百度推广软件：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)
🔗 /60dc1358d159.html
📄
百度推广软件：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可对齐的进度锚点，再看已扫对象能否与站点清单逐条核对。如果两者都有，按清单差额补扫；如果只有零散日志或界面提示，不要把它当成覆盖完成，应重新划定扫描边界后再跑。
先判断中断发生在哪一层
全站扫描通常有三层进度：待处理队列、正在处理的页面、已产出结果的页面。中断时这三层可能不同步。你要先拿到中断前最后一次完整写入的记录，再拿它和扫描任务启动时的初始清单比对。初始清单是判断覆盖范围的分母，没有它，任何“大约扫了多少”都只是估算。
可区分的原因有几种：
- 队列已排空但结果未全部落盘，说明覆盖接近完成，缺的是结果确认，不是重新抓取。
- 队列仍有大量待处理项，说明中断发生在中途，覆盖范围只能按已完成清单计算。
- 日志显示某类页面反复重试但仍失败，说明这些页面属于“已尝试未覆盖”，不能算入有效范围。
这三种原因对应的下一步完全不同。第一种只需补结果校验，第二种需要按差额续扫，第三种要先处理失败原因再决定是否重扫。
用站点清单做一次差额核对
把扫描启动时保存的URL清单导出为一份可排序的文本或表格，再把中断前已产出结果的记录导出为另一份。两份都按规范化后的URL排序，逐行比对。能对上的，标记为已覆盖；只出现在初始清单里的，标记为未覆盖；只出现在结果里的，标记为异常来源，单独核查。
假设一个站点初始清单有 1200 条URL，中断前结果记录有 480 条，其中 12 条URL不在初始清单中。那么有效已覆盖是 468 条，未覆盖约 732 条。这个数字只是按当前两份文件算出的差额，不代表站点真实总量，也不代表未覆盖页面一定有问题。它的作用是决定下一步补扫的起点，而不是给出结论。
实际动作：把差额清单单独存为一个待处理文件，先只对未覆盖部分发起续扫，不要全站重跑。续扫完成后，用同一份初始清单再比对一次。如果第二次比对仍有缺口，说明问题在清单本身或抓取条件，而不是中断本身。
哪些信号不能单独证明覆盖完成
扫描工具显示“已完成”或进度条走到末端，不等于所有页面都产出了可用结果。请求量归零、抓取队列为空、日志停止增长，都可能有别的解释：任务被暂停、目标站点返回统一拦截、结果写入失败但队列已清空。这些现象只能说明某个环节安静下来，不能单独证明覆盖正确。
同样，已覆盖数量很大也不代表覆盖范围合理。如果初始清单本身漏掉了一部分栏目或参数页，扫描再完整也只是在错误的分母上完成。判断覆盖范围时，要同时看分母是否可信、已扫记录是否可核对、失败项是否被单独归类。
关键前提变化后要换决策
如果变化发生在扫描之前，比如站点结构改版、URL规则调整、新增了一批栏目，那么旧的初始清单已经不能作为分母。此时应重新生成清单，再决定是续扫还是重扫。如果变化发生在中断之后，比如目标站点临时限制访问，那么先不要扩大扫描范围，等访问条件恢复后再按原清单补扫。
两种成立条件可以这样区分：
- 初始清单仍与当前站点一致，且中断只影响执行过程——按差额续扫，保留原有结果。
- 初始清单已与当前站点不一致，或中断伴随目标站点访问条件变化——重新生成清单，重新划定边界，再决定扫描方式。
把这两条写进处理方案，后续无论谁接手，都能从同一份清单和同一份结果记录继续，而不是凭界面提示猜测进度。具体工具是否提供清单导出、断点续扫或失败项单独归类，需要以你实际使用的版本和当前界面为准核对。
