Merge pull request 'sync_audio_bulk.sh: lote de sincronizacion de audio TTS con parada en primer fallo' (#215) from feat/issue-sync-bulk-script into main

Mismo patrón que carta_article_ids() (commit anterior): si el docker exec
contra el contenedor WP local fallaba (contenedor caído/inexistente),
local_meta() devolvía stdout vacío en vez de comprobar returncode.
sync_one() interpretaba la cadena vacía como "sin-audio-local" (skip), no
como error, así que un lote entero podía acabar "ok=0/skip=N" tras perder
Docker en vez de abortar.

Ahora lanza RuntimeError con el stderr si docker exec falla; se propaga
por sync_one() hasta el try/except de main(), que ya cuenta err y devuelve
1 — el wrapper aborta correctamente con exit=1 y 0 sincronizaciones.

Probado: FEA_WP_CONTAINER inexistente + --ids → aborta en el primer ID
(exit=1, ok=0). Camino normal (--ids con contenedor real, dry-run) sigue
dando el mismo resultado que antes.

Revisión de Codix en el PR #215.

README.md

@@ -32,8 +32,40 @@ scripts/      — scripts Python/PHP de migración, traducción, TTS y mantenimi
 | `translate_haiku.py` | Traducción automática vía Claude Haiku |
 | `tts_produce.py` | Generación de audio TTS (MiniMax) |
 | `sync_translations_to_prod.py` | Sincronizar traducciones local → producción |
+| `sync_audio_to_prod.py` | Sincronizar UN post/carta de audio TTS local → producción (sube el mp3, verifica SHA-256 remoto y persiste `fea_audio_sha256`) |
+| `sync_audio_bulk.sh` | Envoltorio de `sync_audio_to_prod.py` para lotes: para en el primer fallo, sin reintentos ciegos, resumen ok/skip |
 | `detect_untranslated.php` | Detectar posts sin traducir |
 
+## Sincronizar audio TTS a producción (local → prod)
+
+`sync_audio_to_prod.py` sube el mp3 de UN post/carta y, desde el #213, calcula y verifica el
+SHA-256 en cada subida (reproducción verificada automática, sin backfill manual — ver #212).
+
+Para lotes de varios posts, usar `sync_audio_bulk.sh`: es el envoltorio que añade "parar en el
+primer fallo" (el script Python no lo hace por sí solo, recorre toda la lista y acumula errores).
+Carga los IDs con `mapfile`/mediante array y redirige el stdin de cada invocación a `/dev/null` a
+propósito — un `while read id; do ...ssh...; done < fichero` sin esa precaución se rompe en
+silencio porque `ssh` se come el resto del fichero de IDs (ver
+`feedback-bash-while-read-ssh-stdin` en la memoria del proyecto).
+
+```bash
+export FEA_PROD_SSH_HOST="rafa@188.40.120.157"
+export FEA_PROD_DOCKER_CONTAINER="wordpress-r2ssjifwj0r0ghyoqd528uaa"
+
+# Dry-run primero, siempre
+scripts/sync_audio_bulk.sh --ids 55519,55520,822 --dry-run
+
+# Aplicar de verdad
+scripts/sync_audio_bulk.sh --ids 55519,55520,822
+
+# Desde un fichero (un ID por línea) o toda la cola de una carta
+scripts/sync_audio_bulk.sh --file /tmp/ids_pendientes.txt
+scripts/sync_audio_bulk.sh --carta 54254
+```
+
+Rollback de un post concreto: `python3 scripts/sync_audio_to_prod.py --rollback --ids <id>`
+(borra el meta en prod, no toca el mp3 local).
+
 ## Servidor local de desarrollo
 
