站长工具集，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)
🔗 /94d9ae127f5a.html
📄
站长工具集，一次全站扫描被中断后怎样判断已覆盖范围
先别急着重跑。中断扫描后，判断覆盖范围的关键不是看工具是否提示“完成”，而是看它有没有留下可核对的进度证据：已处理条目清单、断点位置、时间戳或分批记录。若这些证据能对应到具体URL或目录，就保留现有结果并从中断处续扫；若只剩一个总数，通常要改写任务，把它拆成可单独完成的分段扫描。
先分清“中断”发生在哪一层
全站扫描通常包含三层：抓取队列、解析规则、结果落盘。中断发生在哪一层，决定了已覆盖范围能不能被信任。
- 抓取队列中断：只影响后续URL是否被访问，已抓到的页面内容一般仍可用。
- 解析规则中断：页面可能抓到了，但标题、状态码、链接等字段没写入结果，覆盖范围要按字段重新判断。
- 结果落盘中断：最麻烦，因为内存里处理过的条目可能没保存，表面上的“已扫描数”会高于实际可用数。
一个实际动作：先打开结果文件的最后几行，看最后一条记录是否有完整字段和结束标记。如果最后一条是半截记录，说明落盘层被截断，之前的完整记录仍可保留，但最后一条不能计入覆盖范围。这个判断会直接影响下一步：是从最后一条完整记录之后续扫，还是从更早的批次重新开始。
用可核对的证据圈出已覆盖范围
能帮你圈范围的证据，通常只有这几类：
- 带时间戳的日志：按时间排序后，能看出扫描在哪个时间点停止，以及停止前最后处理的URL。
- 分批结果文件：如果工具按批次或按目录输出，每个文件就是一个可独立核对的覆盖单元。
- URL清单与结果清单的差集：把原始待扫清单和已出结果的URL做差集，差集之外就是已覆盖部分。
- 断点或游标字段：有些工具会记录最后处理位置，但这类字段的具体名称和位置需要按你所用工具的当前版本来核对，不能凭旧教程推断。
假设一个场景：待扫清单有1000条URL，结果文件里有完整记录的URL是620条，最后一条是半截记录，日志显示中断前正在处理第621条。那么可保留的覆盖范围是620条，第621条要重扫。这个数字只是用来说明比较方法，不是任何工具的实际表现。
保留、改写还是退出：三种取舍的适用前提
保留现有结果并续扫，适用于断点明确、结果文件完整、且续扫不会重复写入同一条URL的情况。前提是你能确认工具支持从指定位置继续，或者你能手动把待扫清单裁掉已覆盖部分。这个动作的结果是：覆盖范围可累加，但你要额外做一次去重核对。
改写任务为分段扫描，适用于中断原因不明、断点不可靠、或单次任务规模已经超出稳定处理能力的情况。做法是按目录、按URL前缀或按数量上限拆成多个小任务，每个任务单独完成、单独落盘。代价是管理成本上升，但每段的覆盖范围变成可独立验证的，不会再被一次中断全部拖累。
退出当前结果、整体重扫，只适用于结果文件已损坏、字段大面积缺失、或你无法确认任何一条记录完整性的情况。它的前提是重扫成本低于核对成本。如果站点规模大、抓取有频率限制，整体重扫往往不是首选。
哪些现象不能单独证明覆盖范围
有几个信号容易被误读：
- 进度条停在某个百分比：它可能只反映队列消耗，不反映结果是否落盘。
- 日志不再新增：可能是中断，也可能是扫描进入等待、限速或空队列阶段，需要结合时间戳和最后一条记录判断。
- 结果条数等于预期总数：如果存在重复URL、重定向或参数变体，条数对得上也不代表每个目标都被覆盖。
- 工具提示“已完成”：完成提示只说明流程走完，不说明每个字段都有效，仍需抽查字段完整性。
这些现象只能作为线索，不能单独作为结论。把它们和URL差集、最后一条完整记录、分批文件三者交叉核对，才能得到可用的覆盖范围。
中断后最小可执行的核对顺序
按这个顺序做，能最快得到可决策的结论：
- 定位最后一条完整记录，记下它的URL或序号。
- 把待扫清单与已出结果的URL做差集，得到未覆盖清单。
- 抽查已覆盖结果中的若干条，确认字段是否完整，而不是只有URL。
- 根据差集大小和中断原因，决定续扫、分段改写还是重扫。
如果差集很小且字段完整，续扫是成本最低的选择；如果差集大、字段缺失多，或中断原因指向任务规模本身，就应改写为分段扫描再继续。判断的依据始终是可核对的记录，而不是工具给出的单一进度数字。
