AppInitDev
CÓDIGO FUENTE PÚBLICO

tools/seo_visibilidad.py

Archivo real del paquete para implementar la función. Descárgalo del ZIP para editarlo; no contiene claves privadas.

#!/usr/bin/env python3
"""Auditoría y exposición HTML de fuentes para AppInitDev IA/MCP.
No toca app.html, pages/, aggregateRating, scripts de ratings, robots.txt ni sitemap.xml.
Sin red; reportes detallados en carpeta privada del módulo. Solo datos agregados públicos.
"""
from __future__ import annotations
import json, re, html, xml.etree.ElementTree as ET
from collections import Counter
from datetime import datetime, timezone
from html.parser import HTMLParser
from pathlib import Path
from urllib.parse import urlsplit, unquote

MOD=Path(__file__).resolve().parents[1]
NOW=lambda:datetime.now(timezone.utc).isoformat(timespec='seconds')
SITE='https://appinitdev.com'

class HeadInfo(HTMLParser):
    def __init__(self):
        super().__init__(convert_charrefs=True)
        self.title='';self.in_title=False;self.h1=0;self.lang='';self.canonicals=[];self.description='';self.robots=[];self.links=[];self.jsonld=[];self._jsonld=False;self._jsonbuf='';self.in_main=False;self.body_words=[];self._ignore=0
    def handle_starttag(self,tag,attrs):
        d=dict(attrs)
        if tag=='html':self.lang=d.get('lang','')
        if tag=='title':self.in_title=True
        if tag=='h1':self.h1+=1
        if tag in ('script','style','noscript','template'):self._ignore+=1
        if tag=='script' and d.get('type','').lower()=='application/ld+json':self._jsonld=True;self._jsonbuf=''
        if tag=='main':self.in_main=True
        if tag=='meta':
            n=d.get('name','').lower()
            if n=='description':self.description=d.get('content','')
            if n in ('robots','googlebot','bingbot'):self.robots.append(d.get('content','').lower())
        if tag=='link' and 'canonical' in d.get('rel','').lower().split():self.canonicals.append(d.get('href',''))
        if tag=='a' and d.get('href'):self.links.append(d['href'])
    def handle_endtag(self,tag):
        if tag=='title':self.in_title=False
        if tag=='script' and self._jsonld:
            try:self.jsonld.append(json.loads(self._jsonbuf))
            except (ValueError,TypeError):self.jsonld.append(None)
            self._jsonld=False
        if tag in ('script','style','noscript','template'):self._ignore=max(0,self._ignore-1)
        if tag=='main':self.in_main=False
    def handle_data(self,data):
        if self.in_title:self.title+=data
        if self._jsonld:self._jsonbuf+=data
        if self.in_main and self._ignore==0:self.body_words.extend(data.split())


def write_json(p,data):
    p.parent.mkdir(parents=True,exist_ok=True)
    target=p.with_name(p.name+'.tmp')
    target.write_text(json.dumps(data,ensure_ascii=False,indent=2)+'\n',encoding='utf8')
    target.replace(p)

def load(path,default):
    try:return json.loads(path.read_text(encoding='utf8'))
    except (OSError,ValueError):return default

def canonical_for(root,path):
    rel=path.relative_to(root).as_posix()
    if rel=='index.html':return SITE+'/'
    if rel.endswith('/index.html'):return SITE+'/'+rel[:-10]
    if rel.endswith('.html'):return SITE+'/'+rel[:-5]
    return None

def classify_markup(path,info):
    errors=[];warnings=[]
    # Cada incidencia se refiere solo al archivo examinado. No inferir respuesta HTTP.
    if not info.title.strip():errors.append('titulo_ausente')
    if not info.canonicals:errors.append('canonical_ausente')
    elif len(info.canonicals)>1:errors.append('canonical_multiple')
    if info.canonicals and (not info.canonicals[0].startswith(SITE+'/') or info.canonicals[0].endswith('.html')):errors.append('canonical_no_normalizada')
    if not info.description.strip():warnings.append('description_ausente')
    if info.h1==0:warnings.append('h1_ausente')
    if not info.lang:warnings.append('idioma_html_ausente')
    for obj in info.jsonld:
        if obj is None:errors.append('jsonld_invalido')
    # IMPORTANTE: ratings se auditan estructuralmente sin modificar y sin presuponer datos ficticios.
    def aggregate(obj):
        if isinstance(obj,dict):
            if obj.get('@type')=='AggregateRating':
                if 'ratingValue' not in obj or 'ratingCount' not in obj:warnings.append('aggregateRating_campos_incompletos')
            for v in obj.values():aggregate(v)
        elif isinstance(obj,list):
            for v in obj:aggregate(v)
    for obj in info.jsonld:aggregate(obj)
    return errors,warnings