 WordPress corre en Docker local, accesible vía Tailscale:

docs/guia-publicacion-carta-inma.md

@@ -407,22 +407,14 @@ traducción inmediata, avisar a Rafa directamente además de pedírselo a Hermes
 | Asignar `_carta_id` a un artículo | `POST /wp-json/fea/v1/carta-id/{id}` con body `{"carta_id": N}` |
 | Borrar `_carta_id` de un artículo | `DELETE /wp-json/fea/v1/carta-id/{id}` |
 
-## Evangelio y comentarios: regla y paso obligatorio para Mixbot
+## Regla para la sección Evangelio y comentarios al Evangelio
 
 La sección empieza siempre con el enlace al post del evangelio de esa semana (por
 ejemplo, `MATEO 14, 22-33`) y después van los comentarios. Si ese post no existe,
 avisad antes de publicar la carta: no empecéis la sección por un comentario.
 
-Primero guarda la carta (puede quedar como borrador) con esa sección ya completa y
-anota su ID. Después asigna ese ID a **cada comentario al evangelio** de la semana con
-el endpoint `POST /wp-json/fea/v1/carta-id/<id-del-comentario>` y el cuerpo
-`{"carta_id": <id-de-la-carta>}`.
-
-No hay que escribir la cita ni el texto bíblico a mano: al asignar `_carta_id`, el
-plugin localiza la única lectura bíblica enlazada en la sección y añade
-`_cita_evangelio` automáticamente, incluso si el comentario ya estaba publicado. Si
-la carta tiene cero o varias lecturas, el plugin no adivina: corrige la sección y
-vuelve a asignar el ID de carta.
+No hay que completar ningún campo nuevo. A partir de ese enlace, el sitio asigna la
+cita bíblica automáticamente a los comentarios nuevos.
 
 Campos útiles del post: `title`, `content` (HTML), `status` (`draft`/`publish`/`future`),
 `date` (ISO 8601 para programar), `categories` (array de IDs), `featured_media` (ID de adjunto).

