estado: cerrar los siete puntos ciegos del vigilante, y pasarlo a diario

Recuento de los fallos de esta semana: diecisiete. Ni uno solo fue un caso que el vigilante juzgara mal — los diecisiete estaban en sitios donde el vigilante no mira. Eso es una buena noticia: los puntos ciegos son enumerables y el juicio equivocado no. Lo que no miraba nadie, con el fallo real que lo motiva: tags 5 duplicados vivieron TRES SEMANAS repartiendo 7 posts entre dos archivos flacos, los dos ofrecidos a Google en sitemap-tags.xml páginas todas las reglas eran de posts; /about no tiene metas en ninguno de los dos sitios <head> el EN emite DOS Article con titulares distintos, y sigue con twitter:site=@ghost y article:publisher=facebook.com/ghost robots.txt el bloque «Cloudflare Managed» apareció solo en el EN y nadie lo decidió; cambia sin pasar por git hreflang lo comprobaba SOLO seo_audit.py, que NO TIENE TIMER hub se publicó una vez y se pudrió: «31 casos» con 33 programados check_rules hace `if status != "published": continue`, así que un programado con la meta mal es invisible hasta el día DESPUÉS de publicarse — cuando ya lo ha visto Google Decisiones: - módulo aparte y no dentro de seo_watch.py (ya pasa de 500 líneas), pero colgando del MISMO vigilante: una huella por sitio y un solo aviso. Dos notificadores compitiendo es como se deja de leer un informe - robots.txt se compara contra una INSTANTÁNEA versionada. Sin una foto contra la que comparar, un cambio que nadie hizo es invisible para siempre - un chequeo que revienta se convierte en HALLAZGO, no tumba a los demás. Lo peligroso de un vigilante no es que falle: es que falle y parezca limpio - og_*/twitter_* vacíos en una PÁGINA quedan fuera por COMPROBACIÓN, no por comodidad: Ghost los deriva de las metas al renderizar, verificado sobre el HTML público del hub ES. Avisar de eso sería mandar a arreglar algo que ya está bien Timer semanal → DIARIO. Con 2 posts/semana más programados y deriva de tema y robots, el lunes dejaba hasta seis días de exposición. No añade ruido: solo avisa si hay hallazgos Y han cambiado, así que un día limpio no manda nada. 8 tests, cada uno la cicatriz de un fallo real, incluidos los dos que hacen creíble a un vigilante: que DETECTA la avería (probado con deriva simulada de robots) y que un chequeo roto se oye. Primera ejecución real: 8 hallazgos, todos preexistentes, 32 s. Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
2026-07-29 17:21:46 +00:00
parent 2ae260a14f
commit 5b91895ef1
6 changed files with 623 additions and 8 deletions
@@ -0,0 +1,155 @@
+#!/usr/bin/env python3
+"""Tests de seo_estado.py — los puntos ciegos del vigilante.
+
+Cada test de aquí es la cicatriz de un fallo REAL de la semana del 2026-07-29.
+Se ejercitan las dos cosas que hacen creíble a un vigilante:
+
+  1. que DETECTA la avería (no basta con que no dé error)
+  2. que un chequeo roto no deja el informe limpio por accidente
+
+    python3 -m pytest test_seo_estado.py -q
+    python3 test_seo_estado.py            # sin pytest
+"""
+import json
+import os
+import sys
+
+sys.path.insert(0, os.path.dirname(os.path.abspath(__file__)))
+import seo_estado as E
+
+
+def _tags_falsos(tags):
+    """Sustituye la llamada al CLI por una lista de tags de mentira."""
+    payload = json.dumps({"tags": tags})
+    return lambda cmd, timeout=180: type(
+        "R", (), {"returncode": 0, "stdout": payload, "stderr": ""})()
+
+
+# ─────────────────────── tags: el bug que vivió 3 semanas ───────────────────────
+
+def test_detecta_el_duplicado_de_ghost():
+    """`Casos Militares` + `casos-militares` → Ghost crea `casos-militares-2`.
+    Es la firma exacta de researchowl mandando el slug en el campo `name`."""