def make_reference_page(root,identity,apps,coverage):
    org=identity.get('organizacion',{}); dev=identity.get('desarrollador',{}); gp=identity.get('google_play',{}).get('perfil_desarrollador')
    network=identity.get('redes_sociales_declaradas',[])
    def link(u,label):
        if not isinstance(u,str) or not u.startswith('https://'):return html.escape(label)
        return '<a href="'+html.escape(u,quote=True)+'" rel="noopener noreferrer">'+html.escape(label)+'</a>'
    appcards=[]
    for a in apps:
        if not isinstance(a,dict) or not all(a.get(k) for k in ('nombre','id','url','play_store')):continue
        appcards.append('<li><strong>'+html.escape(a['nombre'])+'</strong> · <code>'+html.escape(a['id'])+'</code> · '+link(a['url'],'Ficha AppInitDev')+' · '+link(a['play_store'],'Google Play')+'</li>')
    networks=''.join('<li>'+link(n.get('url',''),n.get('plataforma','Perfil declarado'))+'</li>' for n in network if isinstance(n,dict))
    pg=link(gp,'Perfil público de AppInitDev en Google Play') if gp else 'Perfil Google Play no declarado en el catálogo.'
    org_name=html.escape(org.get('nombre') or 'AppInitDev')
    developer=html.escape(dev.get('nombre') or 'No identificado en archivos públicos')
    info={'@context':'https://schema.org','@type':'AboutPage','@id':SITE+'/ia/fuentes-oficiales/#webpage','url':SITE+'/ia/fuentes-oficiales/','name':'Fuentes oficiales de AppInitDev','about':{'@id':SITE+'/#organization'},'publisher':{'@id':SITE+'/#organization'}}
    markup=json.dumps(info,ensure_ascii=False).replace('<','\\u003c')
    css='''body{margin:0;font:16px/1.65 system-ui,Arial;background:#f7f9fc;color:#1c2b40}header,footer{background:#10223c;color:white;padding:1rem max(1rem,calc((100vw - 1100px)/2))}header a,footer a{color:#ecf5ff}main{max-width:1100px;margin:auto;padding:24px 16px 70px}h1{font-size:clamp(1.7rem,4vw,2.6rem);line-height:1.2}section{background:white;border:1px solid #dce5f0;border-radius:12px;margin:18px 0;padding:18px 22px}a{color:#005bb5}li{padding:5px 0;overflow-wrap:anywhere}code{font-size:.83em}.muted{color:#52677c}.head{background:#e6f2ff}h2{margin-top:0}ul{padding-left:24px}'''
    body=f'''<!doctype html><html lang="es-MX"><head><meta charset="utf-8"><meta name="viewport" content="width=device-width, initial-scale=1"><title>Fuentes oficiales: AppInitDev, Android, Google Play y redes</title><meta name="description" content="Información pública verificable sobre AppInitDev: desarrollador declarado, aplicaciones Android, fichas oficiales de Google Play, redes sociales y fuentes originales."><link rel="canonical" href="{SITE}/ia/fuentes-oficiales/"><script type="application/ld+json">{markup}</script><style>{css}</style></head><body><header><a href="/">AppInitDev</a> · <a href="/ia/">Centro IA</a> · <a href="/mcp/">MCP</a></header><main><section class="head"><h1>Fuentes oficiales y verificables de AppInitDev</h1><p>Guía pública para personas y asistentes: identifica a la marca, las aplicaciones de su catálogo local y sus fuentes originales. Utiliza los enlaces a los productos para confirmar la información actual.</p></section><section><h2>Identidad y procedencia</h2><p><strong>Marca declarada:</strong> {org_name}. <strong>Desarrollador declarado:</strong> {developer}.</p><p><strong>Google Play:</strong> {pg}.</p><p class="muted">El desarrollador y las redes se obtienen de las declaraciones públicas del sitio. No significa que Google Play Console se haya conectado ni que las cuentas hayan sido verificadas externamente.</p><p><a href="/ia/identidad/">Ficha pública de identidad y datos estructurados</a> · <a href="/datos/identidad.json">Identidad JSON</a></p></section><section><h2>Aplicaciones Android: fuentes por aplicación</h2><p>Las siguientes aplicaciones provienen de la lista local del desarrollador. Los nombres, paquetes y URLs son referencias declaradas; comprueba disponibilidad, precio, valoraciones y versión directamente en la tienda.</p><ul>{''.join(appcards)}</ul></section><section><h2>Redes y perfiles declarados</h2><ul>{networks}</ul></section><section><h2>Cómo citar y contrastar la información</h2><p>Para funciones y especificaciones consulta la ficha original, las guías y su página de Google Play. Para artículos técnicos cita su URL canónica y distingue la lectura completa del HTML de un registro solo conocido por metadatos.</p><p><a href="/ia/catalogo/">Catálogo accesible</a> · <a href="/ia/busqueda/">Búsqueda de texto</a> · <a href="/ia/calidad/">Cobertura y calidad</a> · <a href="/mcp/">Servidor MCP para clientes conectados</a></p><p class="muted">Este directorio no garantiza indexación, recomendaciones ni citas de asistentes.</p></section></main><footer>AppInitDev · Datos públicos declarados · <a href="/">Inicio</a></footer></body></html>'''
    path=root/'ia/fuentes-oficiales/index.html';path.parent.mkdir(parents=True,exist_ok=True);path.write_text(body,encoding='utf8')
    return len(appcards)

