sergio/takana

1#!/usr/bin/env python3
2"""licencias-fuente.py — deduce el SPDX de una receta desde SU PROPIA fuente pineada.
3
4── QUÉ AÑADE SOBRE LOS HERMANOS ────────────────────────────────────────────────────────────────
5`licencias.sh --sembrar` escribe desde una tabla curada a mano, y `licencias-desambiguar.sh`
6resuelve `-only` vs `-or-later` preguntándole a la búsqueda de código de GitHub. Los dos dejan
7fuera lo mismo: lo que no está en la tabla y lo que no vive en GitHub.
8
9Pero `work/tarballs/` guarda cada tarball indexado por su **sha256**, o sea que el árbol EXACTO que
10la receta pinea ya está en disco. La evidencia más fuerte posible —la declaración del propio autor
11en el commit que construimos— no necesita red: necesita abrir el tar. Y para las recetas de fuente
12git, el `commit` pineado cumple el mismo papel que el sha256: se lee sin clonar el árbol entero.
13
14── LA JERARQUÍA DE EVIDENCIA, DE MÁS FUERTE A MÁS DÉBIL ────────────────────────────────────────
15  1. `Cargo.toml` / `meson.build` de la raíz. El autor declara el SPDX él mismo, en el formato
16     normativo. No hay nada que interpretar.
17  2. Un único fichero en `LICENSES/` (convención REUSE, que usa todo KDE): el nombre del fichero
18     ES el identificador SPDX.
19  3. El texto de `COPYING`/`LICENSE` + la CONCESIÓN buscada en las cabeceras de los fuentes.
20
21── POR QUÉ EL PASO 3 SON DOS PASOS Y NO UNO ────────────────────────────────────────────────────
22El COPYING de la GPL es IDÉNTICO para `-only` y `-or-later`: es el texto de la licencia, no la
23concesión. Peor: su apéndice «cómo aplicar la licencia» contiene literalmente «or (at your option)
24any later version», así que buscar esa frase en el COPYING da SIEMPRE positivo y parece evidencia
25siendo plantilla. La concesión vive en las cabeceras de los fuentes y en el README — por eso se
26busca ahí y se EXCLUYEN explícitamente COPYING/LICENSE/LICENCE. Es la misma regla que ya fijó
27`licencias-desambiguar.sh`; acá se aplica sobre el árbol pineado en vez de sobre GitHub.
28
29── SE GUARDA LA CITA ───────────────────────────────────────────────────────────────────────────
30Cada veredicto sale con el fichero y la frase que lo decidió. Una licencia es una afirmación legal:
31quien la revise tiene que poder auditarla sin repetir el trabajo. Lo que no alcanza para un
32veredicto sale como `pendiente` con lo que SÍ se encontró, para que el humano arranque desde ahí.
33NADA se escribe en las recetas: la salida es un TSV que revisa una persona y siembra `licencias.sh`.
34
35── EL MODO `--fetch` ───────────────────────────────────────────────────────────────────────────
36Por defecto NO toca la red: mira sólo lo que ya está en `work/tarballs/`. Con `--fetch` trae a un
37temporal lo que falte —tarballs y fuentes git—, verifica el tarball por sha256 —el mismo sha que la receta pinea, así
38que o es el árbol exacto o no se mira— y los borra al terminar. No escribe en la caché de hammer a
39propósito: la caché es suya y un fichero puesto ahí por otro camino es una vía de envenenamiento
40que nadie audita.
41
42Uso:  scripts/licencias-fuente.py            informe + escribe docs/licencias-evidencia.tsv
43      scripts/licencias-fuente.py --fetch    además trae las fuentes que falten (red)
44      scripts/licencias-fuente.py <receta>   una sola, con el detalle a la vista
45"""
46import os
47import re
48import sys
49import glob
50import shutil
51import hashlib
52import tarfile
53import tempfile
54import subprocess
55import tomllib
56
57RAIZ = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
58CACHE = os.path.join(RAIZ, "work", "tarballs")
59SALIDA = os.path.join(RAIZ, "docs", "licencias-evidencia.tsv")
60
61# Cada licencia se reconoce por una frase que no aparece en las demás. El texto se NORMALIZA
62# (espacios colapsados) antes de buscar, porque el mismo texto viene con saltos de línea distintos
63# según quién lo empaquete.