+    orig = E.sh
+    E.sh = _tags_falsos([
+        {"slug": "casos-militares", "name": "Casos Militares", "visibility": "public"},
+        {"slug": "casos-militares-2", "name": "casos-militares", "visibility": "public"},
+    ])
+    try:
+        salida = E.check_tags("es", E.SITES["es"], [
+            {"slug": "p", "status": "published",
+             "tags": [{"slug": "casos-militares-2", "visibility": "public"}]}])
+    finally:
+        E.sh = orig
+    assert any("DUPLICADOS" in l for l in salida), salida
+
+
+def test_no_inventa_duplicados_donde_no_los_hay():
+    orig = E.sh
+    E.sh = _tags_falsos([
+        {"slug": "casos-militares", "name": "Casos Militares", "visibility": "public"},
+        {"slug": "casos-espana", "name": "Casos España", "visibility": "public"},
+    ])
+    try:
+        salida = E.check_tags("es", E.SITES["es"], [
+            {"slug": "p", "status": "published", "tags": [
+                {"slug": "casos-militares", "visibility": "public"},
+                {"slug": "casos-espana", "visibility": "public"}]}])
+    finally:
+        E.sh = orig
+    assert not any("DUPLICADOS" in l for l in salida), salida
+
+
+def test_ve_los_programados_sin_categoria():
+    """Los 9 de agosto salían con solo el tag interno #agosto-2026 y se habrían
+    publicado sin ninguna categoría. `check_rules` de seo_watch los salta."""
+    orig = E.sh
+    E.sh = _tags_falsos([{"slug": "uap", "name": "UAP", "visibility": "public"}])
+    try:
+        salida = E.check_tags("es", E.SITES["es"], [
+            {"slug": "agosto-1", "status": "scheduled",
+             "tags": [{"slug": "hash-agosto-2026", "visibility": "internal"}]},
+            {"slug": "vivo", "status": "published",
+             "tags": [{"slug": "uap", "visibility": "public"}]}])
+    finally:
+        E.sh = orig
+    assert any("scheduled SIN CATEGORÍA" in l for l in salida), salida
+
+
+# ────────────────────────────── robots: la deriva ──────────────────────────────
+
+ROBOTS_EN = """
+User-agent: *
+Content-Signal: search=yes,ai-train=no,use=reference
+Allow: /
+
+User-agent: GPTBot
+User-agent: CCBot
+Disallow: /
+
+User-agent: *
+Sitemap: https://x/sitemap.xml
+Disallow: /ghost/
+"""
+
+
+def test_parser_de_robots_agrupa_agentes_consecutivos():
+    p = E.politica_robots(ROBOTS_EN)
+    assert p["bloqueados"] == ["CCBot", "GPTBot"], p
+    assert p["content_signal"] == "search=yes,ai-train=no,use=reference", p
+
+
+def test_disallow_parcial_no_cuenta_como_bloqueo():
+    """`Disallow: /ghost/` NO es bloquear el sitio. Confundirlos daría por
+    bloqueado a todo bot con una regla de directorio."""
+    assert E.politica_robots(ROBOTS_EN)["bloqueados"] == ["CCBot", "GPTBot"]
+
+
+def test_comentarios_no_confunden_al_parser():
+    txt = "User-agent: GPTBot   # el de OpenAI\nDisallow: /  # todo\n"
+    assert E.politica_robots(txt)["bloqueados"] == ["GPTBot"]
+
+
+# ───────────────────── resiliencia: un chequeo roto se OYE ─────────────────────
+
+def test_un_chequeo_que_revienta_no_deja_el_informe_limpio():
+    """Lo peligroso de un vigilante no es que falle: es que falle y parezca que
+    todo está bien."""
+    orig = E.CHEQUEOS
+
+    def explota(s, c, p):
+        raise RuntimeError("boom")
+
+    E.CHEQUEOS = (("explosivo", explota),)
+    try:
+        r = E.revisa("en", [])
+    finally:
+        E.CHEQUEOS = orig
+    assert "explosivo" in r and "ha fallado" in r["explosivo"][0], r
+
+
+# ───────────────── páginas: no fabricar hallazgos inatendibles ─────────────────
+
+def test_las_reglas_de_post_que_no_aplican_a_paginas_quedan_fuera():
+    """og_*/twitter_* vacíos en una PÁGINA no son un fallo: Ghost los deriva de
+    las metas al renderizar (verificado sobre el HTML público del hub ES)."""
+    for regla in ("og_title.empty", "twitter_description.empty",
+                  "feature_image.missing", "internal_links.too_few"):
+        assert E._fuera_de_paginas(regla), regla
+    for regla in ("meta_title.missing", "meta_description.too_long"):
+        assert not E._fuera_de_paginas(regla), regla
+
+
+if __name__ == "__main__":
+    fallos = 0
+    for nombre, fn in sorted(globals().items()):
+        if not nombre.startswith("test_"):
+            continue
+        try:
+            fn()
+            print(f"  ✓ {nombre}")
+        except AssertionError as exc:
+            fallos += 1
+            print(f"  ✗ {nombre}: {exc}")
+    print(f"\n{'✓ todo pasa' if not fallos else f'✗ {fallos} fallo(s)'}")
+    sys.exit(1 if fallos else 0)