在线推广工具：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; ShapBot/0.1.0
🔗 /c1f00c8668e6.html
📄
在线推广工具：一次全站扫描被中断后怎样判断已覆盖范围
结论是有条件的：如果扫描任务留下了可核对的任务日志或进度记录，并且记录能对应到具体URL清单，那么你可以按“已处理清单＋日志时间戳”判断覆盖范围；如果工具只显示了一个百分比进度条、中断后连已处理列表都打不开，那么这次扫描的覆盖范围实际上不可判断，只能重跑或缩小范围重跑。下面说明怎么区分这两种情况，以及一个会让判断失效的反例。
先看中断后还剩哪些可核对痕迹
判断覆盖范围不靠回忆，靠中断那一刻留下的痕迹。按可靠程度从高到低排，大致有这几类：
- 逐条处理日志：每条记录带URL、状态码或处理结果、时间戳。这是最可靠的，能直接圈定“处理到哪一条”。
- 已完成URL清单或导出文件：哪怕只有一部分，也能和你的全站URL总表做差集，算出未覆盖部分。
- 断点或续跑标记：工具记录了“上次停在某个位置”，但没给你明细。可靠性取决于它记录的是精确位置还是粗略批次。
- 只有进度百分比：几乎无法还原覆盖范围，因为分母本身可能就是估算的。
实际操作上，先做一件事：把工具里所有和本次任务有关的输出（日志、导出、任务详情页）全部保存下来，再动手重跑。原因是很多工具在重新发起任务时会覆盖或清空上一次的会话记录，一旦覆盖，可核对痕迹就没了。保存动作的结果直接决定你下一步是“按差集补跑”还是“整站重跑”。
用总表做差集，而不是相信进度条
覆盖范围＝总表里被处理过的部分。所以你需要一份独立于工具的全站URL总表，来源可以是自己维护的链接清单、站内链接抓取结果，或从后台导出的内容列表。把日志或已完成清单与总表对齐后，未覆盖部分就是差集。
这里有个容易踩的坑：进度条显示的百分比，分母往往是工具自己估算的总量，可能包含重定向、参数页、重复URL。所以进度条到60%中断，不代表总表里60%的URL被处理过。以总表差集为准，不以百分比为准。
如果差集很小，比如只剩一小段列表页，那补跑差集就够；如果差集很大或无法对齐（URL格式、大小写、参数规范化不一致），整站重跑更省事。
一个会让上述判断失效的反例
假设你的日志里有完整的URL和处理时间，看起来覆盖范围很清楚。但如果这次扫描是并发执行的，日志写入顺序不等于实际处理顺序，而且中断时可能有若干条记录“已发出请求但结果还没写回”。这种情况下，日志末尾会缺失一批实际已处理的URL，也可能出现已处理但未落盘的重复。此时按日志尾部切分覆盖范围就会偏小或错位。
判断方法：看日志里是否存在大量时间戳相同或极接近的连续记录。如果有，说明是并发批次写入，尾部不可信，应该把最后一批整体视为“状态未知”，而不是精确的断点。这个反例说明：有日志不等于覆盖范围可精确判断，还要看日志的写入方式是否与处理方式一致。
中断原因会影响你该不该信任这次结果
不是所有中断都值得挽救。可以按原因分两类处理：
- 外部原因中断（网络波动、本机休眠、手动停止）：已处理部分通常有效，适合按差集补跑。
- 工具自身原因中断（崩溃、超时、被目标站限流封禁）：已处理部分可能包含不完整结果，比如只拿到响应头没拿到正文。这类情况建议缩小范围重跑，而不是直接续跑。
区分证据：看已处理记录里是否有异常状态（大量超时、空结果、重复请求同一URL）。如果异常比例明显偏高，续跑会把问题带进最终结果。
下一步动作：先补跑差集并抽样验证
确定覆盖范围后，建议的动作顺序是：先对差集发起一次范围更小的补跑，补跑完成后从补跑结果和原结果中各抽少量URL做人工核对，确认两批结果口径一致。如果抽样发现补跑结果与原结果字段、判定标准不一致，说明两次任务参数不同，此时应放弃拼接，改为整站一次性重跑。这个动作的结果会告诉你：覆盖范围是可以拼回来的，还是必须推倒重来。
如果工具本身不提供日志、导出或断点信息，具体能力需要以你所用工具的当前版本说明为准，不要假设它一定有续跑或导出功能。在无法核对的情况下，把任务拆成若干小范围分批执行，是比追求“一次全站”更可控的做法。