64#
65# ⚠ No se elige «la primera que pegue». Si un fichero contiene VARIAS licencias —el LICENCE de
66# OpenSSH es un compendio de cuatro— cualquier elección sería una afirmación falsa, así que se
67# devuelven todas y decide un humano. Las únicas colapsables son las que se contienen entre sí:
68# el texto de BSD-3 incluye el de BSD-2, y el de 0BSD se parece al de ISC sin su cláusula.
69FAMILIAS = [
70    ("AGPL-3.0", "GNU AFFERO GENERAL PUBLIC LICENSE"),
71    ("LGPL-3.0", "GNU LESSER GENERAL PUBLIC LICENSE Version 3"),
72    ("LGPL-2.1", "GNU LESSER GENERAL PUBLIC LICENSE Version 2.1"),
73    ("LGPL-2.0", "GNU LIBRARY GENERAL PUBLIC LICENSE"),
74    ("GPL-3.0", "GNU GENERAL PUBLIC LICENSE Version 3"),
75    ("GPL-2.0", "GNU GENERAL PUBLIC LICENSE Version 2, June 1991"),
76    ("Apache-2.0", "Apache License Version 2.0"),
77    ("MPL-2.0", "Mozilla Public License Version 2.0"),
78    ("CC0-1.0", "CC0 1.0 Universal"),
79    ("0BSD", "Permission to use, copy, modify, and/or distribute this software for any purpose "
80             "with or without fee is hereby granted. THE SOFTWARE IS PROVIDED"),
81    ("ISC", "Permission to use, copy, modify, and/or distribute this software for any purpose "
82            "with or without fee is hereby granted, provided that the above copyright notice"),
83    ("Zlib", "altered source versions must be plainly marked as such"),
84    ("MIT", "without limitation the rights to use, copy, modify, merge, publish"),
85    ("BSD-4-Clause", "All advertising materials mentioning features or use of this software"),
86    ("BSD-3-Clause", "endorse or promote products derived"),
87    ("BSD-2-Clause", "Redistribution and use in source and binary forms"),
88]
89# `mayor: [las que absorbe]` — un texto que contiene al otro no son dos licencias, es una.
90ABSORBE = {
91    "BSD-4-Clause": ["BSD-3-Clause", "BSD-2-Clause"],
92    "BSD-3-Clause": ["BSD-2-Clause"],
93    "0BSD": ["ISC"],
94    "LGPL-3.0": ["GPL-3.0"],
95    "LGPL-2.1": ["GPL-2.0"],
96    "AGPL-3.0": ["GPL-3.0"],
97}
98# Excepciones que cambian el identificador y son invisibles al texto base de la licencia.
99EXCEPCIONES = [("Apache-2.0", "LLVM Exceptions", "Apache-2.0 WITH LLVM-exception")]
100# Las familias GNU son las únicas donde el TEXTO no dice la concesión: `-only` y `-or-later`
101# comparten COPYING palabra por palabra. Se resuelven aparte, en las cabeceras de los fuentes.
102AMBIGUAS = {"AGPL-3.0", "LGPL-3.0", "LGPL-2.1", "LGPL-2.0", "GPL-3.0", "GPL-2.0"}
103
104NOMBRES_LICENCIA = re.compile(r"^(COPYING|LICEN[CS]E)([.-].*)?$", re.I)
105# Ficheros donde SÍ vive la concesión. Se excluyen los de arriba a propósito (ver cabecera).
106EXT_FUENTE = (
107    ".c", ".h", ".cc", ".cpp", ".cxx", ".hpp", ".py", ".rs", ".go", ".sh",
108    ".am", ".ac", ".build", ".txt", ".md", ".in", ".pl", ".java", ".m4",
109)
110FRASE_LATER = re.compile(
111    r"(?:any|either)\s+later\s+version|(?:GPL|GPLv?[23])\+|version\s+[23](?:\.\d)?\s+or\s+(?:any\s+)?later",
112    re.I,
113)
114FRASE_ONLY = re.compile(
115    r"version\s+[23](?:\.\d)?\s+only|only\s+version\s+[23]|SPDX-License-Identifier:\s*\S*GPL-[23]\.0-only",
116    re.I,
117)
118def spdx_conocidos():
119    """Los identificadores cuyo TEXTO tenemos en `licenses/` (los baja licencias-textos.sh).
