旺道排名：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)
🔗 /275d8652b5dc.html
📄
旺道排名：一次全站扫描被中断后怎样判断已覆盖范围
先给结论：中断后不要凭“扫到多少条”判断覆盖范围，而要回到扫描任务本身，看它是否留下了可核对的任务边界。比较稳妥的做法是，先确认这次扫描是按什么范围发起的，再去比对已产出结果与站点现有内容清单的差集，最后决定是补扫还是重新扫。下面用一个假设情境把判断过程拆开。
假设情境：一次全站扫描只跑了一半
假设你手上有一个旧站点，导航里混着几套历史栏目，一部分内容已经打算下线，另一部分还想保留。你发起了一次“旺道排名”相关的全站扫描，想看清哪些页面还值得留、哪些链接该清理。任务跑到中途因为网络或进程问题停了，页面只输出了一部分结果。
这时候真正要回答的不是“扫了多少”，而是“没扫到的部分里，有多少是我关心的”。如果没扫到的主要是准备下线的旧栏目，那这次中断对决策影响很小；如果没扫到的是准备保留的核心内容，就必须补扫，否则后面的取舍会建立在残缺清单上。
先确认扫描范围，再谈覆盖
判断覆盖范围的第一步，是找回这次任务的边界定义。常见边界有几种：按域名全量、按目录或栏目、按导入的 URL 清单、按某种筛选条件（比如只扫某类页面）。中断后的结果只能在这个边界内解释。
- 如果任务是按导入清单跑的，那么对照清单逐条核对即可，缺哪条补哪条，最省事。
- 如果任务是按目录跑的，就要拿站点现有的目录结构去比，看哪些目录完全没有结果。
- 如果任务是按全站跑的，边界最模糊，必须借助站点地图或站内链接清单来还原“应该有哪些”。
这里有个容易被忽略的点：抓取量、请求量或结果条数出现异常，并不能单独证明扫描已经正确覆盖。中断、限速、超时、页面本身不可达，都会让数量变小，原因不同，处理方式也不同。所以数量只能作为线索，不能作为结论。
用差集判断：哪些已覆盖、哪些没覆盖
更可靠的方式是做差集。把“站点上实际存在、且你关心的 URL 集合”记为 A，把“这次扫描已经产出结果的 URL 集合”记为 B，那么 B 是已覆盖部分，A 减去 B 就是缺口。判断的重点落在缺口上，而不是 B 有多大。
假设站点有 500 个你关心的 URL，中断后结果里有 300 个，那么缺口是 200 个。接下来要问：这 200 个是集中在某几个目录，还是零散分布？如果集中在几个即将下线的旧栏目，可以暂时不补；如果分散在保留栏目里，就必须补扫。这个比较方法只是说明思路，具体数字要按你自己的清单来算。
实际操作上，可以先把已产出结果导出成一份 URL 列表，再和站点地图或栏目清单做比对。这个动作的结果会直接决定下一步：缺口小就补扫缺口，缺口大且分布零散，重跑一次反而更省时间。
区分“没扫到”和“扫到了但没结果”
中断场景里最容易混淆的，是“没扫到”和“扫到了但没产出有效结果”。这两者处理方式完全不同。
- 没扫到：任务在到达该 URL 之前就停了，需要补扫。
- 扫到了但无结果：页面可能不可达、被拦截、内容为空，需要单独排查原因。
- 扫到了且有结果：属于已覆盖，可以直接进入保留或下线的判断。
如果只看到“结果条数少”就断定覆盖不足，可能会把本来已经扫过、只是没产出的页面重复补扫，浪费一轮时间。反过来，如果把“扫到了但无结果”当成已覆盖，又可能漏掉真正需要处理的页面。区分这两类，是决定补扫范围的关键依据。
补扫还是重扫：按缺口结构决定
确认缺口之后，选择补扫还是重扫，取决于缺口的结构，而不是缺口的大小本身。
- 缺口集中、边界清晰：补扫缺口部分，保留已有结果，成本最低。
- 缺口分散、跨越多个栏目：重扫一次更可控，避免两次结果口径不一致。
- 任务本身没有留下范围记录：只能以站点现有清单为准重新发起，否则覆盖范围无法核对。
还有一个取舍：如果这次扫描只是为了给旧内容退出做参考，而缺口恰好落在你本来就要下线的部分，那么不补扫也是成立的，前提是你明确知道缺口在哪里、并且接受这部分不做判断。这也是“保留仍然有价值的部分”这个场景下常见的做法。
需要提醒的是，具体工具是否保留中断前的进度、是否支持断点续扫、结果能否按范围导出，这些都要以你实际使用的版本和界面为准，不同工具、不同版本差异很大，不能凭印象假定。核对时优先看任务记录里有没有范围定义和完成状态，而不是只看结果页的数量。
