"""Contrato editorial, integridad del grafo y trazabilidad de medios.""" import re from pathlib import Path from urllib.parse import urlsplit from banco import estado_publicacion from bibliografia import bibliografia_manual, cargar_bibliografia from configuracion import NIVELES, SISTEMAS SECCIONES = { "signo": ("La pregunta clínica", "Por qué el examen físico no basta", "Cómo se obtiene la ventana", "El signo", "La bifurcación", "Dónde NO confiar", "Practica esto", "Discusión abierta"), "caso": ("Viñeta clínica", "El problema antes de la sonda", "La adquisición", "El signo", "La bifurcación", "Los límites", "Pregunta al parlamento"), } # Las imágenes del atlas vienen SOLO de Wikimedia Commons: nunca generadas con # IA ni tomadas de otro sitio. `fuente_url` debe ser la página File: de Commons. # Esto comprueba la forma de la URL; `auditar_medios.py --verificar` comprueba # contra la API que el archivo local corresponde a esa página. ORIGEN_IMAGENES = "commons.wikimedia.org" # Imágenes ya publicadas antes de la regla (2026-09-23) con otra fuente abierta # verificada. No es un mecanismo para añadir excepciones nuevas: cada entrada # requiere decisión explícita de Alcy. IMAGENES_EXENTAS = { ("signo-vti", "orde2017-fig1"): ( "figura CC BY 4.0 de Orde et al. 2017, Critical Care (acceso abierto), " "publicada el 2026-09-09" ), } def errores_origen_imagen(entidad) -> list: """Imágenes cuya fuente no es una página File: de Wikimedia Commons.""" errores = [] for medio in entidad.get("medios") or []: if medio.get("tipo") != "imagen": continue if (entidad.get("id"), medio.get("id")) in IMAGENES_EXENTAS: continue url = urlsplit(str(medio.get("fuente_url") or "")) if url.netloc != ORIGEN_IMAGENES or not url.path.startswith("/wiki/File:"): errores.append( f"[IMAGEN] {entidad.get('id')} medio {medio.get('id')}: la fuente debe " f"ser una página File: de Wikimedia Commons, no " f"{medio.get('fuente_url') or '(vacía)'}; nunca una imagen generada con IA") return errores def errores_editoriales(entidades, bib_path: Path): """Contrato estructural; no sustituye la revisión clínica ni el consentimiento.""" bib = cargar_bibliografia(bib_path) if bib_path.is_file() else {} errores = [] for e in entidades: prefijo = f"[EDITORIAL] {e.get('_archivo', '?')} ({e.get('id', '?')})" def error(campo, mensaje): errores.append(f"{prefijo}: {campo}: {mensaje}") def texto(valor): return isinstance(valor, str) and bool(valor.strip()) and not re.search( r"\bTODO\b", valor) tipo = e.get("tipo") if tipo not in ("concepto", "signo", "caso"): error("tipo", "debe ser concepto, signo o caso") campos = ["id", "titulo", "abstract", "cuerpo"] if tipo == "signo": campos += ["organo", "ventana", "significante", "significado", "decision"] elif tipo == "caso": campos += ["organo", "decision_semiotica"] elif tipo == "concepto": campos += ["dominio"] for campo in campos: if not texto(e.get(campo)): error(campo, "requiere texto no vacío, sin TODO") resumen = e.get("abstract") if isinstance(resumen, str) and not 40 <= len(resumen.split()) <= 80: error("abstract", "debe contener entre 40 y 80 palabras") if not isinstance(e.get("nivel"), str) or e["nivel"] not in NIVELES: error("nivel", f"debe pertenecer a {sorted(NIVELES)}") if tipo == "signo" and e.get("sistema") not in [c for c, _ in SISTEMAS]: error("sistema", "valor obligatorio de la taxonomía del mapa maestro") listas = ["refs"] if tipo == "signo": listas += ["falsos_positivos", "sonda"] if tipo == "caso": listas += ["signos"] for campo in listas: valores = e.get(campo) if not isinstance(valores, list) or not valores or not all(map(texto, valores)): error(campo, "requiere una lista no vacía de textos, sin TODO") refs = e.get("refs") if isinstance(refs, list): for clave in refs: if not isinstance(clave, str): continue if clave not in bib: error("refs", f"'{clave}' no está en refs.bib") continue # Solo la forma, sin red: que el PMID exista y corresponda al # artículo lo comprueba verificar_citas.py contra PubMed y Crossref. if not re.fullmatch(r"[1-9]\d*", bib[clave].get("pmid", "")): error("refs", f"'{clave}' en refs.bib sin PMID numérico") if not bib[clave].get("doi", "").strip(): error("refs", f"'{clave}' en refs.bib sin DOI") cuerpo = e.get("cuerpo") if isinstance(cuerpo, str): sin_codigo = re.sub(r"(?ms)^(`{3,}|~{3,}).