120
121    Es la lista blanca correcta y no una regex, por una razón que no es de comodidad: la obligación
122    al distribuir binarios es acompañarlos del TEXTO de la licencia. Un identificador del que no
123    tenemos el texto es un identificador que no podemos cumplir — así que declararlo no adelanta
124    nada y sí crea una afirmación que no se sostiene. Si aparece uno nuevo, el paso siguiente es
125    bajar su texto, no relajar la validación.
126
127    Esto es lo que atrapa el «GPL2+» que meson deja escribir: no es un SPDX, es taquigrafía.
128    """
129    d = os.path.join(RAIZ, "licenses")
130    if not os.path.isdir(d):
131        return set()
132    return {os.path.splitext(f)[0] for f in os.listdir(d) if f.endswith(".txt")}
133
134
135CONOCIDOS = spdx_conocidos()
136PEGAMENTO = {"AND", "OR", "WITH"}
137
138
139def spdx_valido(expr):
140    """Toda pieza de la expresión tiene que ser un identificador del que tengamos el texto."""
141    if not CONOCIDOS:
142        return True          # sin `licenses/` no hay con qué validar; no se inventa un veredicto
143    piezas = [x.strip("()") for x in expr.split() if x.upper() not in PEGAMENTO]
144    return bool(piezas) and all(x in CONOCIDOS for x in piezas)
145
146SPDX_HDR = re.compile(rb"SPDX-License-Identifier:\s*([A-Za-z0-9 .+()-]+)")
147
148# Plantilla de autotools/libtool: viene con el generador, NO la escribió el proyecto, y casi toda
149# es GPL-2.0-or-later. `nano` (GPL-3.0) salía «-or-later» citando el «either version 2» de su
150# `aclocal.m4`: una concesión que el proyecto nunca hizo. La cita tiene que ser del autor.
151BOILERPLATE = re.compile(
152    r"^(m4/|build-aux/|autom4te|aclocal\.m4$|configure$|configure\.ac$|ltmain\.sh$|"
153    r"config\.(guess|sub|rpath)$|install-sh$|missing$|depcomp$|compile$|test-driver$)"
154)
155# «either version 3 of the License» → 3. Sirve para exigir que la concesión hable de la MISMA
156# versión que el COPYING: un veredicto GPL-3.0 justificado con una frase que dice «version 2» es
157# incoherente, y era exactamente el caso de nano.
158VERSION_EN_FRASE = re.compile(r"version\s+([23])(?:\.\d)?|GPL-?v?([23])\+|GPL-([23])\.0", re.I)
159
160MAX_BYTES = 512 * 1024   # un fichero de fuente más grande que esto no es una cabecera de licencia
161MAX_MIEMBROS = 6000      # cota para no recorrer árboles gigantes enteros
162
163
164def recetas_sin_licencia():
165    out = []
166    for f in sorted(glob.glob(os.path.join(RAIZ, "recipes", "*.toml")) +
167                    glob.glob(os.path.join(RAIZ, "recipes", "*", "*.toml"))):
168        try:
169            d = tomllib.load(open(f, "rb"))
170        except Exception:
171            continue
172        if "name" in d and not d.get("license"):
173            out.append((f, d))
174    return out
175
176
177def sin_prefijo(nombre):
178    """`kcompletion-6.27.0/src/x.c` → `src/x.c`. El tar trae un directorio raíz."""
179    return nombre.split("/", 1)[1] if "/" in nombre else ""
180
181
182def una_linea(txt, tope=160):
183    """La cita se recorta a UNA línea: lleva texto de un fuente y sus saltos partían la fila del TSV
184    en varias, que es un fichero corrupto con aspecto de fichero bueno."""
185    t = " ".join(str(txt).split()).replace("\t", " ")
186    return t if len(t) <= tope else t[:tope - 1] + "…"
187
188
189def concuerda(cita, mayor):
190    """¿La cita habla de la misma versión que el COPYING? Si no, no justifica nada."""
191    if not cita:
192        return False
193    m = VERSION_EN_FRASE.search(cita)
194    if not m:
195        return True          # una cabecera SPDX sin número (p. ej. «GPL-2.0-only») ya es explícita
196    return (m.group(1) or m.group(2) or m.group(3)) == mayor
197
198
199def identificar(texto):
200    """Todas las licencias presentes en un texto, ya colapsadas las que se contienen."""
