    seg = p.split("/")
+    tipo["/".join(seg[:3])] += 1
+print("\n--- las que faltan, por seccion ---")
+for k, v in tipo.most_common(15):
+    print("%7d  %s" % (v, k))
+
+json.dump({"wayback_es_paths": len(paths), "presentes": ok, "ausentes": len(missing),
+           "pct": round(ok * 100.0 / max(len(paths), 1), 2)},
+          open(os.path.join(DIR, "wayback-es-report.json"), "w"), indent=2)
+with open(os.path.join(DIR, "wayback-es-missing.txt"), "w") as f:
+    for p in missing:
+        f.write(p + "\n")
+print("\n--- muestra ---")
+for p in missing[:15]:
+    print("  ", p)