seo-watch: vigila la indexación en Google (ventana 5-60 días, huella sin la antigüedad)

seo_gsc.py

@@ -599,6 +599,59 @@ def cmd_antes_despues(a):
 
 # ──────────────────────────────── utilidades ────────────────────────────────
 
+def url_canonica(site, slug_o_url):
+    """La URL tal y como Google la tiene. Ojo: EN canoniza en **www** y ES en el
+    APEX, al revés — declararlo en un solo sitio evita inspeccionar una URL que
+    la propiedad ni siquiera ve."""
+    if slug_o_url.startswith("http"):
+        return slug_o_url
+    base = ("https://www.theexclusionzone.com/" if site == "en"
+            else "https://zonadeexclusion.com/")
+    return f"{base}{slug_o_url.strip('/')}/"
+
+
+def inspecciona_url(tok, site, slug_o_url):
+    """Estado de indexación de UNA url según Google.
+
+    Devuelve el `indexStatusResult` con la `url` consultada añadida, o
+    `{"error": "<código>"}` si la API no contesta 200. Existe como función y no
+    solo como comando porque la usan dos consumidores —este CLI y el vigilante
+    diario— y el endpoint, la propiedad y el host canónico deben declararse una
+    vez, no dos.
+    """
+    import requests
+    url = url_canonica(site, slug_o_url)
+    r = requests.post(
+        "https://searchconsole.googleapis.com/v1/urlInspection/index:inspect",
+        headers={"Authorization": f"Bearer {tok}"}, timeout=60,
+        json={"inspectionUrl": url, "siteUrl": SITIOS[site]["propiedad"]})
+    if r.status_code != 200:
+        return {"error": str(r.status_code), "detalle": r.text[:200], "url": url}
+    d = dict(r.json()["inspectionResult"]["indexStatusResult"])
+    d["url"] = url
+    return d
+
+
+def etiqueta_indexacion(d):
+    """(icono, texto corto) de un `indexStatusResult`.
+
+    Los tres estados de «no indexado» NO son el mismo problema y por eso no se
+    colapsan: «no lo conoce» es que nunca llegó, «descubierto» es que está en
+    cola, y «rastreado sin indexar» es que lo leyó y decidió no quedárselo —
+    solo el último apunta al contenido.
+    """
+    if d.get("error"):
+        return "❓", f"error {d['error']}"
+    cob = d.get("coverageState", "?")
+    if d.get("verdict") == "PASS":
+        return "✅", "indexado"
+    if cob.startswith("Crawled"):
+        return "🟡", "rastreado, sin indexar"
+    if cob.startswith("Discovered"):
+        return "🔵", "descubierto, sin rastrear"
+    return "⏳", "Google no lo conoce"
+
+
 def cmd_inspecciona(a):
     """¿Conoce Google esta URL? Veredicto suyo, no deducción nuestra.
 
@@ -607,31 +660,22 @@ def cmd_inspecciona(a):
     unknown to Google»: nunca rastreados. Sin esto se habría confundido con un
     problema de contenido y se habrían reescrito titulares para nada.
     """
-    import requests
     tok = token(carga_credencial())
-    prop = SITIOS[a.site]["propiedad"]
-    base = ("https://www.theexclusionzone.com/" if a.site == "en"
-            else "https://zonadeexclusion.com/")
     malas = 0
     for slug in a.slugs:
-        url = slug if slug.startswith("http") else f"{base}{slug.strip('/')}/"
-        r = requests.post(
-            "https://searchconsole.googleapis.com/v1/urlInspection/index:inspect",
-            headers={"Authorization": f"Bearer {tok}"}, timeout=60,
-            json={"inspectionUrl": url, "siteUrl": prop})
-        if r.status_code != 200:
-            print(f"  ✗ {r.status_code} {url}\n     {r.text[:200]}")
+        i = inspecciona_url(tok, a.site, slug)
+        if i.get("error"):
+            print(f"  ✗ {i['error']} {i['url']}\n     {i.get('detalle','')}")
             malas += 1
             continue
-        i = r.json()["inspectionResult"]["indexStatusResult"]
         ok = i.get("verdict") == "PASS"
         malas += 0 if ok else 1
         print(f"  {'✓' if ok else '⚠'} {i.get('coverageState', '?')}")
         print(f"      rastreo {i.get('lastCrawlTime', '—')[:10]}  "
               f"robots {i.get('robotsTxtState', '?')}")
-        if i.get("googleCanonical") and i["googleCanonical"] != url:
+        if i.get("googleCanonical") and i["googleCanonical"] != i["url"]:
             print(f"      ⚠ Google canoniza a: {i['googleCanonical']}")
-        print(f"      {url}")
+        print(f"      {i['url']}")
     return 1 if malas else 0