201    # Se quita el prefijo de comentario de cada línea antes de colapsar: el COPYING de libssh2 va
202    # dentro de un bloque `/* … */` y sus `*` partían la frase «endorse or * promote products»,
203    # que es justo la marca de la cláusula 3 ⇒ se declaraba BSD-2 un texto BSD-3.
204    t = " ".join(re.sub(r"^[\s*#/]+", "", l) for l in texto.split("\n"))
205    t = " ".join(t.split())
206    hits = [spdx for spdx, marca in FAMILIAS if " ".join(marca.split()) in t]
207    for mayor, menores in ABSORBE.items():
208        if mayor in hits:
209            hits = [h for h in hits if h not in menores]
210    for base, marca, con_excepcion in EXCEPCIONES:
211        if hits == [base] and marca in t:
212            hits = [con_excepcion]
213    return hits
214
215
216def declaracion_del_autor(ruta, texto):
217    """El SPDX que el propio autor escribe en su fichero de build. Evidencia de primera."""
218    base = os.path.basename(ruta)
219    if base == "Cargo.toml":
220        m = re.search(r'^\s*license\s*=\s*"([^"]+)"', texto, re.M)
221        if m:
222            return m.group(1), f"{ruta}: license = \"{m.group(1)}\""
223    if base == "meson.build":
224        m = re.search(r"license\s*:\s*\[?\s*'([^']+)'", texto)
225        if m:
226            return m.group(1), f"{ruta}: license: '{m.group(1)}'"
227    return None, None
228
229
230def miembros_de_tar(tar_path):
231    """(ruta relativa a la raíz, bytes) de cada fichero del tar. Un solo recorrido, en streaming."""
232    try:
233        tf = tarfile.open(tar_path, "r:*")
234    except Exception as e:
235        raise RuntimeError(f"no se pudo abrir el tar: {e}")
236    with tf:
237        for i, m in enumerate(tf):
238            if i > MAX_MIEMBROS:
239                break
240            if not m.isfile() or m.size > MAX_BYTES:
241                continue
242            rel = sin_prefijo(m.name)
243            if not rel:
244                continue
245            try:
246                yield rel, tf.extractfile(m).read()
247            except Exception:
248                continue
249
250
251def miembros_de_git(repo, commit, tmp):
252    """Igual, pero desde un repo git, SIN clonar el árbol entero.
253
254    `--depth 1 --filter=blob:limit=64k` sobre el commit PINEADO: trae la historia de un solo commit
255    y sólo los blobs chicos. Un COPYING nunca pasa de 64k, y los fuentes donde vive la concesión
256    tampoco — los que sí (binarios, assets) son justo los que no interesan. Así una receta cuyo
257    árbol pesa cientos de megas se resuelve con unos pocos.
258    """
259    ejecutar = lambda *a: subprocess.run(a, cwd=tmp, capture_output=True, text=False)
260    subprocess.run(["git", "init", "-q", tmp], capture_output=True)
261    ejecutar("git", "remote", "add", "origin", repo)
262    r = ejecutar("git", "fetch", "-q", "--depth", "1", "--filter=blob:limit=64k", "origin", commit)
263    if r.returncode != 0:
264        raise RuntimeError("git fetch falló: "
265                           + r.stderr.decode("utf-8", "replace").strip()[:100])
266    r = ejecutar("git", "ls-tree", "-r", "-z", "--long", "FETCH_HEAD")
267    if r.returncode != 0:
268        raise RuntimeError("git ls-tree falló")
269    n = 0
270    for reg in r.stdout.decode("utf-8", "replace").split("\0"):
271        if not reg or n > MAX_MIEMBROS:
272            break
273        meta, _, rel = reg.partition("\t")
274        campos = meta.split()
275        # <modo> <tipo> <sha> <tamaño>
276        if len(campos) < 4 or campos[1] != "blob":
277            continue
278        try:
279            if campos[3] != "-" and int(campos[3]) > MAX_BYTES:
280                continue
281        except ValueError:
282            pass
283        b = ejecutar("git", "cat-file", "blob", campos[2])
284        if b.returncode == 0:
285            n += 1
286            yield rel, b.stdout
287
288
289def analizar(miembros):
290    """Un solo recorrido de la fuente. Devuelve (spdx, cita) o (None, pista)."""
