feat(i18n): Simplified Chinese (zh-CN), search answers per locale, fr/de/es data fixes

Co-Authored-By: Claude Sonnet 5.5 <noreply@anthropic.com>

scripts/check-i18n.mjs

@@ -620,6 +620,43 @@ function verificarRegrasLivro() {
 	}
 }
 
+// ---------------------------------------------------------------------------
+// 5. Português dentro dos dados de outros idiomas
+// ---------------------------------------------------------------------------
+// Valores que começam com número ("4 (SPI0/1 para Flash...)") passam pela allowlist
+// técnica; esta varredura pega o texto em português que sobra dentro deles.
+const PALAVRAS_SO_PORTUGUESAS = /\b(até|canais|uso geral|conforme a carga|podem ser|saída|resolução|integrada no|encapsulamento|memória|não|única|isócronos|proximidade e)\b/i;
+
+function percorrer(valor, caminho, aoAchar) {
+	if (typeof valor === "string") {
+		if (PALAVRAS_SO_PORTUGUESAS.test(valor)) aoAchar(caminho, valor);
+	} else if (Array.isArray(valor)) {
+		valor.forEach((v, i) => percorrer(v, `${caminho}[${i}]`, aoAchar));
+	} else if (valor && typeof valor === "object") {
+		for (const [k, v] of Object.entries(valor)) percorrer(v, `${caminho}.${k}`, aoAchar);
+	}
+}
+
+function verificarPortuguesNosDados() {
+	console.log(`\n${CORES.negrito}${CORES.ciano}[5/5] Português dentro dos dados de outros idiomas${CORES.reset}`);
+	let achados = 0;
+	for (const loc of LOCALES) {
+		if (loc === "pt") continue;
+		const arquivos = [`data/${loc}/series.json`, `data/${loc}/frameworks.json`];
+		const dirCon = `data/${loc}/conexoes`;
+		if (existsSync(dirCon)) for (const a of readdirSync(dirCon)) arquivos.push(join(dirCon, a));
+		for (const arq of arquivos) {
+			if (!existsSync(arq)) continue;
+			percorrer(JSON.parse(readFileSync(arq, "utf8")), arq, (caminho, valor) => {
+				if (achados < 10) falha(`'${loc}': texto em português em ${caminho}: "${valor.slice(0, 80)}"`);
+				achados++;
+			});
+		}
+	}
+	if (achados === 0) sucesso("Nenhum texto em português nos dados dos outros idiomas.");
+	else if (achados > 10) falha(`... e mais ${achados - 10} ocorrência(s).`);
+}
+
 async function main() {
 	console.log(`${CORES.negrito}${CORES.azul}======================================================${CORES.reset}`);
 	console.log(`${CORES.negrito}${CORES.azul}   ESPDocs · Verificação de Internacionalização (i18n) ${CORES.reset}`);
@@ -629,6 +666,7 @@ async function main() {
 	verificarOutrosIdiomas(ptMessages);
 	await verificarDadosPorIdioma();
 	verificarRegrasLivro();
+	verificarPortuguesNosDados();
 
 	console.log(`\n${CORES.negrito}------------------------------------------------------${CORES.reset}`);
 	if (totalErros === 0 && totalAvisos === 0) {

scripts/smoke-imagem.sh

@@ -67,6 +67,12 @@ if [[ " $ENABLED_LOCALES " =~ " de " ]]; then
   done
 fi
 
+if [[ " $ENABLED_LOCALES " =~ " zh-CN " ]]; then
+  for p in /series /catalog /compare /components /diagnostics /frameworks /glossary /selector /about; do
+    status 200 "/zh-CN$p"
+  done
+fi
+
 # 2. Idiomas INATIVOS: redirecionam com 307 para o idioma fallback (en se ativo, senão pt)
 for l in $ALL_LOCALES; do
   if [[ ! " $ENABLED_LOCALES " =~ " $l " ]]; then
@@ -120,6 +126,11 @@ else
   fi
   if [[ ! " $ENABLED_LOCALES " =~ " zh-CN " ]]; then
     destino 307 / /en 'Accept-Language: zh-CN,zh;q=0.9'
+  else
+    destino 307 / /zh-CN 'Accept-Language: zh-CN,zh;q=0.9'
+    destino 307 / /zh-CN 'Accept-Language: zh-Hans-CN'
+    destino 307 / /zh-CN 'Accept-Language: zh-TW,zh;q=0.9'
+    destino 307 / /zh-CN 'Cookie: NEXT_LOCALE=zh-CN'
   fi
 fi
 
