搜狗网站优化助手：一次全站扫描被中断后怎样判断已覆盖范围
📱 Mozilla/5.0 (compatible; QlyzeBot/1.0; +https://app.qlyze.io/bot)
🔗 /4bf87c72bfda.html
📄
搜狗网站优化助手：一次全站扫描被中断后怎样判断已覆盖范围
判断已覆盖范围，不能只看中断前跑到了列表的第几行。更可靠的做法是把“已处理”拆成三层证据：扫描器已经返回结果的URL数量、这些URL各自处于哪个处理阶段、以及未返回结果的URL是否因为中断而缺失。三层证据对不上，就说明覆盖范围不可信，需要补扫或改用分段扫描。
先分清“扫到”和“扫完”不是一回事
全站扫描通常按队列推进：读取URL、请求页面、解析内容、写入结果。中断可能发生在任意一步。假设一个情境：某站点有1200个URL，扫描进行到第400个时程序被手动停止，界面显示“已处理400”。这里的400只代表队列取走了400条，不等于400条都完成了请求和解析。
要判断真实覆盖，先看结果文件或结果列表里有多少条带有完整的解析字段。如果只有320条有标题、状态码和问题标记，剩下80条只有URL，那么实际覆盖是320条，不是400条。这个差额会直接影响下一步：补扫时应该从第321条开始，而不是从第401条开始。
用三种可区分的证据判断覆盖边界
中断后的覆盖范围，可以通过以下证据交叉判断：
- 结果条数：结果文件中存在完整记录的URL数量。这是最直接的覆盖下限。
- 队列位置：中断时正在处理或尚未处理的URL。如果工具能导出待处理队列，可以直接知道缺口在哪里。
- 站点URL总数：来自站点地图、站内链接抓取或已有清单的总量。它决定覆盖比例的分母。
三种证据一致时，覆盖范围基本可信。不一致时，以结果条数为下限，以队列位置为缺口起点。比如站点地图给出1200条，结果文件有320条完整记录，队列显示第321条是下一个待处理项，那么已覆盖范围可以定为前320条，缺口从第321条开始。
如果工具没有导出队列的能力，只能看到“已处理400”这个数字，就不要把它当成覆盖范围。此时更稳妥的做法是重新按URL清单分段扫描，每段控制在可完成的规模内，逐段记录结果条数。
哪些情况下不能直接照搬“已处理数量”
个别样本成立，不代表规模化后仍然成立。以下几种边界需要特别注意：
- 站点存在大量重定向或参数URL：队列里的URL数量可能远大于实际独立页面数，已处理数量会虚高。
- 扫描中途修改了规则或过滤条件：前后两段的结果口径不同，合并后不能当作一次完整覆盖。
- 站点在扫描期间有内容更新或下线：中断前后的URL集合发生变化，覆盖范围需要按时间点分别记录。
- 工具对失败请求有重试机制：重试会让同一URL在队列中出现多次，已处理数量包含重复计数。
这些情况下，正确动作是放弃“总处理数”这个单一指标，改为按URL清单逐条核对状态。可以先抽取中断点前后各50条URL，手动确认它们是否都有完整结果。如果抽样中缺失比例明显，就不能从断点续扫，而应重新分段全量扫描。
一个假设情境：从断点续扫还是重新分段
假设某站点有800个URL，第一次扫描到约第300条时中断。结果文件里有260条完整记录，队列显示第261条尚未处理。此时有两种选择：从第261条继续扫，或者把800条分成4段每段200条重新扫。
选择从断点续扫的条件是：中断前后扫描规则、过滤条件、站点内容没有变化，且结果文件能明确区分完整记录和半成品记录。选择重新分段的条件是：规则有调整、站点在扫描期间有更新，或者无法确认第261条之前是否有遗漏。
如果选择续扫，动作是导出第261条之后的URL清单，单独扫描并合并结果。合并后需要检查两段结果的字段结构是否一致，尤其是问题标记和状态码的取值口径。如果两段口径不一致，合并结果只能用于粗略参考，不能直接用于后续修改决策。
如果选择重新分段，动作是先按URL路径或栏目把800条分成若干段，每段扫描完成后立即记录完整结果条数。这样即使某一段再次中断，也能清楚知道哪一段缺失，不需要重新判断整个站点的覆盖范围。
把覆盖结论写成可复查的记录
判断完成后，至少记录四项内容：扫描的URL总清单来源、每段的结果条数、中断点的位置、以及未覆盖URL的处理方式。这样下次复查时，不需要重新猜测当时扫到了哪里。
如果结果条数和站点URL总数差距较大，先不要急着下结论说“扫描失败”。差距可能来自站点地图本身不全、URL去重规则不同、或者扫描器跳过了某些类型页面。需要先核对总清单的来源是否可靠，再判断覆盖范围是否真的不足。
