chemavx-seo-tools/test_seo_estado.py

#!/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



# ───────── archivos de tag: lo que el lector ve y lo que ve Google ─────────

def test_detecta_el_nombre_de_tag_que_es_el_slug():
    """El H1 del archivo sale del `name`. En el EN los siete se llamaban como
    su slug: /tag/military-cases/ enseñaba «military-cases» al lector."""
    orig = E.sh
    E.sh = _tags_falsos([
        {"slug": "military-cases", "name": "military-cases", "visibility": "public"},
    ])
    try:
        salida = E.check_tags("en", E.SITES["en"], [
            {"slug": "p", "status": "published",
             "tags": [{"slug": "military-cases", "visibility": "public"}]}])
    finally:
        E.sh = orig
    assert any("NOMBRE es el slug" in l for l in salida), salida


def test_un_acronimo_de_una_palabra_no_cuenta_como_slug_crudo():
    """`uap` llamándose «uap» no es el mismo problema que «military-cases»:
    sin guion no se lee como slug. Exigir el guion evita el falso positivo."""
    orig = E.sh
    E.sh = _tags_falsos([{"slug": "uap", "name": "uap", "visibility": "public"}])
    try:
        salida = E.check_tags("en", E.SITES["en"], [
            {"slug": "p", "status": "published",
             "tags": [{"slug": "uap", "visibility": "public"}]}])
    finally:
        E.sh = orig
    assert not any("NOMBRE es el slug" in l for l in salida), salida


def test_detecta_dos_archivos_de_tag_con_el_mismo_title():
    """Salió al renombrar: `uap` e `investigation` compartían meta_title, o sea
    dos páginas indexadas compitiendo con el mismo titular."""
    orig = E.sh
    E.sh = _tags_falsos([
        {"slug": "uap", "name": "UAP", "visibility": "public",
         "meta_title": "UAP Investigation — The Exclusion Zone"},
        {"slug": "investigation", "name": "Investigation", "visibility": "public",
         "meta_title": "UAP Investigation — The Exclusion Zone"},
    ])
    try:
        salida = E.check_tags("en", E.SITES["en"], [
            {"slug": "p", "status": "published", "tags": [
                {"slug": "uap", "visibility": "public"},
                {"slug": "investigation", "visibility": "public"}]}])
    finally:
        E.sh = orig
    assert any("mismo <title>" in l for l in salida), salida


# ───────── twitter:site: el handle bueno, no «cualquiera menos @ghost» ─────────

def _head_falso(html):
    """Sustituye la descarga del HTML público por una cabecera de mentira."""
    return lambda url: html


POST_MIN = [{"slug": "p", "status": "published"}]


def _check_head_con(html):
    orig = E.trae
    E.trae = _head_falso(html)
    try:
        return E.check_head("es", E.SITES["es"], POST_MIN)
    finally:
        E.trae = orig


def test_un_handle_ajeno_no_pasa_por_bueno():
    """El chequeo solo miraba el default de Ghost, así que se le colaba lo PEOR
    de los dos: el ES apuntaba a @ZonaDeExclusion, un handle que no existe. Un
    handle abandonado lo puede reclamar cualquiera y quedarse la atribución."""
    salida = _check_head_con('<meta name="twitter:site" content="@ZonaDeExclusion">')
    assert any("@ZonaDeExclusion" in l and "debería ser" in l for l in salida), salida


def test_el_handle_bueno_no_genera_hallazgo():
    salida = _check_head_con(f'<meta name="twitter:site" content="{E.HANDLE_X}">')
    assert not any("twitter:site" in l for l in salida), salida


def test_el_default_de_ghost_sigue_diciendo_que_es_el_default():
    """Regresión: al pasar a comparar contra el handle real, el caso @ghost tiene
    que seguir explicando POR QUÉ está mal, no solo que no coincide."""
    salida = _check_head_con('<meta name="twitter:site" content="@ghost">')
    assert any("default de Ghost" in l for l in salida), salida


def test_sin_twitter_site_tambien_avisa():
    """Vaciar el ajuste en Ghost quita el meta entero. Silencio no es OK."""
    salida = _check_head_con("<title>nada</title>")
    assert any("no hay twitter:site" in l for l in salida), salida


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)