291    autor = None
292    reuse = []            # ficheros de LICENSES/ (convención REUSE: el nombre ES el SPDX)
293    candidatos = []       # (prioridad, ruta, texto) de los ficheros de licencia de la RAÍZ
294    familia = None
295    familia_fichero = None
296    varias = None
297    cita_later = None
298    cita_only = None
299    spdx_headers = {}
300
301    try:
302        for rel, datos in miembros:
303            base = os.path.basename(rel)
304
305            if rel.startswith("LICENSES/"):
306                reuse.append(base)
307                continue
308
309            # ⚠ SÓLO la raíz del árbol. `pigz` trae `zopfli/COPYING` (Apache-2.0) y el paquete NO es
310            # Apache: un COPYING de un subdirectorio es la licencia de una PIEZA EMPAQUETADA, no la
311            # del paquete. Tomar el primero que aparezca convierte una dep vendorizada en el
312            # veredicto del contenedor.
313            if "/" in rel:
314                es_licencia_raiz = False
315            else:
316                es_licencia_raiz = NOMBRES_LICENCIA.match(base) is not None
317
318            interesa_autor = rel in ("Cargo.toml", "meson.build")
319            es_licencia = es_licencia_raiz
320            es_fuente = rel.lower().endswith(EXT_FUENTE) or base in ("README", "AUTHORS", "NEWS")
321            if not (interesa_autor or es_licencia or es_fuente):
322                continue
323
324            if interesa_autor and autor is None:
325                lic, cita = declaracion_del_autor(rel, datos.decode("utf-8", "replace"))
326                if lic:
327                    autor = (lic, cita)
328
329            if es_licencia:
330                # `COPYING` a secas gana a `COPYING.OpenSSL`: el sufijado suele ser una EXCEPCIÓN o
331                # una licencia añadida, no la del paquete. socat es GPL-2.0 y su `COPYING.OpenSSL`
332                # es BSD — quedarse con el primero que aparezca lo declaraba BSD.
333                exacto = re.fullmatch(r"(COPYING|LICEN[CS]E)", base, re.I) is not None
334                candidatos.append((0 if exacto else 1, rel, datos.decode("utf-8", "replace")))
335                continue  # NUNCA se busca la concesión dentro del propio COPYING
336
337            if es_fuente and BOILERPLATE.match(rel):
338                es_fuente = False
339
340            if es_fuente:
341                h = SPDX_HDR.search(datos)
342                if h:
343                    ident = h.group(1).decode().strip()
344                    spdx_headers[ident] = spdx_headers.get(ident, 0) + 1
345                texto = datos.decode("utf-8", "replace")
346                if cita_later is None:
347                    mm = FRASE_LATER.search(texto)
348                    if mm:
349                        cita_later = f"{rel}: …{texto[max(0, mm.start()-60):mm.end()+20].strip()}…"
350                if cita_only is None:
351                    mm = FRASE_ONLY.search(texto)
352                    if mm:
353                        cita_only = f"{rel}: …{texto[max(0, mm.start()-60):mm.end()+20].strip()}…"
354
355    except RuntimeError as e:
356        return None, str(e)
357
358    if candidatos:
359        # Se identifica CADA fichero de la raíz y se unen los resultados. Que haya varios no es
360        # ambigüedad por sí solo: el `COPYING` de pcre2 son dos líneas que apuntan a `LICENCE.md`,
361        # y los dos dicen BSD-3. Ambiguo es que digan COSAS DISTINTAS.
362        #
363        # Probé antes con «el `COPYING` a secas gana al sufijado»: arregla socat (cuyo
364        # `COPYING.OpenSSL` es una excepción) y ROMPE gmp, que junto a `COPYING` (GPLv3) trae
365        # `COPYING.LESSERv3` porque la biblioteca es LGPL — el veredicto salía GPL-3.0-or-later, que
366        # es falso. La diferencia entre «el extra nombra una dep» y «el extra nombra otra versión»
367        # es demasiado fina para codificarla sin equivocarse, y equivocarse acá es afirmar algo que
368        # no es. ffmpeg es el caso límite: sus cuatro COPYING.* los desempatan los FLAGS de la
369        # receta (`--enable-gpl`), o sea que la respuesta ni siquiera está en el árbol.
