auditor: auditar también el ES, y dejar de llamar publicado a lo programado

El blog ES nunca se había auditado entero: seo_audit era EN-only aunque
seo_exceptions ya estuviera indexado por sitio desde el principio. Ahora
acepta --site es. Resultado del estreno: 40 de 40 limpios.

Para que eso signifique algo hubo que arreglar SITE_HOST, que era una
constante con el dominio del EN y decide qué href cuenta como enlace
interno. Auditando el ES con el host del EN salían 21 posts marcados por
enlaces internos; con el host correcto, cero. Un informe entero de
hallazgos falsos que nadie habría podido arreglar.

Y `ghst post list --status published` NO filtra: devuelve published Y
scheduled. El encabezado llevaba desde siempre diciendo "42 published
posts" cuando eran 33 publicados y 9 programados. Se pide sin filtro y se
separa en el código, que además deja explícito que los programados también
se auditan — que está bien, pero hay que decirlo.

seo_audit.py

@@ -1,6 +1,6 @@
 #!/usr/bin/env python3
 """
-Tool A — site-wide SEO auditor for theexclusionzone.com (EN, Ghost).
+Tool A — site-wide SEO auditor para los dos blogs (Ghost).
 
 READ-ONLY. Fetches every published post via the ghst-en wrapper (Ghost Admin API,
 staff token pulled on-demand from the pod — nothing written to disk), runs the
@@ -10,7 +10,8 @@ shared rule engine (seo_rules.py), and prints:
   3. a ranked "fix this first" list.
 
 Usage:
-    python3 seo_audit.py                # fetch live, full report
+    python3 seo_audit.py                     # EN (por defecto), en vivo
+    python3 seo_audit.py --site es           # el blog ES
     python3 seo_audit.py --json cache.json   # audit a saved posts JSON instead of fetching
     python3 seo_audit.py --save cache.json   # fetch live AND save the raw JSON
 
@@ -28,7 +29,7 @@ import seo_rules as R
 import seo_exceptions as X
 
 
-def partition(post, violations):
+def partition(post, violations, site="en"):
     """Split one post's violations into (actionable, accepted, info).
 
     'accepted' = an actionable-severity violation whose (rule, slug) is a
@@ -40,15 +41,19 @@ def partition(post, violations):
     for v in violations:
         if v.severity == R.INFO:
             info.append(v)
-        elif X.accepted_reason(v.rule, slug):
+        elif X.accepted_reason(v.rule, slug, site):
             accepted.append(v)
         else:
             actionable.append(v)
     return actionable, accepted, info
 
 
-def fetch_posts():
+SITIOS = {"en": {"cli": "ghst-en", "host": "theexclusionzone.com"},
-    """Pull all published posts (with html) via ghst-en. Returns list[dict].
+          "es": {"cli": "ghst-es", "host": "zonadeexclusion.com"}}
+
+
+def fetch_posts(cli="ghst-en"):
+    """Pull all published posts (with html) via the site's ghst wrapper.
 
     We redirect ghst's stdout to a temp file rather than capturing the pipe:
     ghst's output is ~750 KB and a captured PIPE truncates at the 64 KB pipe
@@ -57,13 +62,17 @@ def fetch_posts():
     fd, path = tempfile.mkstemp(suffix=".json", prefix="seo_audit_")
     os.close(fd)
     try:
-        cmd = ("ghst-en post list --status published --limit 100 "
+        # ⚠️ `--status published` NO filtra: ghst devuelve published Y scheduled
+        # (medido el 2026-07-28: 33 + 9 = los 42 que el informe llamaba
+        # "published"). Se pide sin filtro y se separa aquí, que es lo honesto.
+        cmd = (f"{cli} post list --limit all "
                "--formats html,lexical --json > " + path)
         r = subprocess.run(cmd, shell=True, stderr=subprocess.PIPE, text=True)
         if r.returncode != 0:
-            sys.exit(f"ghst-en fetch failed:\n{r.stderr}")
+            sys.exit(f"{cli} fetch failed:\n{r.stderr}")
         data = json.load(open(path))
-        return data["posts"] if isinstance(data, dict) and "posts" in data else data
+        posts = data["posts"] if isinstance(data, dict) and "posts" in data else data
+        return [x for x in posts if x.get("status") in ("published", "scheduled")]
     finally:
         os.unlink(path)
 
