爱站关键词查询：一次全站扫描被中断后怎样判断已覆盖范围
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /951159e0ef32.html
📄
爱站关键词查询：一次全站扫描被中断后怎样判断已覆盖范围
扫描中断后，先不要把“已扫到的条数”当成覆盖范围。更可靠的做法是：找到这次扫描的起点、遍历顺序和最后一条成功记录，再判断剩余部分是“从未开始”还是“已经开始但结果不完整”。只有把这两类分开，才能决定是续扫、重扫，还是只补一小段。
中断后最容易被误读的现象
常见矛盾是：结果列表看起来已经覆盖了大半站点，但导出文件里的记录数明显偏少。有人据此认为“大部分已经扫完，只差尾部一点”，也有人认为“数据不可信，必须全部重来”。两种判断都可能出错，因为列表展示和实际落盘往往不是同一件事。
一种解释是遍历确实接近尾声，中断只发生在收尾阶段，剩余部分很小。另一种解释是扫描在早期就断了，界面上的结果只是缓存或分批展示，让人产生“已经扫了很多”的错觉。区分这两种情况，不能靠感觉，要靠可核对的顺序证据。
先确定扫描的遍历顺序
判断覆盖范围的前提，是知道这次扫描按什么顺序推进。常见顺序有三类：按站点地图或链接发现顺序、按栏目层级顺序、按已有内容清单顺序。顺序不同，“最后一条记录”代表的含义完全不同。
- 如果是按清单顺序，最后一条记录的序号就能直接换算已覆盖比例。
- 如果是按链接发现顺序，未访问的链接可能分散在各层，不能只看最后一条。
- 如果是按栏目层级，中断点之后可能还有整块栏目完全没进入。
实际动作：先记下中断前最后一条成功记录对应的标识（URL、栏目或清单序号），再与扫描开始时的完整输入清单比对。这个动作的结果会直接决定下一步——如果剩余部分是连续的尾部，续扫成本低；如果剩余部分分散，续扫容易漏，重扫更稳。
用三类证据区分“接近完成”和“早期中断”
要区分两种解释，可以交叉看三类证据，而不是只看记录总数。
- 时间分布：记录的时间戳是否集中在中断前一小段？如果大量记录集中在很短时间内，可能是批量写入，不代表真实覆盖。
- 标识连续性：已覆盖标识是否连续？出现大段跳号，说明中间有未处理部分，不只是尾部缺失。
- 输入清单比对：把已覆盖集合与原始输入清单做差集，差集的大小和分布比总数更有说服力。
假设一次扫描输入清单有 1000 条，中断后落盘 600 条，但差集显示缺失的 400 条分散在前、中、后三段，那么“只差尾部”的解释就不成立，续扫会留下大量空洞。反过来，如果缺失的 400 条全部集中在清单末尾，续扫从断点继续是合理的。这里数字只用于说明比较方法，不代表任何工具的实际表现。
续扫、重扫还是只补一段
三种处理方式各有适用条件，选择依据是上一步的差集分布，而不是中断本身。
- 续扫：适用于缺失部分连续、且扫描顺序稳定可复现的情况。前提是工具支持从指定位置继续，并且不会重复计入已处理项。
- 重扫：适用于缺失部分分散、或无法确认遍历顺序的情况。代价是耗时，但结果边界清楚。
- 只补一段：适用于缺失范围很小且能明确定位的情况，例如只差某个栏目。前提是你能单独对该范围发起扫描，并把结果与已有部分合并。
选择之后要做一个验证动作：对补扫或续扫的结果，再次与原始输入清单做差集。如果差集为空或只剩已知的无效项，说明覆盖判断成立；如果差集仍然分散，说明顺序假设有问题，应转为重扫。
把覆盖结论写进后续决策
覆盖范围判断清楚后，才能决定旧内容、旧系统或旧合作关系里哪些部分保留。例如，如果确认某栏目从未被扫描到，就不能因为“整体结果看起来还行”而保留它；如果确认只差少量尾部且已补扫，就可以把已覆盖部分作为下一步筛选的输入。
需要核对具体工具是否支持断点续扫、差集导出或按范围重扫时，应以该工具当前实际提供的说明为准，不同版本和账号类型可能存在差异。判断覆盖范围的方法本身不依赖某一款工具，但执行动作会受工具能力限制。
最终要形成一个可复查的结论：这次扫描覆盖了哪些标识、缺失哪些标识、缺失是连续还是分散、下一步是续扫还是重扫。只有这个结论明确，后续对旧内容的保留或退出才有可靠依据。