def enhance_html_first(root,identity,apps):
    """Inserta solamente contenido factual compacto (no depende de JS), una única vez."""
    name=html.escape(identity.get('organizacion',{}).get('nombre') or 'AppInitDev')
    gp=identity.get('google_play',{}).get('perfil_desarrollador')
    gp_link='<a href="'+html.escape(gp,quote=True)+'">Perfil de Google Play</a>' if gp else '<a href="/ia/identidad/">Información de Google Play</a>'
    selected=[a for a in apps if a.get('url') and a.get('nombre')][:12]
    examples=' '.join('<li><a href="'+html.escape(a['url'],quote=True)+'">'+html.escape(a['nombre'])+'</a></li>' for a in selected)
    snippets={
      'ia/relaciones/index.html':f'<section class="section" id="fuentes-estaticas-appinitdev"><h2>Relaciones principales en texto accesible</h2><p>{name} es la marca declarada de este catálogo de aplicaciones Android; la identidad y redes se documentan en <a href="/ia/identidad/">la ficha de identidad</a>. Consulta {gp_link}.</p><p>Ejemplos de aplicaciones del catálogo:</p><ul>{examples}</ul><p><a href="/ia/fuentes-oficiales/">Directorio de todas las fuentes oficiales</a></p></section>',
      'ia/explorar/index.html':f'<section class="section" id="fuentes-estaticas-appinitdev"><h2>Aplicaciones y temas para comenzar</h2><p>Explora aplicaciones del catálogo de {name}. La clasificación automática no sustituye a los artículos originales.</p><ul>{examples}</ul><p><a href="/ia/catalogo/">Catálogo HTML accesible sin JavaScript</a> · <a href="/ia/fuentes-oficiales/">Fuentes originales</a></p></section>',
      'ia/reconocimiento/index.html':f'<section class="section" id="fuentes-estaticas-appinitdev"><h2>Preguntas de reconocimiento y fuentes</h2><p><strong>¿Quién publica las aplicaciones?</strong> El catálogo público las atribuye a {name}. Consulta <a href="/ia/identidad/">identidad y desarrollador</a>.</p><p><strong>¿Dónde se descargan?</strong> {gp_link}. Consulta cada ficha de aplicación antes de afirmar disponibilidad o precio.</p><p>Esta evaluación comprueba que existan fuentes, no el comportamiento de ChatGPT, Gemini u otros modelos.</p></section>',
    }
    changed=[]
    for name,block in snippets.items():
        target=root/name
        if not target.is_file():continue
        text=target.read_text(encoding='utf8')
        if 'id="fuentes-estaticas-appinitdev"' in text:continue
        if '</main>' not in text:continue
        text=text.replace('</main>',block+'</main>',1)
        target.write_text(text,encoding='utf8');changed.append(name)
    return changed

