自动换链软件，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)
🔗 /a9d7b94da894.html
📄
自动换链软件，一次全站扫描被中断后怎样判断已覆盖范围
结论先给：如果扫描过程留下了可续跑的进度记录，中断只影响“当前这一轮”的完整性，你可以按记录里的游标位置判断覆盖到哪；如果没有任何持久化进度，只剩一份不完整的输出文件，那么能确认的只是“输出里出现的页面已被处理”，不能反推未出现的页面是没扫到还是扫过但无结果。判断覆盖范围的关键，不是看结果条数，而是看有没有可对账的处理清单和明确的扫描边界。
先分清两种中断：可续跑与不可续跑
自动换链软件在扫描时通常会维护一个待处理队列或已处理集合。中断后先确认它属于哪一类：
- 可续跑：存在进度文件、队列快照或数据库记录，记录了已完成的页面标识和下一个待处理位置。这类中断的覆盖范围可以直接按记录读取，续跑后只需补齐剩余部分。
- 不可续跑：进度只在内存中，中断即丢失，只留下已写出的结果。这时覆盖范围只能按输出内容界定，且必须承认存在盲区。
判断方法很直接：中断后不要立即重跑，先检查工作目录或数据存储里有没有比结果文件更早生成、且带位置信息的中间文件。有，就按可续跑处理；没有，就按不可续跑处理。这个判断决定了后面是“续跑”还是“重扫”，两者代价差别很大。
用三个可对账的依据界定已覆盖范围
无论哪类中断，都要找到能独立对账的依据，而不是只信软件自己的统计数字。可用的依据有三类：
- 输入清单：本次扫描开始时提供的页面列表、站点地图或数据库查询结果。它是分母，覆盖范围必须相对它来说。
- 已处理标识：结果中每条记录对应的页面 URL 或主键。把结果里的标识去重后与输入清单求差集，差集就是未确认覆盖的部分。
- 扫描边界参数：本次任务设定的目录范围、链接深度、是否跨子域等。边界之外本来就不在覆盖范围内，不能算作遗漏。
把这三者对齐后，你能得到三个数字：输入总数、已处理数、边界外数量。已处理数加上边界外数量如果接近输入总数，说明覆盖基本完整；差距明显，则说明中断点之前仍有未处理部分，或者输入清单本身与扫描边界不一致。
一个会推翻上述结论的反例
假设软件的结果文件是“边扫边写”的，且写入没有事务保证。中断发生时，最后若干条记录可能只写了一半，或者页面已被处理但结果尚未落盘。此时按结果文件统计的已处理数会偏小，而按进度文件读取的位置可能偏大。两者不一致时，不能简单取其一作为覆盖范围，而应以“进度位置”为上限、“结果文件”为下限，中间那段属于状态不确定区。
反过来也有一种情况：结果文件里出现了重复记录，或同一页面因跳转被记了多次。去重后已处理数会下降，若不去重就会高估覆盖。所以对账前必须先按页面标识去重，并确认标识口径一致——用完整 URL 还是规范化后的 URL，结果会不同，这一点需要在扫描前就定好，中断后才想起来往往已经晚了。
假设例子：怎样用一组数字决定续跑还是重扫
假设输入清单有 5000 个页面，边界外 200 个，结果文件去重后有 3100 条。若进度记录显示处理到第 3300 个位置，那么可确认覆盖约 3300 个，不确定区约 200 个，剩余约 1500 个。此时续跑是合理的：从第 3300 个位置继续，并对不确定区做一次小范围复核即可。
若没有任何进度记录，只能确认 3100 个，剩余约 1700 个且无法定位断点。这时续跑无从谈起，只能重扫，或者接受当前覆盖并明确标注未覆盖部分。选择哪一种，取决于未覆盖部分是否包含本次任务的关键页面——如果关键页面集中在站点前半部分且已在结果中，接受现状并补扫剩余目录是可接受的；如果关键页面分布未知，重扫更稳妥。
下一步动作与它如何改变后续判断
确定覆盖范围后，先做一件事：把本次的输入清单、边界参数和已处理标识导出并留存，作为下一次扫描的基线。这个动作的直接结果是，下次再发生中断时，你有一个可对比的历史快照，能快速判断是增量还是全量。
如果本次判定为不可续跑且已重扫，重扫完成后应核对两次结果的差集：差集中出现的页面，要么是上次中断遗漏的，要么是两次扫描边界或规则发生了变化。前者说明上次覆盖判断偏乐观，后者说明边界参数需要固定下来。这个核对结果会直接影响你下次是否还敢在中途中断后直接续跑。
最后提醒一点：扫描请求量下降、日志停止增长，都不能单独证明扫描已经完成或中断点已定位，它们也可能是限速、目标站点响应变慢或任务被外部终止造成的。要判断覆盖范围，始终回到输入清单、已处理标识和边界参数这三样可对账的东西上，而不是看过程指标。