@@ -176,4 +187,15 @@ if [[ " $ENABLED_LOCALES " =~ " de " ]]; then
   done
 fi
 
+if [[ " $ENABLED_LOCALES " =~ " zh-CN " ]]; then
+  html_zh=$(curl -s -A 'Mozilla/5.0 Chrome/130' "$base/zh-CN/about")
+  head_zh=${html_zh%%</head>*}
+  for marca in '<title>' 'rel="canonical"'; do
+    case "$head_zh" in *"$marca"*) ;; *) echo "FALHOU /zh-CN/about: $marca fora do <head>"; falhas=$((falhas + 1));; esac
+  done
+fi
+
+# 8. Respostas da busca no idioma da página (o motor roda no navegador)
+LOCALES="$ENABLED_LOCALES" node scripts/verifica-busca.mjs "$base" || falhas=$((falhas + 1))
+
 exit $((falhas > 0))

scripts/verifica-busca.mjs

@@ -0,0 +1,63 @@
+#!/usr/bin/env node
+// Respostas da busca por idioma: texto no idioma da página e links dentro dele.
+//
+//   node scripts/verifica-busca.mjs http://127.0.0.1:3998
+//
+// O texto das "respostas diretas" é montado no navegador pelo motor; as varreduras
+// de página não o enxergam. Aqui rodamos o mesmo motor sobre o índice servido.
+import { preparar, buscar } from "../lib/searchEngine.js";
+
+const base = process.argv[2];
+if (!base) {
+	console.error("uso: verifica-busca.mjs <url-base>");
+	process.exit(2);
+}
+
+const idiomas = (process.env.LOCALES || "pt en es fr de zh-CN").split(/\s+/);
+const consultas = {
+	pt: ["flash s3", "gpio26 s3", "pinos usb c6", "deep sleep p4", "psram"],
+	en: ["flash s3", "gpio26 s3", "usb pins c6", "deep sleep p4", "psram"],
+	es: ["flash s3", "gpio26 s3", "usb c6", "deep sleep p4", "psram"],
+	fr: ["flash s3", "gpio26 s3", "usb c6", "deep sleep p4", "psram"],
+	de: ["flash s3", "gpio26 s3", "usb c6", "deep sleep p4", "psram"],
+	"zh-CN": ["s3 闪存", "gpio26 s3", "c6 usb 引脚", "低功耗 p4", "哪款 esp32 有 psram", "安全启动"],
+};
+
+// Palavras que só existem em português (as respostas dos outros idiomas não podem ter).
+const SO_PT = /(ligados à|dados da série|diagrama de pinos|que dependem do modo|já filtrado|em cada série|especificações do|\bcondicionais\b|\bpinos\b)/i;
+const strings = (r) => [r.titulo, r.descricao, ...(r.linhas ?? []).flatMap((l) => [l.k, l.v]), ...(r.chips ?? [])].filter(Boolean);
+
+let falhas = 0;
+for (const loc of idiomas) {
+	const res = await fetch(`${base}/api/busca/${loc}`);
+	if (!res.ok) {
+		console.log(`FALHOU /api/busca/${loc}: ${res.status}`);
+		falhas++;
+		continue;
+	}
+	const indice = preparar(await res.json());
+	for (const q of consultas[loc] ?? consultas.en) {
+		const { resultados } = buscar(indice, q);
+		if (!resultados.length) {
+			console.log(`FALHOU [${loc}] "${q}": sem resultados`);
+			falhas++;
+			continue;
+		}
+		for (const r of resultados.filter((x) => x.tipo === "resposta" || x.tipo === "pino")) {
+			if (loc !== "pt" && !r.href.startsWith(`/${loc}/`)) {
+				console.log(`FALHOU [${loc}] "${q}": link fora do idioma: ${r.href}`);
+				falhas++;
+			}
+			if (loc !== "pt") {
+				for (const s of strings(r)) {
+					if (SO_PT.test(s)) {
+						console.log(`FALHOU [${loc}] "${q}": português em "${s.slice(0, 80)}"`);
+						falhas++;
+					}
+				}
+			}
+		}
+	}
+}
+if (falhas === 0) console.log(`  ✔ Busca: respostas e links corretos em ${idiomas.join(", ")}.`);
+process.exit(falhas > 0 ? 1 : 0);

scripts/verifica-vazamentos.py

@@ -235,8 +235,72 @@ for u in urls_de:
         print(f"  ✖ Texto visível vazamento em {u}: \"{h[:120]}\"")
         falhas += 1
 