mu-plugins/fea-audio-player.php

@@ -13,11 +13,23 @@ function fea_audio_player_html(): string {
     $url = get_post_meta($id, 'fea_audio_url', true);
     if (!$url) return '';
     $voice = get_post_meta($id, 'fea_audio_voice', true) ?: 'NicoFeadulta2026';
-    return '<div class="fea-audio">'
-        . '<span class="fea-audio-label">'
+    $sha256 = get_post_meta($id, 'fea_audio_sha256', true);
+    $label = '<span class="fea-audio-label">'
         . '<svg viewBox="0 0 24 24" width="16" height="16" aria-hidden="true" focusable="false">'
         . '<path fill="currentColor" d="M3 10v4h4l5 5V5L7 10H3zm13.5 2a4.5 4.5 0 0 0-2.5-4.03v8.06A4.5 4.5 0 0 0 16.5 12zM14 3.23v2.06a7 7 0 0 1 0 13.42v2.06a9 9 0 0 0 0-17.54z"/>'
-        . '</svg> Escucha</span>'
+        . '</svg> Escucha</span>';
+    // Para un asset con hash registrado, descarga y verifica el fichero completo
+    // antes de delegar playback al navegador. Evita que un stream Range mezclado
+    // por una caché reproduzca fragmentos de otro MP3.
+    if (preg_match('/^[a-f0-9]{64}$/i', $sha256)) {
+        return '<div class="fea-audio">' . $label
+            . '<button type="button" class="fea-audio-verified-play" data-fea-audio-verified-play'
+            . ' data-src="' . esc_url($url) . '" data-sha256="' . esc_attr(strtolower($sha256)) . '"'
+            . ' data-post-id="' . esc_attr($id) . '" data-voice="' . esc_attr($voice) . '">Reproducir audio</button>'
+            . '<audio controls preload="none" hidden data-fea-audio-track data-post-id="' . esc_attr($id) . '" data-voice="' . esc_attr($voice) . '"></audio>'
+            . '<span class="fea-audio-status" role="status" aria-live="polite"></span></div>';
+    }
+    return '<div class="fea-audio">' . $label
         . '<audio controls preload="none" src="' . esc_url($url) . '"'
         . ' data-fea-audio-track data-post-id="' . esc_attr($id) . '" data-voice="' . esc_attr($voice) . '"></audio>'
         . '</div>';
@@ -56,6 +68,9 @@ add_action('wp_head', function () {
     .fea-audio-label{display:inline-flex;align-items:center;gap:.35rem;font-size:.78rem;
         font-weight:600;color:#8b1a2e;white-space:nowrap;line-height:1}
     .fea-audio audio{height:32px;width:230px;max-width:44vw}
+    .fea-audio-verified-play{border:1px solid #8b1a2e;border-radius:6px;background:#fff;color:#8b1a2e;padding:.35rem .6rem;font:inherit;font-size:.82rem;font-weight:600;cursor:pointer}
+    .fea-audio-verified-play:disabled{opacity:.65;cursor:wait}
+    .fea-audio-status{font-size:.76rem;color:#6b5c60}
     @media(max-width:600px){
         .fea-audio{margin-left:0;width:100%;margin-top:.5rem}
         .fea-audio audio{flex:1 1 auto;width:auto;max-width:none}
@@ -73,17 +88,52 @@ add_action('wp_footer', function () {
     if (!get_post_meta(get_queried_object_id(), 'fea_audio_url', true)) return;
     ?>
     <script>
-    document.querySelectorAll('audio[data-fea-audio-track]').forEach(function (audio) {
-        var fired = false;
-        audio.addEventListener('play', function () {
