在线营销工具：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)
🔗 /ab081dbecbd8.html
📄
在线营销工具：一次全站扫描被中断后怎样判断已覆盖范围
先给结论：扫描中断后，不要用“扫到多少条”判断覆盖范围，因为中断时未完成的部分可能根本没有产生记录，而已产生的记录也可能只代表部分页面。更可靠的做法是找到本次扫描的起点、遍历顺序和最后一个已处理对象，用可核对的边界证据重建覆盖区间，再决定是补扫还是重扫。
先看一个矛盾现象：中断后结果反而比上次多
假设同一站点先后跑两次全站扫描。第一次正常结束，得到一批结果；第二次中途被手动停止，导出的记录数却比第一次还多。直觉会认为第二次覆盖更广，但这个推断不成立。
常见原因有两个。其一，第二次扫描在中断前恰好集中在结果密集的区域，比如列表页、分页参数或重复链接较多的栏目，单位时间产出更高，但整体范围未必更广。其二，两次扫描的起点、排序规则或抓取深度不同，第二次可能先处理了变化频繁的页面，导致记录数量上升而覆盖面积没有扩大。
这两个解释导向完全不同的下一步：如果是密度问题，补扫剩余区间即可；如果是顺序问题，之前的进度记录无法直接复用，需要重新规划边界。
能区分两种解释的证据：边界记录而非总数
要判断属于哪一种，需要看三类可核对证据。
- 遍历顺序记录：工具是否按队列、按站点地图顺序或按链接发现顺序处理。顺序不同，中断点对应的剩余范围完全不同。
- 最后处理对象的标识：URL、页面编号或队列位置。有了它，才能判断中断发生在哪个区间。
- 去重规则：带参数的链接、大小写差异、尾斜杠是否被合并。去重越宽松，记录数越容易虚高。
把这三项放在一起看：如果顺序稳定、最后对象明确、去重规则一致，那么记录数偏多更可能是密度原因，补扫可继续。如果顺序本身随机或每次重新发现链接，那么记录数偏多只是顺序差异，覆盖范围无法从数量推断，应重新扫描。
一个注明假设的短例子
假设某工具按站点地图顺序处理，站点地图共 40 个分片，每个分片约 500 个链接。扫描在导出第 17 个分片后中断。此时记录数偏多，但只要最后处理对象落在第 17 分片边界附近，就可以推断已覆盖约前 17 个分片，剩余从第 18 分片补扫。若最后处理对象跳到第 31 分片，说明顺序被打乱，前 17 分片的推断失效，应整体重扫。这里的数字仅用于说明比较方法，不代表任何工具的实际表现。
实际操作：先固定边界，再决定补扫或重扫
中断后立即做一件事：保存当前队列状态和最后处理对象的标识，不要先清理任务或重新导入。这个动作的结果直接决定下一步——有明确边界就补扫剩余区间，边界丢失就重扫。补扫前还应确认去重规则与上次一致，否则新旧记录合并时会出现重复或遗漏。
如果工具本身不提供队列位置或最后对象标识，只能看到结果列表，那么覆盖范围无法可靠重建。这种情况下，把结果按发现时间或分片编号排序，观察是否存在明显断层，作为辅助判断，但不能替代边界证据。具体工具是否提供这些字段、字段名称和导出位置，需要以你实际使用的版本为准进行核对。
判断完成的标准不是数量，而是边界闭合
当补扫或重扫结束后，用两个条件确认覆盖完整：一是起点到终点的区间连续，没有跳过的分片或队列段；二是去重后的对象集合与站点实际可访问集合的差异有合理解释，比如被 robots 规则排除、需要登录或已失效。满足这两点，本次扫描结果才适合进入后续分析；否则应先补齐边界，再谈结果能否用于决策。