370        vistos = {}
371        for _, ruta, texto in sorted(candidatos):
372            for h in identificar(texto):
373                vistos.setdefault(h, ruta)
374        if len(vistos) == 1:
375            familia, familia_fichero = next(iter(vistos.items()))
376        elif len(vistos) > 1:
377            return None, ("la raíz dice " + str(len(vistos)) + " licencias distintas ("
378                          + ", ".join(f"{k} en {v}" for k, v in sorted(vistos.items()))
379                          + "): la expresión la compone un humano")
380        else:
381            familia_fichero = sorted(candidatos)[0][1]
382
383    # 1. Declaración del autor — si es un SPDX de verdad. meson deja escribir cualquier cadena, y
384    # `gsd-schemas`/`libgdm` declaran «GPL2+», que NO es un identificador: sembrarlo sería meter
385    # basura con cara de dato. Se devuelve como pendiente, con lo que el autor puso a la vista.
386    if autor:
387        if spdx_valido(autor[0]):
388            return autor
389        return None, (f"el autor declara «{autor[0]}», que no es un SPDX del que tengamos texto "
390                      f"en licenses/ ({autor[1]})")
391
392    # 2. REUSE con un único fichero de licencia: el nombre es el SPDX.
393    únicos = sorted(set(os.path.splitext(x)[0] for x in reuse))
394    if len(únicos) == 1:
395        return únicos[0], f"LICENSES/{reuse[0]} (único, convención REUSE)"
396
397    # 3. Texto de la licencia + concesión en las cabeceras.
398    if familia:
399        if familia not in AMBIGUAS:
400            return familia, f"{familia_fichero} (texto de {familia})"
401        mayor = familia.rsplit("-", 1)[1][0]         # «GPL-3.0» → «3»
402        if not concuerda(cita_later, mayor):
403            cita_later = None
404        if not concuerda(cita_only, mayor):
405            cita_only = None
406        if cita_later and not cita_only:
407            return f"{familia}-or-later", f"{familia_fichero} + concesión en {cita_later}"
408        if cita_only and not cita_later:
409            return f"{familia}-only", f"{familia_fichero} + concesión en {cita_only}"
410        pista = f"{familia} ambigua"
411        if cita_later and cita_only:
412            pista += " · el árbol dice las DOS cosas, decide un humano"
413        else:
414            pista += " · sin concesión fuera del COPYING"
415        return None, pista
416
417    if varias:
418        return None, (f"{familia_fichero} mezcla {len(varias)} licencias ("
419                      + ", ".join(varias) + "): la expresión la compone un humano")
420    if únicos:
421        return None, "REUSE con varias licencias: " + ",".join(únicos)
422    if spdx_headers:
423        top = sorted(spdx_headers.items(), key=lambda x: -x[1])[:3]
424        return None, "sólo cabeceras SPDX: " + ", ".join(f"{k}×{v}" for k, v in top)
425    return None, "sin COPYING ni declaración en el árbol"
426
427
428def bajar_verificado(url, sha, destino):
429    """Baja `url` a `destino` y confirma su sha256. Devuelve el porqué si no se pudo."""
430    r = subprocess.run(
431        ["curl", "-fsSL", "--max-time", "180", "-o", destino, url],
432        capture_output=True, text=True,
433    )
434    if r.returncode != 0:
435        return f"curl falló ({r.returncode}): {r.stderr.strip()[:80]}"
436    h = hashlib.sha256()
437    with open(destino, "rb") as fh:
438        for bloque in iter(lambda: fh.read(1 << 20), b""):
439            h.update(bloque)
440    if h.hexdigest() != sha:
441        return f"sha256 NO coincide: bajó {h.hexdigest()[:16]}…, la receta pinea {sha[:16]}…"
442    return None
443
444
445def main():
446    args = [a for a in sys.argv[1:]]
447    con_red = "--fetch" in args
448    args = [a for a in args if a != "--fetch"]
449    objetivo = args[0] if args else None
450    tmp = tempfile.mkdtemp(prefix="licencias-") if con_red else None
451    filas, pendientes, sin_tar = [], [], []
452
453    for f, d in recetas_sin_licencia():
454        nombre = d["name"]
455        if objetivo and nombre != objetivo and os.path.basename(f) != objetivo:
456            continue
457        src = d.get("source", {})
458        sha = src.get("sha256")
459        if not sha:
460            # ── Fuente git: el commit pineado ES la evidencia, igual que un sha256 ──────────────
461            repo, commit = src.get("repo"), src.get("commit")
462            if not (repo and commit):
463                sin_tar.append((nombre, "fuente sin tarball ni repo/commit"))
464                continue
465            if repo.startswith(("ssh://", "git@")):
466                # El fetch de este script es anónimo; un repo por SSH necesita claves que no tiene.