-            if (fired || typeof gtag !== 'function') return;
-            fired = true;
-            gtag('event', 'audio_play', {
-                post_id: audio.dataset.postId,
-                voice: audio.dataset.voice
+    (function () {
+        function hex(buffer) {
+            return Array.from(new Uint8Array(buffer)).map(function (n) {
+                return n.toString(16).padStart(2, '0');
+            }).join('');
+        }
+        document.querySelectorAll('[data-fea-audio-verified-play]').forEach(function (button) {
+            button.addEventListener('click', async function () {
+                var wrap = button.closest('.fea-audio');
+                var audio = wrap.querySelector('audio[data-fea-audio-track]');
+                var status = wrap.querySelector('.fea-audio-status');
+                button.disabled = true;
+                status.textContent = 'Verificando audio…';
+                try {
+                    // Se descarga el objeto entero una vez y se valida su hash. Sólo
+                    // entonces se crea un blob local: el <audio> no hará Range contra
+                    // CDN y jamás podrá mezclar fragmentos de otro MP3.
+                    var response = await fetch(button.dataset.src, {cache: 'no-store'});
+                    if (!response.ok) throw new Error('HTTP ' + response.status);
+                    var bytes = await response.arrayBuffer();
+                    var digest = hex(await crypto.subtle.digest('SHA-256', bytes));
+                    if (digest !== button.dataset.sha256) throw new Error('La copia recibida no coincide con el audio verificado');
+                    audio.src = URL.createObjectURL(new Blob([bytes], {type: 'audio/mpeg'}));
+                    audio.hidden = false;
+                    button.hidden = true;
+                    status.textContent = '';
+                    await audio.play();
+                } catch (error) {
+                    status.textContent = 'No se pudo verificar el audio. Inténtalo de nuevo.';
+                    button.disabled = false;
+                    console.error('Fe Adulta audio verification failed:', error);
+                }
             });
         });
-    });
+        document.querySelectorAll('audio[data-fea-audio-track]').forEach(function (audio) {
+            var fired = false;
+            audio.addEventListener('play', function () {
+                if (fired || typeof gtag !== 'function') return;
+                fired = true;
+                gtag('event', 'audio_play', {
+                    post_id: audio.dataset.postId,
+                    voice: audio.dataset.voice
+                });
+            });
+        });
+    }());
     </script>
     <?php
 });

mu-plugins/fea-evangelio-comentarios.php

@@ -126,14 +126,6 @@ add_action('transition_post_status', function($new_status, $old_status, $post) {
     if ($new_status === 'publish' && $old_status !== 'publish') fea_evangelio_capture_meta($post->ID);
 }, 20, 3);
 
