títulos del ES en mayúscula de oración: 91 campos y la regla que lo vigila

Los encabezados llevaban limpios desde el 21 de julio, pero la regla solo
miraba <h2>/<h3>/<h4>: 28 de los 31 títulos publicados del ES seguían en
Title Case inglés, con sus meta_title, og_title y twitter_title detrás. Es
justo lo que el lector español lee en Google.

seo_case.py reescribe, y no reutiliza el detector tal cual porque no vale
para esto: `_title_case_words` decide con una sola prueba —«¿la he visto en
minúscula alguna vez?»— y eso deja fuera los verbos que solo viven en
titulares («Ocultan», «Conmocionó», «Penetró») y las palabras de dos letras,
que ni entran en el vocabulario. La primera versión devolvía títulos a medio
arreglar y rompía «Talavera la Real» y «vuelo Iberia». Ahora se decide con
dos pruebas —nunca en minúscula Y en mayúscula a media frase— más una lista
de palabras gramaticales, y las frases propias se enmascaran conservando las
posiciones para reescribir por desplazamiento sobre el original.

Decisión de Jose: «Ejército», «Gobierno» y demás instituciones conservan la
mayúscula; «Archivos» baja salvo en «Los Archivos PURSUE», que se protege
por frase porque ahí se distingue por contexto, no por palabra suelta.

check_title_case cierra el agujero en seo_watch. Simulado el ciclo entero
antes de tocar nada: 78 hallazgos → 16 tras el pase automático → 0 con la
decisión aplicada. Aplicado y verificado releyendo Ghost campo a campo (91
de 91), con backup pristine por post en ~/link-batch-backup.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

seo_watch.py

@@ -262,6 +262,9 @@ CASE_PHRASES = [
     "Maria Blair", "Kenneth Arnold", "Memorándum Halt", "Moment of Contact",
     "Los Ángeles", "Los Villares", "Puerto Rico", "El Yunque",
     "Francisco Julio Padrón",   # «Julio» aquí es nombre de pila, no el mes
+    "Talavera la Real",         # el pueblo de Badajoz: «Real» es del topónimo
+    "Archivos PURSUE",          # nombre propio de la desclasificación; el resto
+                                # de «archivos» del corpus son nombre común
 ]
 CASE_KEEP = {
     "Pentágono", "Roswell", "Rendlesham", "Varginha", "Manises", "Nimitz",
@@ -277,7 +280,7 @@ CASE_KEEP = {
     "Lake", "Huron", "Villares", "Yunque", "Ángeles", "Memorándum", "Moment",
     "Contact", "Dr.", "Sr.", "San", "Santa", "Francisco", "David", "Kurt",
     "Travis", "Donald", "Theresa", "Jesse", "Walter", "Maria", "Marco", "Eli",
-    "Kenneth", "Ártico", "Julio",
+    "Kenneth", "Ártico", "Julio", "Iberia",   # la aerolínea del caso Manises
 }
 _CASE_WORD = re.compile(r"[0-9A-Za-zÁÉÍÓÚÜÑáéíóúüñ][0-9A-Za-zÁÉÍÓÚÜÑáéíóúüñ'’\-\.]*")
 _CASE_ABBR = re.compile(r"(?:^|\s)(?:[A-ZÁÉÍÓÚÑ]{1,3}|Dr|Sr|Sra|vs|etc)\.\s*$")
@@ -370,6 +373,34 @@ def check_heading_case(posts, site):
     return out
 
 
+def check_title_case(posts, site):
+    """Lo mismo, pero en el TÍTULO y el meta_title — que es lo que se lee en Google.
+
+    El agujero se vio el 2026-07-29: los encabezados llevaban limpios desde el
+    21 de julio y, sin embargo, 28 de los 31 títulos publicados del ES seguían
+    en Title Case inglés, con 16 meta_title detrás. La regla estaba escrita y
+    funcionando; simplemente nunca había mirado ahí.
+
+    Umbral de 2, igual que en los encabezados y por el mismo motivo. Se miran
+    también `og_title` y `twitter_title` porque son los que viajan a X y a
+    Facebook, y suelen ser copia del meta: si se limpia uno y no los otros, el
+    título viejo sigue circulando por ahí.
+    """
+    if site != "es":
+        return []
+    vocab = lowercase_vocab(posts)
+    out = []
+    for p in posts:
+        if p.get("status") != "published":
+            continue
+        for campo in ("title", "meta_title", "og_title", "twitter_title"):
+            texto = (p.get(campo) or "").strip()
+            malas = _title_case_words(texto, vocab)
+            if len(malas) >= 2:
+                out.append((p["slug"], f"{campo}: {texto[:44]}", malas[:4]))
+    return out
+
+
 def check_rules(posts, site):
     """Violaciones accionables (excluye waivers e INFO), agrupadas por regla."""
     out = {}
@@ -385,7 +416,7 @@ def check_rules(posts, site):
 