@@ -75,6 +84,7 @@ def load_posts(path):
 
 def main():
     ap = argparse.ArgumentParser()
+    ap.add_argument("--site", choices=("en", "es"), default="en")
     ap.add_argument("--json", help="audit a saved posts JSON instead of fetching live")
     ap.add_argument("--save", help="save fetched raw posts JSON to this path")
     args = ap.parse_args()
@@ -83,15 +93,19 @@ def main():
         posts = load_posts(args.json)
         src = f"file {args.json}"
     else:
-        posts = fetch_posts()
+        posts = fetch_posts(SITIOS[args.site]["cli"])
-        src = "live (ghst-en, Ghost Admin API)"
+        src = f"live ({SITIOS[args.site]['cli']}, Ghost Admin API)"
         if args.save:
             json.dump({"posts": posts}, open(args.save, "w"), indent=2)
 
+    # El motor decide qué href es interno con R.SITE_HOST: sin esto, auditar
+    # el ES contaría cero enlaces internos en los 31 posts.
+    R.usar_sitio(args.site)
+
     results = []  # (post, actionable, accepted, info, score)
     for p in posts:
         v = R.check_post(p)
-        actionable, accepted, info = partition(p, v)
+        actionable, accepted, info = partition(p, v, args.site)
         # score ranks worst-first on ACTIONABLE severity only — accepted waivers
         # and INFO don't push a post up the list.
         results.append((p, actionable, accepted, info, R.score(actionable)))
@@ -111,8 +125,12 @@ def main():
 
     # ---- header ----
     print("=" * 78)
-    print(f"  SEO AUDIT — theexclusionzone.com   source: {src}")
+    print(f"  SEO AUDIT — {SITIOS[args.site]['host']}   source: {src}")
-    print(f"  {total_posts} published posts   |   {clean} clean (no actionable issues)"
+    n_pub = sum(1 for p in posts if p.get("status") == "published")
+    n_prog = total_posts - n_pub
+    print(f"  {n_pub} publicados"
+          + (f" + {n_prog} programados" if n_prog else "")
+          + f"   |   {clean} clean (no actionable issues)"
           + (f"   |   {accepted_total} accepted exception(s) waived" if accepted_total else ""))
     print(f"  JSON-LD: handled globally by Edition-main theme — not flagged per post")
     print("=" * 78)

seo_rules.py

@@ -16,7 +16,21 @@ import re
 import unicodedata
 from collections import namedtuple
 
-SITE_HOST = "theexclusionzone.com"
+# Host del sitio que se está auditando. Decide qué href cuenta como enlace
+# INTERNO, así que auditar el ES con el host del EN daría cero enlaces internos
+# en los 31 posts: un informe entero de hallazgos falsos. Sigue siendo el EN por
+# defecto para no cambiarle el comportamiento a nadie que ya lo use.
+SITE_HOSTS = {"en": "theexclusionzone.com", "es": "zonadeexclusion.com"}
+SITE_HOST = SITE_HOSTS["en"]
+
+
+def usar_sitio(site):
+    """Apunta el motor de reglas a uno de los dos blogs. Devuelve el host."""
+    global SITE_HOST
+    if site not in SITE_HOSTS:
+        raise ValueError(f"sitio desconocido: {site!r}")
+    SITE_HOST = SITE_HOSTS[site]
+    return SITE_HOST
 
 # ---- thresholds (single source of truth, reused by validator) -------------
 META_TITLE_MAX     = 60