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>
20 lines
786 B
Bash
20 lines
786 B
Bash
#!/bin/bash
|
|
# Comprueba que los alias con '?' literal SI estan capturados, con el nombre truncado en el '?'
|
|
set -uo pipefail
|
|
BASE=/home/rafa/joomla-migration/mirror-antiguo
|
|
RUN=$(cat "$BASE/CURRENT_RUN")
|
|
R=$BASE/runs/$RUN/raw/antiguo.feadulta.com
|
|
INV=$BASE/inventory/urls-input.txt
|
|
|
|
grep '?' "$INV" | grep -v 'Itemid=' > /tmp/alias-q.txt
|
|
echo "URLs del inventario con '?' en el alias: $(wc -l < /tmp/alias-q.txt)"
|
|
ok=0; miss=0
|
|
while read -r u; do
|
|
p=${u#http://antiguo.feadulta.com}
|
|
p=${p%%\?*} # ruta real = hasta el primer '?'
|
|
if [ -f "$R$p" ]; then ok=$((ok+1)); else miss=$((miss+1)); echo " FALTA $p"; fi
|
|
done < /tmp/alias-q.txt
|
|
echo "presentes=$ok ausentes=$miss"
|
|
echo
|
|
echo "ejemplo:"; ls -la "$R/es/buscadoravanzado/item/715-"* 2>/dev/null | head -3
|