*?^\1\s*$", "", cuerpo) sin_codigo = re.sub(r"(?s)", "", sin_codigo) encabezados = list(re.finditer(r"(?m)^##\s+(.+?)\s*$", sin_codigo)) for seccion in SECCIONES.get(tipo if isinstance(tipo, str) else "", ()): encontrados = [i for i, h in enumerate(encabezados) if h[1] == seccion] if len(encontrados) != 1: error(f"## {seccion}", "debe aparecer exactamente una vez") else: i = encontrados[0] fin = encabezados[i + 1].start() if i + 1 < len(encabezados) else len(sin_codigo) contenido = sin_codigo[encabezados[i].end():fin] contenido = re.sub(r"(?m)^#{1,6}\s+.*$", "", contenido) contenido = re.sub(r"(?s)", "", contenido) if not contenido.strip(): error(f"## {seccion}", "sección vacía") return errores def exigir_editorial(entidades, bib_path: Path): errores = errores_editoriales(entidades, bib_path) if errores: raise RuntimeError("Contrato editorial incumplido:\n" + "\n".join(errores)) def validar(entidades, aristas, raiz: Path, permitir_borradores=False): """Devuelve errores que bloquean y alertas de calidad.""" ids = {e["id"] for e in entidades} errores = [f"{a['origen']} --{a['clase']}--> {a['destino']} (NO EXISTE)" for a in aristas if a["destino"] not in ids] alertas = [] estados = [(e, estado_publicacion(e)) for e in entidades] borradores = [e for e, estado in estados if permitir_borradores and estado == "borrador"] exigidas = [e for e, estado in estados if not permitir_borradores or estado != "borrador"] errores.extend(errores_editoriales(exigidas, raiz / "refs.bib")) alertas.extend(errores_editoriales(borradores, raiz / "refs.bib")) for e in exigidas: errores.extend(errores_origen_imagen(e)) for e in borradores: alertas.extend(errores_origen_imagen(e)) for e in entidades: for medio in (e.get("medios") or []): if medio.get("tipo") != "imagen": continue faltan = [c for c in ("archivo_local", "fuente_url", "licencia_url") if not medio.get(c)] if faltan: alertas.append( f"[MEDIOS] {e['id']}: imagen sin {', '.join(faltan)} " f"({medio.get('id')})") for i, medio in enumerate(e.get("medios") or [], 1): if not medio.get("adaptacion"): continue prefijo = f"[IMAGEN] {e['id']} medio {i}" obligatorios = ( "archivo_local", "original_local", "credito", "fuente", "fuente_url", "licencia_img", "licencia_url", ) for campo in obligatorios: if not medio.get(campo): errores.append(f"{prefijo}: adaptación sin '{campo}'") for campo in ("archivo_local", "original_local"): declarado = medio.get(campo) if not declarado: continue ruta = (raiz / declarado).resolve() try: ruta.relative_to(raiz) except ValueError: errores.append(f"{prefijo}: '{campo}' apunta fuera del banco") continue if not ruta.is_file(): errores.append(f"{prefijo}: no existe {declarado}") original = medio.get("original_local") or "" if Path(original).suffix.lower() in (".ogv", ".webm", ".mp4", ".mov"): referencia = medio.get("referencia") if not referencia: errores.append(f"{prefijo}: fotograma de video sin 'referencia'") elif referencia not in (e.get("refs") or []): errores.append( f"{prefijo}: referencia '{referencia}' no incluida en refs") manual = bibliografia_manual(e["cuerpo"]) declaradas = e.get("refs") or [] if manual and len(manual) != len(declaradas): alertas.append( f"[EDITORIAL] {e['id']}: '## Evidencia' a mano lista " f"{len(manual)} entradas y 'refs' declara {len(declaradas)}; " f"se publica la de refs.bib") return errores, alertas