-/** Completa la cita cuando llega la carta, aunque el comentario ya estuviera publicado. */
-function fea_evangelio_capture_meta_on_carta_assignment($meta_id, $post_id, $meta_key, $meta_value) {
-    if ($meta_key !== '_carta_id' || !(int) $meta_value) return;
-    fea_evangelio_capture_meta((int) $post_id);
-}
-add_action('added_post_meta', 'fea_evangelio_capture_meta_on_carta_assignment', 20, 4);
-add_action('updated_post_meta', 'fea_evangelio_capture_meta_on_carta_assignment', 20, 4);
-
 /** Añade referencia y texto plegado, cerrado por defecto, antes del comentario. */
 add_filter('the_content', function($content) {
     if (!is_single() || is_admin()) return $content;

scripts/doc_convert.py

@@ -0,0 +1,79 @@
+"""doc_convert.py — convierte un .doc viejo a .docx usando Microsoft Word (COM).
+
+Necesario para Marcos (marroro@telefonica.net), que envía .doc (Word antiguo) y
+python-docx no sabe leer .doc. El contenido ya viene en EML (lo etiqueta Inma al
+revisar); aquí solo cambiamos el FORMATO de archivo.
+
+Requiere Microsoft Word instalado + pywin32 (igual que marcos_review).
+API: doc_to_docx(path, force=False) -> Path | None
+"""
+from __future__ import annotations
+
+from pathlib import Path
+
+WD_FORMAT_DOCX = 16  # wdFormatDocumentDefault (.docx)
+
+
+def doc_to_docx(path, force: bool = False):
+    """Convierte un .doc a .docx con Word COM. Idempotente: si el .docx ya existe y
+    no force, lo devuelve sin reconvertir. Devuelve la ruta .docx, o None si falla."""
+    path = Path(path)
+    if path.suffix.lower() != ".doc":
+        return None
+    out = path.with_suffix(".docx")
+    if out.exists() and not force:
+        return out
+    try:
+        import win32com.client  # type: ignore
+    except ImportError:
+        return None
+    word = win32com.client.Dispatch("Word.Application")
+    word.Visible = False
+    try:
+        d = word.Documents.Open(str(path))
+        d.SaveAs(str(out), FileFormat=WD_FORMAT_DOCX)
+        d.Close(SaveChanges=False)
+    finally:
+        word.Quit()
+    if out.exists():
+        quitar_smarttags(out)
+    return out if out.exists() else None
+
+
+def quitar_smarttags(docx_path) -> int:
+    """Desenvuelve los <w:smartTag> del .docx. Devuelve cuántos ha quitado.
+
+    ⚠️ CRÍTICO, no es cosmético. Los .doc de Fray Marcos traen `smartTag` (el viejo
+    reconocimiento de nombres de Word) envolviendo expresiones como "la Iglesia" o
+    "la Cananea". **python-docx solo lee los <w:r> que cuelgan directamente del párrafo,
+    así que el texto de dentro del smartTag DESAPARECE sin dar error**: se publicaron
+    frases mutiladas en las cartas 736, 737 y 739 ("...no va dirigida a los apóstoles,
+    sino a dureza de la respuesta..."). Detectado el 12-ago-2026.
+    """
+    import re, shutil, zipfile
+    from pathlib import Path
+
+    docx_path = Path(docx_path)
+    with zipfile.ZipFile(docx_path) as z:
+        piezas = {n: z.read(n) for n in z.namelist()}
+    xml = piezas.get("word/document.xml", b"").decode("utf-8", "replace")
+    nuevo, n = re.subn(r"</?w:smartTag(?:Pr)?\b[^>]*>|<w:attr\b[^>]*/>", "", xml)
+    if not n:
+        return 0
+    piezas["word/document.xml"] = nuevo.encode("utf-8")
+    tmp = docx_path.with_suffix(".docx.tmp")
+    with zipfile.ZipFile(tmp, "w", zipfile.ZIP_DEFLATED) as z:
+        for nombre, datos in piezas.items():
+            z.writestr(nombre, datos)
+    shutil.move(str(tmp), str(docx_path))
+    return n
+
+
+if __name__ == "__main__":
+    import sys
+    if len(sys.argv) < 2:
+        print("uso: python doc_convert.py path/al/archivo.doc", file=sys.stderr)
+        sys.exit(2)
+    res = doc_to_docx(Path(sys.argv[1]), force="--force" in sys.argv)
+    print(f"OK: {res}" if res else "FALLO (¿Word/pywin32?)")
+    sys.exit(0 if res else 1)

