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>
19 lines
663 B
Bash
19 lines
663 B
Bash
#!/bin/bash
|
|
set -u
|
|
H='Host: antiguo.feadulta.com'
|
|
for u in \
|
|
"/" \
|
|
"/es/" \
|
|
"/carta/estasemana.html" \
|
|
"/es/carta/estasemana.html" \
|
|
"/buscadoravanzado/item/9-experiencia-pascual.html" \
|
|
"/es/buscadoravanzado/item/9-experiencia-pascual.html" \
|
|
"/20-sincategoria/10-domingo.html" \
|
|
"/es/20-sincategoria/10-domingo.html" \
|
|
; do
|
|
code=$(curl -s -o /dev/null -w '%{http_code}' -H "$H" "http://127.0.0.1:8086$u")
|
|
loc=$(curl -s -o /dev/null -w '%{redirect_url}' -H "$H" "http://127.0.0.1:8086$u")
|
|
size=$(curl -s -o /dev/null -w '%{size_download}' -H "$H" "http://127.0.0.1:8086$u")
|
|
printf '%-60s %s %8s %s\n' "$u" "$code" "$size" "$loc"
|
|
done
|