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/91-repone-assets404.sh

@@ -0,0 +1,70 @@
+#!/bin/bash
+# Repone los assets que el crawl no capturo (404 en produccion, 200 en el origen).
+#
+# Entrada: lista de rutas absolutas (una por linea) sacada de los logs de nginx
+# del Hetzner. Origen: el Joomla local restaurado y aislado (127.0.0.1:8086),
+# por HTTP -- nunca copiando el filesystem, mismo principio que el crawl.
+#
+# Escribe en raw/ y en site/: raw/ es el archivo tal cual se capturo, site/ es
+# el arbol servible que sincroniza 80-sync-hetzner.sh.
+set -uo pipefail
+
+BASE=/home/rafa/joomla-migration/mirror-antiguo
+RUN=$(cat "$BASE/CURRENT_RUN")
+DIR=$BASE/runs/$RUN
+RAW=$DIR/raw/antiguo.feadulta.com
+SITE=$DIR/site/antiguo.feadulta.com
+ORIGEN=http://127.0.0.1:8086
+IN=${1:-/tmp/assets404.txt}
+OUT=$DIR/logs/repone-assets-$(date -u +%Y%m%dT%H%M%SZ)
+
+[ -s "$IN" ] || { echo "no hay lista de entrada: $IN"; exit 1; }
+[ -d "$SITE" ] || { echo "no existe $SITE"; exit 1; }
+mkdir -p "$OUT"
+
+ok=0; fail=0; skip=0; ya=0
+while IFS= read -r p; do
+  [ -n "$p" ] || continue
+  case "$p" in
+    /%22*|*'"'*) echo "$p" >> "$OUT/descartados.txt"; skip=$((skip+1)); continue ;;
+  esac
+  dest="$RAW$p"
+  if [ -f "$dest" ]; then echo "$p" >> "$OUT/ya-estaban.txt"; ya=$((ya+1)); continue; fi
+  mkdir -p "$(dirname "$dest")" 2>/dev/null || { echo "$p" >> "$OUT/fallidos.txt"; fail=$((fail+1)); continue; }
+  code=$(curl -s --path-as-is -m 30 -o "$dest.part" -w '%{http_code}' "$ORIGEN$p")
+  if [ "$code" = "200" ] && [ -s "$dest.part" ]; then
+    mv "$dest.part" "$dest"
+    echo "$p" >> "$OUT/repuestos.txt"; ok=$((ok+1))
+  else
+    rm -f "$dest.part"
+    echo "$code $p" >> "$OUT/fallidos.txt"; fail=$((fail+1))
+  fi
+done < "$IN"
+
+echo "repuestos: $ok · fallidos: $fail · descartados: $skip · ya estaban: $ya"
+
+# --- escaneo de seguridad antes de copiar a site/ ---
+echo "== escaneo de PHP embebido en lo descargado =="
+sospechosos=0
+if [ -s "$OUT/repuestos.txt" ]; then
+  while IFS= read -r p; do
+    if head -c 4096 "$RAW$p" 2>/dev/null | grep -qa '<?php'; then
+      echo "  SOSPECHOSO $p"; echo "$p" >> "$OUT/sospechosos.txt"; sospechosos=$((sospechosos+1))
+    fi
+  done < "$OUT/repuestos.txt"
+fi
+echo "  sospechosos: $sospechosos"
+if [ "$sospechosos" -gt 0 ]; then
+  echo "ABORTADO: hay ficheros con PHP embebido. No se copian a site/."
+  exit 1
+fi
+
+# --- copia a site/ ---
+if [ -s "$OUT/repuestos.txt" ]; then
+  while IFS= read -r p; do
+    mkdir -p "$(dirname "$SITE$p")"
+    cp -p "$RAW$p" "$SITE$p"
+  done < "$OUT/repuestos.txt"
+fi
+echo "copiados a site/: $ok"
+echo "detalle en: $OUT"