rafa
0bc58bfa96
build_lectionary_index.py construye un índice por referencia bíblica descargando un ciclo litúrgico de evangelizo.ws (combina idiomas por reading_code, robusto a fiestas trasladadas por país). lecturas_apply.py casa las lecturas ES por referencia y apply_lecturas_wp.php crea+asocia las traducciones en Polylang. 440/501 lecturas cubiertas y publicadas. Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
fea-verify — Verificación automática del sitio (issue #121)
Proceso por capas para validar el multiidioma del WP local sin coste (todo OSS + Gemma local).
Se ejecuta contra el LOCAL https://farmer.taild3aaf6.ts.net/fea/ (prod está tras Cloudflare y bloquea headless).
Principio
Lo determinista (barato, exhaustivo) primero; el LLM solo sobre lo que las capas baratas marcan.
Capas / scripts
| Paso | Script | Qué hace | Coste |
|---|---|---|---|
| Enumerar | enum_urls.php (en contenedor wordpress-web) |
Saca de la BD todas las URLs: menús×5 idiomas, categorías con contenido, contenido no-ES. → urls.json |
0 |
| Capa 0+1 crawl | crawl.cjs (Playwright) |
status HTTP, URL final (redirección cross-idioma), <html lang>, texto visible, enlaces salientes. Resumible. → report.jsonl |
0 |
| Capa 1 análisis | analyze.py (lingua, venv) |
detección de idioma offline + flags. → report.json + report.csv |
0 |
| Capa 0 enlaces | link_audit.py (stdlib) |
comprueba status de los enlaces internos hallados. → broken_links.json |
0 |
| Capa 3 (opcional) | llm_review.py (Gemma local) |
review semántica SOLO de páginas marcadas. → llm_review.json |
0 |
Requisitos (una vez)
- Node + Playwright: ya en
tools/e2e/node_modules. - venv con lingua:
python3 -m venv verify/.venv && verify/.venv/bin/pip install lingua-language-detector - Docker WP arriba (
wordpress-web,wordpress-mysql), LM Studio congoogle/gemma-4-e4b(solo Capa 3).
Ejecutar (todo)
cd tools/e2e/verify
# 1) enumerar URLs desde la BD
docker cp enum_urls.php wordpress-web:/tmp/ && docker exec wordpress-web php /tmp/enum_urls.php && docker cp wordpress-web:/tmp/verify_urls.json urls.json
# 2) crawl (resumible; borra report.jsonl para empezar de cero)
CONC=5 node crawl.cjs
# 3) análisis + flags
.venv/bin/python analyze.py
# 4) enlaces rotos
python3 link_audit.py
# 5) (opcional) review LLM local sobre lo marcado
.venv/bin/python llm_review.py
Leer el resultado
report.csv— lo accionable, ordenado por gravedad. Columnas:sev(3 crítico→1 aviso),flags,lang,kind,status,detected(idioma detectado),conf,redir,url,final.broken_links.json— enlaces internos rotos + qué páginas los referencian.report.json— todo, en JSON.
Flags
HTTP_5XX/HTTP_4XX/CRAWL_ERROR— la página falla (p.ej. el 500 de/en/category/letters-from-other-weeks/).CROSS_LANG_REDIRECT— pediste/en/x/y acabaste en otro idioma (bug de slug duplicado).SPANISH_LEAK— página no-ES cuyo texto detectado es español (sin traducir / widget en ES).LANG_MISMATCH/HTML_LANG_MISMATCH— idioma del texto / del<html lang>≠ esperado.
Scope de la corrida
Por defecto crawlea: menús (5 idiomas), categorías con contenido, y todo el contenido no-ES (~3.9k). El contenido ES masivo (~24k) se omite por volumen; añadirlo es cambiar la query de enum_urls.php.
Coste
0 €. Sin SaaS ni APIs de pago. Detección de idioma offline (lingua) y review con Gemma local. Minimax NO se usa.