友情链接工具：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; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /cb4f54f224c8.html
📄
友情链接工具：一次全站扫描被中断后怎样判断已覆盖范围
先看中断发生在哪一步，再看工具是否留下了可续跑的记录。如果扫描是分批执行、每批都有独立结果文件或日志，那么已覆盖范围基本等于“最后一批完整结束的位置”；如果结果只写入一个内存状态、中断后没有任何落盘记录，那么这次扫描通常只能当作没跑完，不能凭页面上的部分结果推断覆盖率。
先分清三种中断：网络、进程、规则
同样是“扫描到一半停了”，后续判断完全不同。把中断原因分开，才能决定是续跑、重跑还是放弃这次结果。
- 网络或目标站不可达：通常表现为某一批开始后大量超时或连接失败。此时已完成的批次仍然有效，未完成批次需要单独重试，而不是把超时页面当成“没有友情链接”。
- 本地进程被终止：如果工具支持断点续跑，检查它是否写入了进度文件或数据库；如果没有，只能从头再来，因为内存中的队列已经丢失。
- 规则或配额触发中止：例如达到请求上限、被目标站限速、认证失效。这类中断往往有明确报错，覆盖范围应截止到报错前最后一个成功批次。
假设某次扫描计划处理 2000 个页面，每 100 个一批，日志显示第 12 批完成、第 13 批开始后中断。那么可确认覆盖的是前 1200 个页面；第 13 批的 100 个页面处于“部分处理”状态，最稳妥的做法是把这一批整体重跑，而不是只补其中失败的那几条。这个动作的结果会直接影响下一步：如果部分批次被当作完整批次，后续的链接缺口统计就会偏低，你会误以为某些页面没有友情链接，实际只是没扫到。
用日志和批次边界确认“最后完整位置”
判断覆盖范围，最可靠的依据不是页面上的进度条，而是日志里的批次边界和完成标记。进度条可能按页面数估算，中断时显示的数字未必对应已经落盘的结果。
可以按下面的顺序核对：
- 找到最后一条“批次完成”或等价的状态记录，记下它的批次编号和结束时间。
- 检查该批次的结果文件是否完整，比如条目数是否等于计划数、有没有截断的末尾行。
- 查看中断批次是否有部分写入。如果结果文件按批追加，末尾可能残留半批数据，需要单独隔离。
- 确认去重逻辑：续跑时如果工具按 URL 去重，重复处理已完成页面通常不会污染结果；如果按行追加而不去重，续跑后会出现重复记录，需要先清理再统计。
这里有一个容易踩的边界：日志显示“已处理 1500 个页面”，但其中可能包含重试和跳过的页面，实际唯一 URL 数可能少于 1500。规模化扫描时，重试、跳转和重复入口会让“处理数”和“覆盖数”不一致，不能直接画等号。
续跑、重跑还是放弃：按证据选
三种取舍各有前提，不存在通用最优解。
保留并续跑适用于：工具有明确的断点记录、结果按批落盘、去重机制可靠。这时续跑成本最低，但前提是中断原因已经排除，否则会在同一位置再次中断。
整站重跑适用于：结果只存在于内存、日志不足以还原批次边界，或者中断原因涉及规则变更。重跑能保证口径一致，代价是时间成本，并且如果目标站有频率限制，短时间内重跑可能再次触发中止。
放弃本次结果适用于：中断发生在早期、已完成比例很低，或者中断原因不明且无法复现。此时继续修补的收益低于重新开始。
一个判断动作是：先只重跑中断的那一批，观察是否稳定通过。如果单批能稳定完成，说明问题在批次规模或偶发网络，可以继续按批续跑；如果单批仍然失败，说明问题在规则、认证或目标站策略，继续续跑只会重复消耗，应该先修复根因再决定是否重跑全站。
样本成立不代表全站成立
个别页面扫描成功，不能推断全站覆盖正常。常见例外包括：栏目页和详情页的模板不同，导致链接区域解析规则只在部分模板上生效；分页或懒加载内容在批量扫描时未被触发；部分子域或目录被规则排除。
因此，续跑或重跑后，除了看总数，还应抽查几类结构不同的页面，确认它们的结果口径一致。如果发现某一类页面系统性缺失，说明问题不在中断本身，而在扫描规则覆盖不到，这时调整规则比反复重跑更有效。具体工具是否支持规则调整、断点续跑和按批导出，需要以你实际使用的版本文档为准，不同工具的能力差异很大，不能照搬。
