外链查询：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)
🔗 /d406dcea0155.html
📄
外链查询：一次全站扫描被中断后怎样判断已覆盖范围
先看中断前是否留下了逐条结果或可续跑的检查点。如果只有汇总数字而没有明细，覆盖范围就无法可靠判断，最稳妥的做法是缩小范围重扫；如果明细完整、只是总量统计缺失，则可以用已有记录估算覆盖面，再决定是否补扫。
先分清三种中断留下的证据形态
不同工具在中断时的落盘方式不同，判断覆盖范围的第一步是确认手里有什么。常见情况可以归为三类。
- 只有进度条或汇总计数。这类输出无法还原哪些页面查过、哪些没查，中断点之后的进度不可信，因为计数可能包含重试和去重前的中间值。
- 有逐条明细但没有完成标记。可以按时间戳或序号排序，找到最后一条完整记录，把它当作已覆盖的边界，边界之后一律视为未覆盖。
- 有可续跑的检查点或断点文件。此时覆盖范围等于检查点记录的位置，续跑后只需核对续跑结果与断点是否衔接，避免重复或跳段。
如果工具只给了一个百分比，不要把它当成覆盖率。百分比的分母可能是任务开始时预估的总量，而预估本身会随扫描推进而变化，中断时这个分母往往已经失真。
用可核对的证据确认边界，而不是靠直觉
出现与直觉相反的结果时，比如明明扫了大半却只看到少量外链，先别急着下结论说数据丢失。可以按下面的顺序取证。
- 抽点复核。从明细里挑几个已覆盖的页面，手动用另一种方式核对是否存在外链，看工具记录与人工观察是否一致。一致说明已覆盖部分可信，不一致说明工具本身对这类链接识别有限。
- 看边界附近。取最后若干条记录对应的页面，检查它们是否处于同一层级或同一目录。如果边界整齐地停在一个目录末尾，说明中断可能发生在分段切换处，而不是随机中断。
- 对比两次运行。在相同范围内再跑一次，比较两次明细的交集与差集。差集集中在某类页面，往往指向该类型页面处理失败，而不是覆盖不全。
这些动作的结果会直接影响下一步：边界可信就补扫剩余部分；边界附近已经出现异常，就应缩小范围重扫，而不是在不可信的边界上继续。
保留、改写还是退出：三种取舍的适用前提
判断完覆盖范围后，通常面临三个选择，各自成立的条件不同。
- 保留现有结果并补扫。适用前提是明细完整、边界清晰、抽点复核通过。此时补扫只需从边界继续，成本最低。注意补扫范围要与原范围口径一致，否则合并后会出现重复计数。
- 改写范围后重扫。适用前提是原范围过大导致频繁中断，或边界附近已发现识别异常。可以把全站拆成按目录或按页面类型的小批次，每批单独完成并单独保存，牺牲一次总览换取每批的完整性。
- 退出这次扫描，改用抽样。适用前提是只需要判断整体趋势而非逐条清单。按页面类型分层抽样若干页面，得到的是估计值而非全量结果，不能用于逐条核对，但足以支撑方向性判断。
三种选择不要求全部尝试。多数情况下，先做抽点复核，再根据复核结果在保留补扫和改写重扫之间二选一即可。
一个假设例子：中断在目录切换处
假设一次扫描覆盖了首页、栏目页和部分文章页后中断，明细最后几条都集中在同一个文章目录。此时有两种合理解释：一是扫描确实按顺序推进，中断恰好发生在这里；二是该目录页面处理超时被跳过，明细里根本没写入失败记录。
区分方法是取该目录中排在边界之后的几个页面单独扫描一次。如果单独扫描能正常返回结果，说明原扫描只是没跑到，保留补扫即可；如果单独扫描同样失败或返回空，说明是该类页面的处理问题，应改写范围、排除或单独处理这类页面后再重扫。这个例子的数字和目录名均为假设，用于说明比较方法，不代表任何具体工具的实际行为。
把判断结果固定下来再决定下一步
无论选择哪种处理方式，都建议在继续之前记录三件事：已覆盖范围的边界依据、抽点复核的结论、以及本次未覆盖部分的处理方式。这样即使再次中断，也能从明确的起点续接，而不必重新推断覆盖到哪里。具体工具的断点机制、导出格式和续跑能力因产品而异，使用前需要以该工具当前的说明为准进行核对。