scripts/sync_audio_bulk.sh

@@ -0,0 +1,115 @@
+#!/bin/bash
+# sync_audio_bulk.sh — Sincroniza a producción, uno por uno, un lote de posts con
+# audio TTS ya generado en local. Envoltorio de sync_audio_to_prod.py que añade
+# "parar en el primer fallo" (el script Python no lo hace: recorre toda la
+# lista y acumula errores, ver #212/#213).
+#
+# Motivo del wrapper en bash con mapfile: un `while read id; do ...; done <
+# fichero` normal comparte el file descriptor de stdin con cualquier `ssh`
+# lanzado dentro del bucle. sync_audio_to_prod.py llama a ssh internamente; si
+# el bucle no está protegido, ssh se come el resto del fichero de IDs y el
+# bucle termina "sin error" tras procesar solo el primero. Detectado y
+# documentado en memoria (feedback-bash-while-read-ssh-stdin) el 2026-08-24
+# tras un lote real que solo sincronizó 1 de 184 posts sin ningún error visible.
+#
+# Uso:
+#   scripts/sync_audio_bulk.sh --ids 55519,55520,822
+#   scripts/sync_audio_bulk.sh --file /tmp/ids.txt          # un ID por línea
+#   scripts/sync_audio_bulk.sh --carta 54254                # cola completa de la carta
+#   scripts/sync_audio_bulk.sh --ids 55519,55520 --dry-run  # solo plan, no toca prod
+#
+# Requiere las mismas variables de entorno que sync_audio_to_prod.py para
+# apuntar a producción (ver ese script): FEA_PROD_SSH_HOST,
+# FEA_PROD_DOCKER_CONTAINER. Ejemplo:
+#   export FEA_PROD_SSH_HOST="rafa@188.40.120.157"
+#   export FEA_PROD_DOCKER_CONTAINER="wordpress-r2ssjifwj0r0ghyoqd528uaa"
+
+set -u
+
+SCRIPT_DIR="$(cd "$(dirname "${BASH_SOURCE[0]}")" && pwd)"
+SYNC_PY="$SCRIPT_DIR/sync_audio_to_prod.py"
+
+usage() {
+  echo "Uso: $0 (--ids id1,id2,... | --file ruta | --carta post_id) [--dry-run]" >&2
+  exit 2
+}
+
+ids_csv=""
+ids_file=""
+carta=""
+dry_run=""
+
+while [ $# -gt 0 ]; do
+  case "$1" in
+    --ids) ids_csv="$2"; shift 2 ;;
+    --file) ids_file="$2"; shift 2 ;;
+    --carta) carta="$2"; shift 2 ;;
+    --dry-run) dry_run="--dry-run"; shift ;;
+    *) usage ;;
+  esac
+done
+
+# Carga explícita de IDs en un array ANTES de cualquier llamada a ssh — es la
+# parte que evita el bug de stdin. No usar `while read ... < fichero`.
+ids=()
+if [ -n "$ids_csv" ]; then
+  IFS=',' read -r -a ids <<< "$ids_csv"
+elif [ -n "$ids_file" ]; then
+  mapfile -t ids < "$ids_file"
+elif [ -n "$carta" ]; then
+  # No usar `mapfile < <(cmd)`: la sustitución de procesos no deja comprobar
+  # de forma fiable el exit code de `cmd` (mapfile ve su propio $?, no el de
+  # la tubería). Si la consulta falla, un array vacío se confundiría con
+  # "la carta no tiene artículos" y el lote saldría "éxito" sin sincronizar
+  # nada. Se resuelve a fichero temporal y se comprueba el rc de python
+  # explícitamente antes de poblar el array.
+  carta_tmpfile="$(mktemp)"
+  python3 - "$carta" "$SCRIPT_DIR" > "$carta_tmpfile" <<'PYEOF'
+import sys
+sys.path.insert(0, sys.argv[2])
+from sync_audio_to_prod import carta_article_ids
+for pid in carta_article_ids(int(sys.argv[1])):
+    print(pid)
+PYEOF
+  py_rc=$?
+  if [ $py_rc -ne 0 ]; then
+    echo "ERROR: fallo consultando la cola de la carta $carta (exit $py_rc), no se sincroniza nada." >&2
+    rm -f "$carta_tmpfile"
+    exit 1
+  fi
+  mapfile -t ids < "$carta_tmpfile"
+  rm -f "$carta_tmpfile"
+else
+  usage
+fi
+
+total=${#ids[@]}
+if [ "$total" -eq 0 ]; then
+  echo "Nada que sincronizar (lista de IDs vacía)." >&2
+  exit 0
+fi
+
+ok=0
+skip=0
+n=0
+for id in "${ids[@]}"; do
+  id="$(echo "$id" | tr -d '[:space:]')"
+  [ -z "$id" ] && continue
+  n=$((n + 1))
+  # stdin del hijo explícitamente en /dev/null: cinturón y tirantes además del
+  # array en memoria, por si algún día se cambia el bucle.
+  out="$(python3 "$SYNC_PY" --ids "$id" $dry_run < /dev/null)"
+  rc=$?
+  echo "$out"
+  if [ $rc -ne 0 ]; then
+    echo "=== ABORT: fallo en #$id ($n/$total procesados, $ok ok). Deteniendo lote, sin reintentar. ==="
+    exit 1
+  fi
+  if echo "$out" | grep -q "PLAN: subiría\|#$id: ok"; then
+    ok=$((ok + 1))
+  else
+    skip=$((skip + 1))
+  fi
+done
+
+echo "=== FIN LOTE. ok=$ok skip=$skip de $total candidatos. ==="

