站长工具查询：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)
🔗 /ef3c8a1db801.html
📄
站长工具查询：一次全站扫描被中断后怎样判断已覆盖范围
先看中断发生在哪一步：如果扫描已经跑完抓取阶段，只是报表生成或导出被切断，已覆盖范围通常接近全量，重跑代价低；如果中断发生在抓取队列仍在推进时，你手上只有一部分结果，必须用可核对的日志与抽样来界定边界。不要只凭“进度条停在哪”下结论，进度条可能按任务数、URL 数或时间估算，三种口径的剩余量完全不同。
按两种条件选择：能拿到运行日志，还是只剩导出文件
能拿到运行日志时，优先核对日志中的“已处理 URL 数”和“最后一条成功记录的时间戳”。把这两项与扫描启动前的 URL 清单总量对比，可以判断中断是接近完成还是中途停止。若日志显示最后一条记录的时间明显早于中断时刻，说明队列可能已经空转或卡住，实际覆盖范围小于表面进度。
只剩导出文件时，无法确认导出是否包含全部已抓取记录。此时应把导出文件中的 URL 去重后计数，再与站点地图或已知入口清单做交集比对。交集比例只能说明“这些已知入口被覆盖了多少”，不能反推全站覆盖比例，因为未在清单中的 URL 可能从未进入队列。
选择依据可以归纳为：有日志就查队列状态，没日志就查已知入口的命中情况。两者都不满足时，唯一可靠动作是重新扫描，而不是修补旧结果。
把分歧转成可核对项目：三个必须对齐的事实
多个角色对“覆盖了多少”有不同理解，通常是因为各自引用了不同口径。把分歧拆成以下三项，逐项核对，才能判断是否需要补扫。
- 扫描对象口径：本次任务是全站 URL、指定目录，还是仅首页可达链接。口径不同，分母不同，覆盖比例不可直接比较。
- 中断时刻口径：是进程被终止、网络断开，还是导出操作被取消。前两者影响抓取队列，后者通常不影响已抓取数据。
- 结果完整性口径：导出文件是否包含状态码、响应时间、最后抓取时间。缺少最后抓取时间的记录无法判断其是否属于中断前已完成的部分。
核对后如果发现三方引用的分母不一致，先统一分母，再谈覆盖范围。这一步不做，后续补扫范围会反复变化。
一个假设例子：用抽样反推是否值得重跑
假设站点有 5000 个已知 URL，中断后导出文件含 3200 条去重记录，日志显示最后成功记录时间比中断时刻早 4 分钟。此时不要直接认定覆盖率为 64%。可以随机抽取 100 个已知 URL，检查它们在导出文件中的命中数。若命中 98 个，说明抓取阶段可能已接近完成，缺失主要集中在队列尾部；若命中 60 个，说明中断发生在中段，补扫范围需要覆盖大部分 URL。
这个抽样的结果只用于决定下一步动作：命中率高时，可以针对未命中的 URL 做小范围补扫；命中率低时，直接重跑全站比修补更省事。抽样本身不证明全站覆盖率，它只是把“要不要重跑”变成一个可比较的判断。
例外与边界：这些情况不能按上述方法处理
如果扫描工具在中断后自动清理了临时队列，日志中可能没有完整的已处理记录。此时任何基于日志的推断都不成立，只能以导出文件为准，并明确告知相关角色“覆盖范围未知”。
如果站点包含大量动态参数或无限滚动页面，已知 URL 清单本身可能不完整，抽样命中也无法代表全站。这种情况下，判断覆盖范围的意义有限，更实际的做法是重新扫描并限制参数范围，避免再次中断。
如果中断原因是目标站点主动限流或封禁，重跑前需要先确认访问条件是否恢复。否则第二次扫描可能在相同位置再次中断，覆盖范围仍然无法确定。具体工具的队列保留策略、日志字段和限流表现需要以该工具的实际说明为准，不要套用其他工具的默认行为。
最后，把“已覆盖范围”写成一句可核对的话：在什么口径下、基于哪份日志或导出、覆盖了哪些已知入口、还有哪些未确认。这句话能直接决定下一步是补扫、重跑还是暂停，而不是继续争论一个百分比。
