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>
31 lines
1.1 KiB
Python
31 lines
1.1 KiB
Python
#!/usr/bin/env python3
|
|
"""Rehace las copias de nombre limpio DESPUES de la reescritura de enlaces.
|
|
|
|
El orden importaba: en `45-normalize-links.py` las copias se creaban antes de reescribir, asi que
|
|
`titulo?.html` quedaba reescrito pero su copia `titulo` (sin extension, la que pedira el navegador)
|
|
conservaba los enlaces absolutos. Aqui se rehacen desde el fichero ya reescrito.
|
|
"""
|
|
import os, shutil
|
|
from collections import Counter
|
|
|
|
BASE = "/home/rafa/joomla-migration/mirror-antiguo"
|
|
RUN = open(os.path.join(BASE, "CURRENT_RUN")).read().strip()
|
|
SITE = os.path.join(BASE, "runs", RUN, "site")
|
|
|
|
st = Counter()
|
|
for root, _d, files in os.walk(SITE):
|
|
for fn in list(files):
|
|
if "?" not in fn:
|
|
continue
|
|
base = fn.split("?", 1)[0]
|
|
if not base:
|
|
continue
|
|
src, dst = os.path.join(root, fn), os.path.join(root, base)
|
|
if os.path.exists(dst) and os.path.getmtime(dst) >= os.path.getmtime(src):
|
|
st["ya_al_dia"] += 1
|
|
continue
|
|
shutil.copy2(src, dst)
|
|
st["recopiados"] += 1
|
|
|
|
print(dict(st))
|