scripts/sync_audio_to_prod.py

@@ -19,6 +19,7 @@ Rollback (despublica en prod lo que este script publicó):
 from __future__ import annotations
 
 import argparse
+import hashlib
 import json
 import os
 import subprocess
@@ -74,6 +75,8 @@ def local_meta(post_id: int, key: str) -> str:
         ["docker", "exec", WP_CONTAINER, "php", "/tmp/fea_post_io.php", "getmeta", str(post_id), key],
         capture_output=True, text=True, timeout=60,
     )
+    if r.returncode != 0:
+        raise RuntimeError(f"docker exec {WP_CONTAINER} falló leyendo meta '{key}' de #{post_id} (rc={r.returncode}): {r.stderr.strip()[:300]}")
     return r.stdout.strip()
 
 
@@ -85,6 +88,8 @@ def carta_article_ids(carta_id: int) -> list[int]:
          DB_NAME, "-N", "-e", q],
         capture_output=True, text=True, timeout=60,
     )
+    if r.returncode != 0:
+        raise RuntimeError(f"consulta de _carta_id={carta_id} falló (rc={r.returncode}): {r.stderr.strip()[:300]}")
     return [int(x) for x in r.stdout.split() if x.isdigit()]
 
 
@@ -144,16 +149,21 @@ def prod_helper(subcmd: str, *args: str) -> str:
     return _ssh_text(_remote_wrap(inner), timeout=60)
 
 
-def prod_upload_mp3(post_id: int) -> None:
+def prod_upload_mp3(post_id: int) -> str:
     src = LOCAL_TTS_DIR / f"{post_id}.mp3"
     data = src.read_bytes()
+    local_sha256 = hashlib.sha256(data).hexdigest()
     remote_path = f"{PROD_UPLOADS_TTS}/{post_id}.mp3"
     _ssh_upload_bytes(data, remote_path)
-    # Verificación de tamaño: no fiarse ciegamente del rc=0 de ssh. `wc -c` debe
-    # correr (y resolver la redirección) DENTRO del contenedor — ver _remote_wrap.
+    # Verificación de tamaño+contenido: un rc=0 de ssh no acredita que el asset
+    # sea el mismo. El hash se persiste como meta y permite playback verificado.
     remote_size = int(_ssh_text(_remote_wrap(f"wc -c < {remote_path}")).strip())
     if remote_size != len(data):
         raise RuntimeError(f"tamaño no coincide tras subir #{post_id}: local={len(data)} remoto={remote_size}")
+    remote_sha256 = _ssh_text(_remote_wrap(f"sha256sum {remote_path} | cut -d' ' -f1")).strip()
+    if remote_sha256 != local_sha256:
+        raise RuntimeError(f"SHA-256 no coincide tras subir #{post_id}: local={local_sha256} remoto={remote_sha256}")
+    return local_sha256
 
 
 def prod_remove_mp3(post_id: int) -> None:
@@ -185,8 +195,9 @@ def sync_one(post_id: int, state: dict, *, dry_run: bool) -> str:
         return "PLAN: subiría mp3 + setaudio"
 
     voice = local_meta(post_id, "fea_audio_voice") or "NicoFeadulta2026"
-    prod_upload_mp3(post_id)
+    sha256 = prod_upload_mp3(post_id)
     prod_helper("setaudio", str(post_id), f"/wp-content/uploads/tts/{post_id}.mp3", voice)
+    prod_helper("setflag", str(post_id), "fea_audio_sha256", sha256)
     if post_id not in state["synced"]:
         state["synced"].append(post_id)
         save_state(state)

