sergio/takana

1#!/usr/bin/env bash
2# licencias-texto.sh — último recurso: LEER el fichero LICENSE del repo y clasificarlo por su texto.
3#
4# ── PARA QUÉ, SI YA ESTÁ licencias-detectar.sh ─────────────────────────────────────────────────
5# Aquél pregunta a GitHub «¿qué licencia detectás?» y GitHub a veces contesta NOASSERTION: el repo
6# tiene un LICENSE pero licensee no lo reconoce (texto retocado, dos licencias en un fichero, un
7# encabezado propio…). Quedaron 66 recetas así. Éste baja el TEXTO y lo clasifica acá.
8#
9# ── SÓLO LICENCIAS PERMISIVAS, Y ESO NO ES PEREZA ──────────────────────────────────────────────
10# MIT, Apache-2.0, BSD, ISC y MPL-2.0 se identifican por frases inconfundibles y **no tienen
11# variantes `-only` / `-or-later`** ⇒ reconocer el texto basta para dar el SPDX completo.
12#
13# La familia GPL NO se clasifica acá, a propósito. El fichero COPYING de la GPL es el mismo tanto si
14# el proyecto es «sólo v3» como «v3 o posterior»: lo que distingue una de otra vive en las CABECERAS
15# DE LOS FUENTES, no en el COPYING. Peor todavía: el propio COPYING incluye, en su apéndice «cómo
16# aplicar la licencia», la frase «either version 3 of the License, or (at your option) any later
17# version» — o sea que buscar esa frase en el COPYING da SIEMPRE positivo y **parecería** evidencia
18# siendo puro texto de plantilla. Es la trampa exacta de la regla del `.a` no-PIC, donde `grep`
19# contaba reubicaciones de `.debug_*` y mentía. Las GPL se dejan al humano.
20#
21# Uso:  scripts/licencias-texto.sh      (escribe docs/licencias-texto.tsv)
22set -uo pipefail
23ROOT="$(cd "$(dirname "$0")/.." && pwd)"; cd "$ROOT"
24SALIDA="${SALIDA:-docs/licencias-texto.tsv}"
25JOBS="${JOBS:-12}"
26command -v gh >/dev/null && gh auth status >/dev/null 2>&1 || { echo "!!  'gh' ausente o sin auth"; exit 1; }
27TMP=$(mktemp -d); trap 'rm -rf "$TMP"' EXIT
28
29./scripts/licencias.sh --faltan 2>/dev/null | while IFS= read -r n; do
30  f=$(ls "recipes/$n.toml" 2>/dev/null | head -1)
31  [ -z "$f" ] && f=$(ls recipes/incoming-*/"$n.toml" 2>/dev/null | head -1)
32  [ -z "$f" ] && continue
33  u=$(grep -m1 -E '^[[:space:]]*(tarball|repo)[[:space:]]*=' "$f" 2>/dev/null)
34  case "$u" in *github.com*) ;; *) continue ;; esac
35  slug=$(printf '%s\n' "$u" | sed -E 's#.*github\.com[:/]+([^/"]+)/([^/"]+).*#\1/\2#; s/\.git$//')
36  case "$slug" in */*) printf '%s\t%s\n' "$n" "$slug" ;; esac
37done | sort -u > "$TMP/obj.tsv"
38echo "==> a inspeccionar: $(wc -l < "$TMP/obj.tsv")"
39
40export TMP
41xargs -P "$JOBS" -I{} sh -c '
42  n=$(printf "%s" "{}" | cut -f1); slug=$(printf "%s" "{}" | cut -f2)
43  for fich in LICENSE LICENSE.md LICENSE.txt COPYING LICENCE license; do
44    c=$(gh api "repos/$slug/contents/$fich" --jq ".content" 2>/dev/null) || continue
45    [ -z "$c" ] && continue
46    t=$(printf "%s" "$c" | base64 -d 2>/dev/null | head -60 | tr "[:upper:]" "[:lower:]" | tr -s " \n" "  ")
47    [ -z "$t" ] && continue
48    lic=""
49    case "$t" in
50      *"apache license"*"version 2.0"*) lic="Apache-2.0" ;;
51      *"mozilla public license version 2.0"*) lic="MPL-2.0" ;;
52      *"permission is hereby granted, free of charge"*) lic="MIT" ;;
53      *"permission to use, copy, modify, and/or distribute this software for any purpose"*) lic="ISC" ;;
54      *"neither the name of"*"may be used to endorse or promote"*) lic="BSD-3-Clause" ;;
55      *"redistributions in binary form must reproduce"*) lic="BSD-2-Clause" ;;
56      *"this is free and unencumbered software released into the public domain"*) lic="Unlicense" ;;
57    esac
58    [ -n "$lic" ] && printf "%s\t%s\t%s:%s\n" "$n" "$lic" "$slug" "$fich" >> "$TMP/ok.tsv"
59    break
60  done
61' < "$TMP/obj.tsv"
62
63N=$(wc -l < "$TMP/ok.tsv" 2>/dev/null || echo 0)
64{
65  echo "# licencias-texto.tsv — GENERADO por scripts/licencias-texto.sh. No editar a mano."
66  echo "# Clasificación por el TEXTO del fichero LICENSE del repo, para los casos en que la API de"
67  echo "# GitHub dice NOASSERTION. SÓLO permisivas (MIT/Apache/BSD/ISC/MPL/Unlicense): no tienen"
68  echo "# variantes -only/-or-later, así que reconocer el texto da el SPDX completo. La familia GPL"
69  echo "# se deja al humano A PROPÓSITO: su COPYING es idéntico en «sólo v3» y «v3 o posterior», y"
70  echo "# encima incluye la frase «or (at your option) any later version» en su apéndice de plantilla"
71  echo "# ⇒ buscarla da siempre positivo y parece evidencia sin serlo."
72  echo "# Tercera columna: owner/repo:fichero del que se leyó. Total $N"
73  sort "$TMP/ok.tsv" 2>/dev/null
74} > "$SALIDA"
75echo "==> $N clasificadas por texto → $SALIDA"