 # ---------- salida ----------
 
-def build_report(roto, nocanon, prematuro, envejecido, n_sitemap, sm_malos, reglas, mayus):
+def build_report(roto, nocanon, prematuro, envejecido, n_sitemap, sm_malos, reglas, mayus, titulos):
     L = []
     if roto:
         L.append(f"🔴 {len(roto)} enlace(s) interno(s) ROTO(S):")
@@ -408,6 +439,9 @@ def build_report(roto, nocanon, prematuro, envejecido, n_sitemap, sm_malos, regl
     if mayus:
         L.append(f"🔤 {len(mayus)} encabezado(s) en Title Case inglés (el ES va en mayúscula de oración):")
         L += [f"   {s[:24]}: «{t[:34]}» ({', '.join(w)})" for s, t, w in mayus[:6]]
+    if titulos:
+        L.append(f"🔠 {len(titulos)} título/meta en Title Case inglés (es lo que se lee en Google):")
+        L += [f"   {s[:20]}: {t}" for s, t, _ in titulos[:6]]
     if reglas:
         tot = sum(len(v) for v in reglas.values())
         L.append(f"📋 {tot} violación(es) accionable(s) del auditor:")
@@ -417,7 +451,7 @@ def build_report(roto, nocanon, prematuro, envejecido, n_sitemap, sm_malos, regl
     return "\n".join(L)
 
 
-def fingerprint(roto, nocanon, prematuro, envejecido, sm_malos, reglas, mayus):
+def fingerprint(roto, nocanon, prematuro, envejecido, sm_malos, reglas, mayus, titulos):
     return json.dumps({
         "roto": sorted(f"{s}|{u}" for s, u in roto),
         "nocanon": sorted(f"{s}|{u}" for s, u in nocanon),
@@ -425,6 +459,7 @@ def fingerprint(roto, nocanon, prematuro, envejecido, sm_malos, reglas, mayus):
         "envejecido": sorted(f"{s}|{t}|{m}" for s, _, t, m in envejecido),
         "sitemap": sorted(u for u, _ in sm_malos),
         "mayus": sorted(f"{s}|{t}" for s, t, _ in mayus),
+        "titulos": sorted(f"{s}|{t}" for s, t, _ in titulos),
         "reglas": {k: sorted(v) for k, v in reglas.items()},
     }, sort_keys=True)
 
@@ -450,13 +485,16 @@ def run_site(site):
     n_sm, sm_malos = check_sitemap()
     reglas = check_rules(posts, site)
     mayus = check_heading_case(posts, site)
+    titulos = check_title_case(posts, site)
 
-    body = build_report(roto, nocanon, prematuro, envejecido, n_sm, sm_malos, reglas, mayus)
+    body = build_report(roto, nocanon, prematuro, envejecido, n_sm, sm_malos, reglas, mayus,
+                        titulos)
     pub = sum(1 for p in posts if p.get("status") == "published")
     header = (f"── [{site.upper()}] {cfg['host']}\n"
               f"   {pub} publicados, {len(posts)} totales, sitemap {n_sm} URLs")
-    fp = fingerprint(roto, nocanon, prematuro, envejecido, sm_malos, reglas, mayus)
-    hallazgos = bool(roto or nocanon or prematuro or envejecido or sm_malos or mayus)
+    fp = fingerprint(roto, nocanon, prematuro, envejecido, sm_malos, reglas, mayus, titulos)
+    hallazgos = bool(roto or nocanon or prematuro or envejecido or sm_malos or mayus
+                     or titulos)
     return header + "\n" + body, fp, hallazgos