站长工具，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)
🔗 /cf5fd0040518.html
📄
站长工具，一次全站扫描被中断后怎样判断已覆盖范围
先看扫描留下的日志或进度记录，再按“已完成条目数、最大已处理URL、时间戳、错误类型”四个字段估算覆盖范围；如果这些字段都缺失，只能确认“部分URL被访问过”，不能推出任何覆盖率数字。下面用一个假设情境把判断过程走一遍。
假设情境：扫描到一半断开，先分清三种中断形态
假设你用某站长工具对一个约两万条URL的站点做全站扫描，跑到中途进程被杀或网络断开，页面显示“已扫描约八千条”。此时不要直接把这八千条当成覆盖率，先判断它属于哪种形态：
- 顺序型中断：工具按URL列表从上到下处理，日志里最大编号是8000，那么前8000条大概率已完成，后12000条未处理。覆盖范围相对可估。
- 并发型中断：多个线程同时抓取，日志里最大编号是8000，但编号9000、9500的条目也可能已被访问。此时“最大编号”不等于覆盖边界。
- 重试型中断：工具对失败URL反复重试，日志里同一URL出现多次，条目数虚高，实际覆盖的独立URL可能远少于计数。
判断依据来自日志结构本身：如果每条记录带唯一序号且单调递增，倾向顺序型；如果序号跳跃、时间戳交错，倾向并发型；如果同一URL反复出现且状态码相同，倾向重试型。这一步的结论直接决定下一步该重扫全部还是只补缺口。
从日志里能提取哪些可核对的字段
缺少完整数据或后台权限时，仍可执行的最小动作是：只读取已落盘的日志文件或导出的部分结果，逐行提取以下字段，不依赖工具界面。
- 已处理URL总数：按去重后的URL计数，而不是按日志行数。重试型中断下两者差距可能很大。
- 序号或时间范围：最小与最大序号、最早与最晚时间戳，用来判断中断发生在列表的哪个位置。
- 状态分布：200、301、404、超时各占多少。如果大量条目是超时而非成功，说明“已访问”不等于“已获取有效结果”。
- 错误集中区间：若错误集中在某个序号段之后，可能中断前已经出现异常，覆盖范围要往前收缩。
把去重URL数与站点已知URL总量对比，得到一个粗略比例。这个比例只能作为区间估计，不能当作精确覆盖率。请求量归零或日志停止增长，也可能是进程被挂起、限速等待或磁盘写入失败，不必然代表扫描正常结束。
用抽样验证代替全量重扫
如果重扫成本高，可以先做一次小规模抽样，验证“已完成区间”是否真的完整。具体动作：从日志声称已完成的序号段中，随机抽20到50条URL，用同一工具或简单请求逐条访问，记录是否能在日志中找到对应记录。
结果如何影响下一步：
- 抽样命中率高，说明已覆盖区间的记录可信，可以只补扫未覆盖区间，节省时间。
- 抽样发现多条URL没有日志记录，说明存在丢记录或并发写入问题，已覆盖区间不可信，应整体重扫。
- 抽样中大量URL返回超时或异常，说明覆盖判断要加上“有效结果”这一层，不能只看是否访问过。
抽样数量不必大，但必须随机，且要覆盖不同序号段，否则只能说明某一个区间的状态。
哪些结论不能从中断数据里推出
中断后的部分数据，可以支持“哪些URL已被处理过”的判断，但不能支持以下结论：
- 不能推出全站健康度或错误率，因为未覆盖区间可能集中了问题页面。
- 不能推出某个目录或模板整体正常，除非该目录的URL全部落在已覆盖区间内。
- 不能把“日志停止增长”等同于“扫描完成”，两者在中断、限速、崩溃场景下表现相同。
- 不能把部分覆盖的统计结果直接用于对外报告或决策，除非明确标注覆盖比例和抽样验证结果。
换句话说，中断数据的用途是定位缺口和决定重扫范围，不是替代完整扫描的结论。
把判断结果转成下一步动作
走完上面几步后，通常会落到三种决策之一：
- 只补缺口：日志序号单调、抽样命中率高、错误集中在尾部。动作是找出未覆盖的URL区间，单独重扫这一段。
- 整体重扫：序号跳跃、抽样发现丢记录、错误分散。动作是清空旧结果，重新完整扫描，避免新旧数据混用。
- 先修环境再扫：中断原因是限速、超时或资源不足。动作是先调整并发或等待条件，再决定重扫范围，否则补扫仍可能再次中断。
每次重扫后，保留新旧日志并对比覆盖区间，确认缺口是否真的被补上。这样即使工具本身不提供覆盖率报告，你也能用日志字段和抽样结果，对已覆盖范围给出一个有依据的判断。
