#!/usr/bin/env python3 """ Validador de catálogo — Bicicletas Maino Corre todas las verificaciones aprendidas durante la migración. Reutilizable: pásale el catálogo cada vez que se carguen productos nuevos. python3 validar_catalogo.py catalog.json [image_manifest.csv] Sale con código 1 si hay hallazgos bloqueantes. """ import json, csv, re, sys, os, unicodedata, collections, itertools def n(s): return unicodedata.normalize("NFKD",(s or "").lower()).encode("ascii","ignore").decode() # Códigos que se verificaron como INEXISTENTES contra el catálogo del fabricante. CODIGOS_FANTASMA = { "pd-r9000": "Shimano nunca usó prefijo «R» en la serie 9000 de pedales. Es PD-9000 (2012) o PD-R9100 (2016)", "rd-r62sg": "No existe en ningún catálogo MicroSHIFT. El Bona 10v jaula corta es RD-R67SG", } # Familias cuyo código NO identifica una variante única: exigen rango o medida en el título. FAMILIA_AMBIGUA = { "cs-hg50": "código usado por Shimano desde ~1990: el rango de piñones es el identificador real", "cs-hg400": "varias variantes de rango bajo el mismo código", "cs-hg500": "varias variantes de rango bajo el mismo código", } NUCLEO_RUTA_11 = re.compile(r"spline l|road 1[12]|hg-ev", re.I) def cargar(path): d = json.load(open(path, encoding="utf-8")) return d["products"], {v["product_handle"]: v for v in d.get("variants", [])} def validar(cat_path, man_path=None): prods, var = cargar(cat_path) P = {p["handle"]: p for p in prods} H = [] def add(sev, regla, prod, det, acc): H.append({"sev": sev, "regla": regla, "producto": prod, "detalle": det, "accion": acc}) # 1 · códigos inexistentes for p in prods: t = n(p["title"]) for cod, why in CODIGOS_FANTASMA.items(): if cod in t.replace(" ", "-") or cod.replace("-", "") in t.replace(" ", "").replace("-", ""): add("bloqueante", "codigo-inexistente", p["title"], why, "Revisar la unidad física e identificar el código real antes de publicar") # 2 · familia ambigua sin rango en el título for p in prods: t = n(p["title"]) for fam, why in FAMILIA_AMBIGUA.items(): if fam in t.replace(" ", "-") and not re.search(r"\d+\s*-\s*\d+\s*t", t): add("alto", "variante-ambigua", p["title"], why, "Añadir el rango de piñones al título; sin él no se distingue la variante") # 3 · duplicados por SKU porsku = collections.defaultdict(list) for h, v in var.items(): s = (v.get("sku") or "").strip().strip("'") if s: porsku[s].append(h) for s, hs in porsku.items(): if len(hs) > 1: add("alto", "sku-repetido", " · ".join(P[h]["title"][:40] for h in hs), f"{len(hs)} productos comparten el SKU «{s}»", "Si solo cambian de color o talla, modelarlos como variantes de un producto") # 4 · duplicados por título def firma(t): RUIDO = {"bicicleta","de","la","el","para","con","y","en","del","pinon","velocidades","v","mtb","ruta"} return frozenset(w for w in re.sub(r"[^a-z0-9 ]"," ",n(t)).split() if w not in RUIDO and len(w)>1) F = {p["handle"]: firma(p["title"]) for p in prods} for a, b in itertools.combinations(P, 2): fa, fb = F[a], F[b] if fa and fb and len(fa & fb) / len(fa | fb) >= 0.92: add("alto", "titulo-duplicado", f"{P[a]['title'][:44]} · {P[b]['title'][:44]}", "Dos productos con título casi idéntico", "Verificar si es el mismo producto cargado dos veces o falta la variante en el título") # 5 · imágenes: misma foto en productos distintos, y productos sin foto if man_path and os.path.exists(man_path): man = list(csv.DictReader(open(man_path))) sha = collections.defaultdict(set) for m in man: if m.get("sha1"): sha[m["sha1"]].add(m["handle"]) for s, hs in sha.items(): hs = {h for h in hs if h in P} if len(hs) > 1: marcas = {P[h].get("brand_slug") for h in hs} sev = "bloqueante" if len(marcas) > 1 else "medio" det = ("Productos de MARCAS DISTINTAS comparten la misma foto" if len(marcas) > 1 else "Productos distintos comparten la misma foto") add(sev, "imagen-compartida", " · ".join(P[h]["title"][:40] for h in hs), det, "Una ficha con la foto de otro producto es motivo de devolución" if len(marcas) > 1 else "Fotografiar cada variante: el comprador no ve qué compra") for p in prods: if not p.get("images"): add("alto", "sin-imagen", p["title"], "No tiene ninguna imagen", "No publicar sin foto") # 6 · precio y datos operativos for h, v in var.items(): if h not in P: continue pr = v.get("price") if pr in (None, 0, "0"): add("bloqueante", "sin-precio", P[h]["title"], "Precio en 0 o vacío", "No publicable") if not (v.get("sku") or "").strip(): add("medio", "sin-sku", P[h]["title"], "Sin SKU", "Impide control de inventario") if not v.get("weight_g"): add("medio", "sin-peso", P[h]["title"], "Sin peso", "Bloquea la cotización de envío si el checkout cobra por peso") # 7 · marca no asignada o genérica for p in prods: b = p.get("brand_slug") or "" if not b or b in ("sin-marca", "maino") and "maino" not in n(p["title"]): add("medio", "marca-dudosa", p["title"], f"Marca «{b or 'vacía'}»", "«Maino» era el vendor por defecto de Shopify: verificar el fabricante real del título") # 8 · título sin variante cuando existe otro igual ct = collections.Counter(p["title"] for p in prods) for t, c in ct.items(): if c > 1: add("alto", "titulo-sin-variante", t, f"{c} productos tienen exactamente el mismo título", "Si son variantes (color, talla, acabado), el sufijo debe ir en el título") return H if __name__ == "__main__": cat_p = sys.argv[1] if len(sys.argv) > 1 else "out/catalog_enriquecido.json" man_p = sys.argv[2] if len(sys.argv) > 2 else "out/image_manifest.csv" H = validar(cat_p, man_p) ORD = {"bloqueante": 0, "alto": 1, "medio": 2} H.sort(key=lambda x: (ORD.get(x["sev"], 9), x["regla"])) c = collections.Counter(x["sev"] for x in H) r = collections.Counter(x["regla"] for x in H) print("="*72); print("VALIDACIÓN DE CATÁLOGO"); print("="*72) print(f"\nhallazgos: {len(H)} bloqueantes: {c['bloqueante']} altos: {c['alto']} medios: {c['medio']}\n") print("--- por regla ---") for k, v in r.most_common(): print(f" {v:4d} {k}") print("\n--- bloqueantes y altos (muestra) ---") for x in [y for y in H if y["sev"] in ("bloqueante","alto")][:16]: print(f"\n [{x['sev']}] {x['regla']}") print(f" {x['producto'][:88]}") print(f" → {x['detalle']}") os.makedirs("out", exist_ok=True) json.dump(H, open("out/validacion.json","w"), ensure_ascii=False, indent=1) print(f"\n\ndetalle completo en out/validacion.json") sys.exit(1 if c["bloqueante"] else 0)