乐云SEO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)
🔗 /c813a87bdd1c.html
📄
乐云SEO软件一次全站扫描被中断后怎样判断已覆盖范围
结论先说：扫描中断后，能判断的只是“中断前已经处理过哪些对象”，而不是“全站已经安全覆盖”。如果工具按站点地图顺序推进，并且中断前已抓到完整的一批URL，那么你可以把中断点之前视为已覆盖；但如果工具是并发抓取、边抓边写结果，或者中断时正在写入一批数据，那么“已覆盖”的范围会小于你看到的进度条位置。要得到可核对的范围，必须回到扫描日志和输出记录里，找出最后一条完整写入记录，而不是看百分比。
先分清“已处理”和“已写入”是两件事
扫描中断后最容易误判的地方，是把“请求发出去”当成“结果已保存”。一次抓取通常包含请求、响应、解析、写库四个阶段。中断可能发生在任何一个阶段：请求发出但没有响应、响应返回但没解析、解析完成但没写入。只有写入成功的记录，才能算作覆盖范围。你可以打开扫描日志，查找最后一条带有完整状态标记的记录，例如状态码、抓取时间、页面指纹都齐全的那一条。如果最后几条只有请求时间、没有状态码，说明它们大概率没有完成写入，应排除在已覆盖范围之外。
一个实际动作是：把中断前最后一批记录按时间排序，找到连续完整写入的截止点，以这个截止点为界。这个动作的结果会直接决定下一步——如果截止点之后还有大量URL未处理，你需要重新扫描剩余部分；如果截止点非常接近中断位置，只补扫少量URL即可。
用三个证据区分“覆盖了”和“看起来覆盖了”
单看进度条或数量统计，很容易得出相反结论。要区分不同解释，可以核对以下三类证据：
- URL清单的连续性。如果日志里的URL是连续递增的，中断点之前基本可以认定为已覆盖；如果URL是跳着出现的，说明并发调度打乱了顺序，不能按序号推断覆盖范围。
- 写入时间戳的间隔。正常写入通常有稳定间隔。如果最后一段时间戳突然稀疏或停止，说明中断发生在写入之前，那一段不能算已覆盖。
- 重复记录的存在。如果同一URL在日志里出现两次，说明扫描可能做过重试或分片，此时用“去重后的URL数量”比用“总请求数”更接近真实覆盖范围。
反例是：假设日志显示已处理8000条、总目标10000条，看起来覆盖了80%。但如果你发现最后500条只有请求记录、没有响应记录，那么真实已覆盖可能只有7500条左右。这个反例说明，进度数字本身不能作为判断依据，必须回到记录完整性上。
一个注明假设的短例子
假设某次扫描按站点地图顺序单线程推进，目标10000个URL，中断时日志显示已写入7200条，且最后一条记录状态完整。在这个假设下，可以把7200条视为已覆盖，剩余2800条需要重新扫描。但如果工具是多线程并发、每批写一次库，那么中断时正在写入的那一批可能只保存了一部分，实际覆盖范围会小于7200条。此时更稳妥的做法是：以最后一个完整批次为界，把最后一批URL全部重新扫描一次，而不是只补扫未出现的URL。
这个例子的意义在于，覆盖范围不是一个固定数字，而是取决于扫描器的调度方式和写入方式。你要先确认自己用的是哪一种方式，再决定补扫范围。
下一步动作：补扫范围怎么定
判断出已覆盖范围后，下一步不是立刻全站重扫，而是做一次差异补扫。具体做法是：
- 导出中断前已完整写入的URL清单。
- 用全站URL清单减去这份已覆盖清单，得到未覆盖集合。
- 把中断点前后各一批URL加入未覆盖集合，防止写入不完整。
- 只对未覆盖集合发起新一轮扫描。
这样做的结果是，补扫量通常小于全站重扫，也能避免重复处理已覆盖URL带来的资源浪费。需要注意的是，如果工具本身不支持按URL清单定向扫描，那么你只能选择全站重扫，此时应优先确认工具是否提供断点续扫或分片扫描能力，具体功能需要以该工具当前实际界面和文档为准。
什么时候上面的判断会失效
如果扫描过程中工具对URL做了动态发现，比如从已抓页面里继续提取新链接，那么“全站URL清单”本身在中断时就是不完整的。这种情况下，已覆盖范围只能描述“已发现并处理的部分”，不能代表全站。另一个失效条件是：工具在中断时清空了临时缓存或回滚了未提交数据，那么日志里看到的记录可能并不对应最终保存结果。遇到这两种情况，最稳妥的动作是重新扫描，而不是基于中断日志推断覆盖范围。
判断覆盖范围的核心，始终是找到最后一条完整写入记录，并确认扫描器的调度方式是否允许你按顺序推断。只要这两点不清楚，就不要把中断前的进度当作可用结论。
