rafa
275aff1430
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>
17 lines
536 B
Bash
17 lines
536 B
Bash
#!/bin/bash
|
|
set -uo pipefail
|
|
cd /home/rafa/joomla-migration/mirror-antiguo/restore/web
|
|
for d in anterior ediciones music sport docs images media templates; do
|
|
if [ -d "$d" ]; then
|
|
printf '%-12s ficheros=%-8s php=%-6s html=%-7s %s\n' "$d" \
|
|
"$(find "$d" -type f | wc -l)" \
|
|
"$(find "$d" -iname '*.php' | wc -l)" \
|
|
"$(find "$d" -iname '*.htm*' | wc -l)" \
|
|
"$(du -sh "$d" | cut -f1)"
|
|
else
|
|
printf '%-12s (no existe)\n' "$d"
|
|
fi
|
|
done
|
|
echo "--- indice de /anterior ---"
|
|
ls anterior 2>/dev/null | head -20
|