tests/fixtures/fray-marcos/README.md

@@ -0,0 +1,69 @@
+# `.doc` originales de Fray Marcos
+
+Los 30 ficheros `.doc` (Word binario antiguo) tal y como los envía Fray Marcos por correo a
+`ediciones@feadulta.com`, sin tocar. Subidos a petición de Rafa en el **issue #209**, para poder
+reproducir y diffear desde este lado el problema de los `<w:smartTag>`.
+
+## Por qué están aquí
+
+`python-docx` **no lee el texto que va dentro de un `<w:smartTag>`**: lo salta sin dar error. Los `.doc`
+de Fray Marcos arrastran esas etiquetas heredadas de versiones viejas de Word envolviendo expresiones
+como «la Iglesia» o «la Cananea», así que al convertirlos se publicaban frases con palabras borradas en
+silencio. Está corregido en `scripts/doc_convert.py` con `quitar_smarttags()`.
+
+Ojo: la cadena `smartTag` **no aparece en el binario `.doc`**; surge al convertirlo a `.docx`, que es
+formato OOXML. Para verlas hay que convertir primero.
+
+## Cómo reproducir
+
+```bash
+python scripts/doc_convert.py "tests/fixtures/fray-marcos/739_8r_Marcos_d 20 la Cananea.doc"
+```
+
+Requiere Word instalado (la conversión va por COM). `doc_convert.py` desenvuelve los smartTag y hace el
+reemplazo con reintentos, porque Dropbox bloquea el fichero unos segundos justo después de que Word lo
+cree (WinError 1224).
+
+## Alcance del problema (barrido cerrado en el #209)
+
+De los 30 `.doc` revisados, 20 traían smartTag y sumaban 46 fragmentos envueltos, pero solo **3
+artículos publicados quedaron dañados** (posts `53981`, `55078` y `55659`), ya reparados en producción.
+Los comentarios de febrero a junio están intactos porque se publicaron por la vía de la migración de
+Joomla, no desde el `.docx`; solo quedó expuesto lo publicado por Mixbot desde julio.
+
+## Inventario
+
+El prefijo numérico es el número de carta; el resto es el nombre original del fichero.
+
+| carta | semana | fichero original |
+|---:|---|---|
+| 713 | semana_VI_TO | `713_8r_Marcos_d 06 plenitud de ley.doc` |
+| 714 | semana_I_Cuaresma | `714_8r_Marcos_Cuar 1 tentaciones.doc` |
+| 715 | semana_II_Cuaresma | `715_8r_Marcos_Cuar 2 Transfigurac.doc` |
+| 716 | semana_III_Cuaresma | `716_8r_Marcos_Cuar 3 Samaritana.doc` |
+| 717 | semana_IV_Cuaresma | `717_8r_Marcos_Cuar 4 ciego de naci.doc` |
+| 718 | semana_V_Cuaresma | `718_8r_Marcos_Cuar 5 Lázaro.doc` |
+| 719 | semana_Domingo_Ramos | `719_8r_Marcos_Cuar 6 Ramos.doc` |
+| 720 | semana_Santa | `720_8r_Marcos_JUEVES SANTO.doc` |
+| 720 | semana_Santa | `720_8r_Marcos_Pasc 1 resucitó.doc` |
+| 720 | semana_Santa | `720_8r_Marcos_VIERNES SANTO.doc` |
+| 721 | semana_II_Pascua | `721_8r_Marcos_Pasc 2 Tomás.doc` |
+| 722 | semana_III_Pascua | `722_8r_Marcos_Pasc 3 Emaús.doc` |
+| 723 | semana_IV_Pascua | `723_8r_Marcos_Pasc 4 pastor modelo.doc` |
+| 724 | semana_V_Pascua | `724_8r_Marcos_Pasc 5 camino,verdad,vida.doc` |
+| 725 | semana_VI_Pascua | `725_8r_Marcos_Pasc 6 El Paráclito.doc` |
+| 726 | semana_VII_Pascua | `726_8r_Marcos_Pasc 7 ascensión.doc` |
+| 727 | semana_Pentecostes | `727_8r_Marcos_PENTECOSTÉS.doc` |
+| 728 | semana_Trinidad | `728_8r_Marcos_TRINIDAD.doc` |
+| 729 | semana_Corpus | `729_8r_Marcos_CORPUS.doc` |
+| 730 | semana_11_TO | `730_8r_Marcos_d 11 misión de los 12.doc` |
+| 731 | semana_12_TO | `731_8r_Marcos_d 12 no tengas miedo.doc` |
+| 732 | semana_13_TO | `732_8r_Marcos_d 13 amor a Dios o família.doc` |
+| 733 | semana_14_TO | `733_8r_Marcos_d 14 sencillez.doc` |
+| 734 | semana_15_TO | `734_8r_Marcos_d 15 sembrador.doc` |
+| 735 | semana_16_TO | `735_8r_Marcos_d 16 cizaña.doc` |
+| 736 | semana_17_TO | `736_8r_Marcos_d 17 tesoro y perla.doc` |
+| 737 | semana_18_TO | `737_8r_Marcos_d 18 panes y peces.doc` |
+| 738 | semana_19_TO | `738_8r_Marcos_d 19 Qué poca fe.doc` |
+| 739 | semana_20_TO | `739_8r_Marcos_d 20 la Cananea.doc` |
+| 740 | semana_21_TO | `740_8r_Marcos_d 21 quién es Jesús.doc` |