def sitemap_for_module(root):
    """Sitemap suplementario; NO sobrescribe sitemap.xml ni robots.txt del usuario."""
    links=[]; excluded=[]
    for folder in ('ia','mcp'):
        for path in sorted((root/folder).rglob('index.html')) if (root/folder).is_dir() else []:
            if not path.is_file():continue
            text=path.read_text(encoding='utf8',errors='replace')
            p=HeadInfo();p.feed(text)
            if any('noindex' in r for r in p.robots):excluded.append(path.relative_to(root).as_posix());continue
            expected=canonical_for(root,path)
            if p.canonicals and p.canonicals[0]==expected:
                links.append((expected,datetime.fromtimestamp(path.stat().st_mtime,timezone.utc).strftime('%Y-%m-%d')))
            else:excluded.append(path.relative_to(root).as_posix())
    ns='http://www.sitemaps.org/schemas/sitemap/0.9'
    root_el=ET.Element('urlset',{'xmlns':ns})
    for u,date in sorted(set(links)):
        tag=ET.SubElement(root_el,'url');ET.SubElement(tag,'loc').text=u;ET.SubElement(tag,'lastmod').text=date
    ET.indent(root_el,space='  ')
    path=root/'sitemap-ia.xml';path.write_bytes(b'<?xml version="1.0" encoding="UTF-8"?>\n'+ET.tostring(root_el,encoding='utf-8'))
    return path,links,excluded