467                sin_tar.append((nombre, "repo por SSH: este script no autentica"))
468                continue
469            if not con_red:
470                sin_tar.append((nombre, "fuente git (probá --fetch)"))
471                continue
472            sub = os.path.join(tmp, nombre + "-git")
473            os.makedirs(sub, exist_ok=True)
474            try:
475                spdx, cita = analizar(miembros_de_git(repo, commit, sub))
476            except RuntimeError as e:
477                sin_tar.append((nombre, str(e)))
478                continue
479        else:
480            tar_path = os.path.join(CACHE, sha + ".tar")
481            if not os.path.exists(tar_path):
482                url = src.get("tarball")
483                if not (con_red and url):
484                    sin_tar.append((nombre, "tarball no cacheado"
485                                    + ("" if con_red else " (probá --fetch)")))
486                    continue
487                tar_path = os.path.join(tmp, sha)
488                fallo = bajar_verificado(url, sha, tar_path)
489                if fallo:
490                    sin_tar.append((nombre, fallo))
491                    continue
492            spdx, cita = analizar(miembros_de_tar(tar_path))
493        if spdx:
494            filas.append((nombre, spdx, una_linea(cita)))
495        else:
496            pendientes.append((nombre, una_linea(cita)))
497
498    if tmp:
499        shutil.rmtree(tmp, ignore_errors=True)
500
501    if objetivo:
502        for n, s, c in filas:
503            print(f"{n}\t{s}\n   evidencia: {c}")
504        for n, c in pendientes + sin_tar:
505            print(f"{n}\tPENDIENTE — {una_linea(c)}")
506        return
507
508    # ACUMULATIVO, no regenerado: una receta ya sembrada sale del conjunto de entrada (porque ya
509    # tiene `license`), así que reescribir el fichero entero borraría su cita. Y la cita es el
510    # rastro de auditoría — lo único que deja revisar un veredicto sin repetir el trabajo. Un
511    # fichero de evidencia que se olvida de lo que ya probó no es evidencia.
512    previas = {}
513    if os.path.exists(SALIDA):
514        for linea in open(SALIDA):
515            if linea.startswith("#") or not linea.strip():
516                continue
517            partes = linea.rstrip("\n").split("\t")
518            if len(partes) == 3:
519                previas[partes[0]] = tuple(partes)
520    for n, sp, c in filas:
521        previas[n] = (n, sp, c)
522
523    with open(SALIDA, "w") as fh:
524        fh.write("# licencias-evidencia.tsv — lo generó scripts/licencias-fuente.py desde el\n")
525        fh.write("# TARBALL PINEADO de cada receta. Tres columnas: paquete, SPDX, y la CITA que lo\n")
526        fh.write("# decidió. REVISAR A MANO antes de sembrar: es evidencia, no un veredicto firmado.\n")
527        fh.write("# Se ACUMULA: las filas de lo ya sembrado se conservan como rastro de auditoría.\n")
528        for fila in sorted(previas.values()):
529            fh.write("\t".join(fila) + "\n")
530
531    print(f"==> resueltas con evidencia de la fuente: {len(filas)}")
532    for n, s, c in filas:
533        print(f"   {n:28s} {s:34s} {c[:70]}")
534    print(f"\n==> pendientes (hay tarball pero no alcanza para afirmar): {len(pendientes)}")
535    for n, c in pendientes:
536        print(f"   {n:28s} {c}")
537    print(f"\n==> sin tarball que mirar: {len(sin_tar)}")
538    for n, c in sin_tar:
539        print(f"   {n:28s} {c}")
540    print(f"\n==> escrito {os.path.relpath(SALIDA, RAIZ)} · NADA se tocó en recipes/")
541
542
543if __name__ == "__main__":
544    main()