+# Varredura das rotas em chinês simplificado: português OU inglês solto (fora de blocos de código)
+pt_in_zh_regex = re.compile(
+    r"\b(não|você|para o|para a|com o|com a|são|também|então|pinagem|série|séries|livro|"
+    r"ção|ções|muito|já|estão|é um|é uma|pelo|pela|especificações|especificação|início|artigo|sobre|seletor)\b",
+    re.I
+)
+# Frase em inglês solta: palavra funcional entre palavras minúsculas, ou expressões de interface.
+# Nomes de produto em Title Case ("Arduino Core for ESP32", "Google Home") não casam.
+en_in_zh_regex = re.compile(
+    r"\b[a-z]{2,}\s+(?:the|and|with|for|your|this|that|from|are|you|will|not|how|what)\s+[a-z]{2,}\b"
+    r"|(?i:\b(?:skip to content|click here|learn more|read more|back to|please)\b)"
+)
+
+fixas_zh = [
+    "/zh-CN", "/zh-CN/series", "/zh-CN/compare", "/zh-CN/diagnostics", "/zh-CN/selector",
+    "/zh-CN/frameworks", "/zh-CN/components", "/zh-CN/glossary", "/zh-CN/catalog", "/zh-CN/about"
+]
+urls_zh = fixas_zh + [f"/zh-CN/series/{s}" for s in series] + [f"/zh-CN/frameworks/{f}" for f in frameworks]
+
+print(f"\nESPDocs · Varredura de i18n nas {len(urls_zh)} rotas em chinês ({base})")
+
+# Mensagens reais de log/erro da ferramenta: aparecem iguais em qualquer idioma.
+ASSINATURAS_DE_LOG = {"Failed to connect to ESP32: Timed out waiting for packet header"}
+
+def vazou_zh(texto):
+    if texto.strip() in ASSINATURAS_DE_LOG:
+        return None
+    return pt_in_zh_regex.search(texto) or en_in_zh_regex.search(texto)
+
+for u in urls_zh:
+    try:
+        req = urllib.request.Request(base + u, headers={"User-Agent": "ESPDocs-SmokeTest/1.0"})
+        raw = urllib.request.urlopen(req, timeout=10).read().decode("utf-8")
+    except Exception as e:
+        print(f"  ✖ ERRO ao acessar {u}: {e}")
+        falhas += 1
+        continue
+
+    # <html lang> correto
+    if not re.search(r"<html[^>]*\blang=\"zh-CN\"", raw):
+        print(f"  ✖ <html lang> diferente de zh-CN em {u}")
+        falhas += 1
+
+    # 1. Verifica blocos ld+json (strings de texto, não URLs/ids)
+    scripts = re.findall(r"<script[^>]*type=[\"']application/ld\+json[\"'][^>]*>(.*?)</script>", raw, re.DOTALL)
+    for i, s in enumerate(scripts):
+        try:
+            data = json.loads(s)
+            issues = check_jsonld(data, f"script[{i}]", pt_in_zh_regex, True)
+            for p_, v in issues:
+                print(f"  ✖ JSON-LD vazamento em {u} -> {p_}: \"{v}\"")
+                falhas += 1
+        except Exception as e:
+            print(f"  ✖ Erro no parse de JSON-LD em {u}: {e}")
+            falhas += 1
+
+    # 2. Texto visível, sem blocos de código (exemplos têm logs e comentários em inglês por desenho)
+    clean = re.sub(r"<(script|style|pre|code)[\s\S]*?</\1>", "", raw)
+    clean = html.unescape(re.sub(r"<[^>]+>", "\n", clean))
+    hits = [l.strip() for l in clean.split("\n") if l.strip() and vazou_zh(l)]
+    for h in hits:
+        print(f"  ✖ Texto visível vazamento em {u}: \"{h[:120]}\"")
+        falhas += 1
+
 if falhas == 0:
-    print(f"  ✔ Todas as {len(urls)} rotas en, {len(urls_es)} rotas es, {len(urls_fr)} rotas fr e {len(urls_de)} rotas de verificadas com ZERO vazamentos (texto e JSON-LD).")
+    print(f"  ✔ Todas as {len(urls)} rotas en, {len(urls_es)} rotas es, {len(urls_fr)} rotas fr, {len(urls_de)} rotas de e {len(urls_zh)} rotas zh verificadas com ZERO vazamentos (texto e JSON-LD).")
     sys.exit(0)
 else:
     print(f"  ✖ Total de falhas detectadas: {falhas}")