def run(root):
    root=Path(root).resolve();data=root/'datos';ident=load(data/'identidad.json',{});apps=load(data/'apps.json',{}).get('items',[])
    docs=load(data/'busqueda/documentos.json',{}).get('items',[])
    static=enhance_html_first(root,ident,apps)
    appcount=make_reference_page(root,ident,apps,{})
    sitemap_path,links,skipped=sitemap_for_module(root)
    records=[]; counts=Counter(); internal_warnings=[]
    html_paths=[root/'index.html'] if (root/'index.html').exists() else []
    for area in ('ia','mcp'):
        if (root/area).is_dir():html_paths.extend(sorted((root/area).rglob('index.html')))
    for path in html_paths:
        if not path.is_file():continue
        content=path.read_text(encoding='utf8',errors='replace');p=HeadInfo();p.feed(content)
        errors,warnings=classify_markup(path,p)
        canonical=canonical_for(root,path)
        if p.canonicals and p.canonicals[0]!=canonical:errors.append('canonical_no_coincide_ruta')
        for u in p.links:
            if u.startswith('/') and not u.startswith('//') and not u.startswith(('/datos/','#')):
                base=u.split('#')[0].split('?')[0].rstrip('/')
                if base.startswith(('/ia','/mcp')) and not ((root/base.lstrip('/')/'index.html').is_file() or (root/base.lstrip('/')).is_file()):
                    warnings.append('enlace_modulo_no_existente');internal_warnings.append((str(path.relative_to(root)),u))
        if 'noindex' in ' '.join(p.robots):counts['noindex']+=1
        for error in errors:counts[error]+=1
        for warn in set(warnings):counts[warn]+=1
        records.append({'archivo':path.relative_to(root).as_posix(),'canonical_esperada':canonical,'canonical_declarada':p.canonicals,
                        'titulo':p.title.strip(),'palabras_en_main':len(p.body_words),'html_lang':p.lang,
                        'noindex':any('noindex' in r for r in p.robots),'errores':sorted(set(errors)),'avisos':sorted(set(warnings))})
    # Estado local solamente: no afirmar que el sitio publicado está indexado o que las URLs responden HTTP 200.
    sitemap_master=root/'sitemap.xml'; master=[];master_error=None
    if sitemap_master.is_file():
        try:
            tree=ET.parse(sitemap_master)
            master=[n.text.strip() for n in tree.getroot().iter() if n.tag.endswith('loc') and n.text]
        except ET.ParseError as exc:master_error=str(exc)[:160]
    robots=root/'robots.txt';rob=robots.read_text(encoding='utf8',errors='replace') if robots.is_file() else ''
    robot_reasons=[]
    if not robots.is_file():robot_reasons.append('robots.txt no encontrado localmente; puede existir en el servidor remoto')
    elif not any(x.strip().lower()=='user-agent: *' for x in rob.splitlines()):robot_reasons.append('Revisar reglas específicas de rastreadores en robots.txt')
    if not (root/'llms.txt').is_file():robot_reasons.append('llms.txt opcional no encontrado localmente')
    missing=[u for u,_ in links if u not in master]
    summary={'version':'4.0','fecha_utc':NOW(),'alcance':'archivos locales; ninguna comprobación HTTP ni indexación externa',
      'paginas_html_auditadas':len(records),'html_sin_index':counts['noindex'],'errores_por_tipo':{k:v for k,v in counts.items() if k in {'titulo_ausente','canonical_ausente','canonical_multiple','canonical_no_normalizada','canonical_no_coincide_ruta','jsonld_invalido'}},
      'avisos_por_tipo':{k:v for k,v in counts.items() if k not in {'noindex','titulo_ausente','canonical_ausente','canonical_multiple','canonical_no_normalizada','canonical_no_coincide_ruta','jsonld_invalido'}},
      'paginas_modulo_en_sitemap_suplementario':len(links),'paginas_excluidas_sitemap_suplementario':len(skipped),
      'urls_modulo_no_incluidas_en_sitemap_principal':len(missing),'sitemap_principal_error':master_error,
      'robots_observaciones':robot_reasons,'apps_en_fuentes_estaticas':appcount,'bloques_html_estaticos_actualizados':static,
      'documentos_indice':len(docs),'indice_html_completo':sum(bool(d.get('texto_completo_indexado')) for d in docs),
      'preservacion_ratings':'No se modificaron aggregateRating, ratingValue ni ratingCount',
      'siguiente_paso':'Publicar y verificar HTTP con MONITOREAR_PUBLICACION.py; enviar sitemap-ia.xml a Search Console o Bing, o integrar con el sitemap principal.'}
    # Propuestas optativas. No se sobrescriben el robots.txt ni llms.txt que ya gestiona el usuario.
    suggestions=MOD/'reportes';suggestions.mkdir(parents=True,exist_ok=True)
    if robots.is_file():
        extra='Sitemap: https://appinitdev.com/sitemap-ia.xml'
        proposed=rob.rstrip()+('\n' if rob.rstrip() else '')
        if extra not in proposed:proposed+='\n# Sitemap complementario del módulo IA/MCP\n'+extra+'\n'
        (suggestions/'robots_propuesta_opcional.txt').write_text(proposed,encoding='utf8')
    lines=['# AppInitDev — sección IA y servidor MCP (propuesta opcional para llms.txt)','',
      '> Fuentes públicas declaradas del desarrollador; revisa siempre la ficha oficial y el artículo original.','',
      '- [Identidad y redes](https://appinitdev.com/ia/identidad/)',
      '- [Fuentes oficiales y apps Android](https://appinitdev.com/ia/fuentes-oficiales/)',
      '- [Catálogo HTML](https://appinitdev.com/ia/catalogo/)',
      '- [Búsqueda de contenidos](https://appinitdev.com/ia/busqueda/)',
      '- [MCP y documentación](https://appinitdev.com/mcp/)',
      '- [Tutoriales MCP](https://appinitdev.com/mcp/tutoriales/)', '',
      'Este archivo es opcional; no garantiza citas ni preferencias de sistemas de IA.']
    (suggestions/'llms_bloque_opcional.txt').write_text('\n'.join(lines)+'\n',encoding='utf8')
    write_json(data/'seo/resumen.json',summary)
    write_json(MOD/'reportes/auditoria_publicacion_privada.json',{'resumen':summary,'paginas':records,'urls_no_sitemap_principal':missing,'sitemap_excluidas':skipped,'enlaces_modulo_a_revisar':internal_warnings})
    return summary

if __name__=='__main__':
    import sys
    r=run(Path(sys.argv[1]) if len(sys.argv)>1 else MOD.parent)
    print('Auditoría SEO local:',r['paginas_html_auditadas'],'HTML, ',r['paginas_modulo_en_sitemap_suplementario'],'URLs en sitemap-ia.xml')