英文关键词工具，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)
🔗 /12f9000b4e98.html
📄
英文关键词工具，一次全站扫描被中断后怎样判断已覆盖范围
先别急着重跑。中断后判断覆盖范围，核心是拿到一份可核对的“已处理清单”，再把它和原始目标清单做差集。如果你手里的工具只显示进度条和总数，没有导出已完成条目的能力，那么这次扫描的覆盖范围实际上无法精确判断，只能整批重跑；如果它能导出已处理条目，或者你事先按批次拆分过任务，就可以只补缺失部分。下面以你手上那份“待扫描页面清单”为对象，把它变成可执行的补扫方案。
先确认中断发生在哪一层：取数、处理还是写入
全站扫描通常分三段：抓取目标清单、对每个目标取数、把结果写入存储。中断点不同，覆盖判断方式完全不同。
- 取数阶段中断：已完成的目标可能已取到数据但未写入。这时看日志里的“开始处理”记录，而不是看结果条数。
- 写入阶段中断：数据已取到，只是没落库。这类目标重跑代价低，但要注意去重。
- 清单生成阶段中断：连目标列表都不完整，此时讨论覆盖范围没有意义，应先重建清单。
判断依据是日志时间戳与结果写入时间是否对齐。如果日志显示某目标已开始处理，但结果表里没有它，那它属于“可能已取数未写入”，需要单独标记，不能简单算作未覆盖。
用“已完成条目导出”做差集，而不是看百分比
进度条上的百分比通常按任务数估算，中断时可能停在某个整数上，但它不告诉你具体是哪些条目完成了。可靠做法是导出已完成条目，与原始清单比对。
- 从工具导出已完成或已处理的目标标识（URL、页面ID或查询词）。
- 把原始全站清单整理成同样格式的标识列。
- 做差集：原始清单减去已完成清单，得到待补扫集合。
- 检查差集里有没有重复标识或已失效页面，先剔除再补扫。
如果工具不支持导出已完成条目，退一步的做法是查运行日志，按时间顺序找出最后一条成功记录，把它之前的目标视为可能已覆盖，之后的目标视为未覆盖。这个边界是近似的，中间可能有跳过的条目，需要抽样验证。
抽样验证边界，确认差集是否可信
差集算出来后，不要直接全量补扫。先从“已覆盖”集合里随机抽一小批，检查它们的结果是否完整、字段是否缺失。再从“未覆盖”集合里抽几条，确认它们确实没有结果记录。
假设你有一万条目标，中断时导出已完成八千条。抽样发现已完成集合里有约百分之五的结果字段为空，那说明写入可能不完整，差集偏小，实际需要补扫的范围比计算值大。这个比例只用于说明验证方法，不是固定阈值。
抽样结果决定下一步：如果已完成集合质量可靠，直接补扫差集；如果发现大量空字段，说明中断影响了写入，应把边界附近的一批目标也纳入补扫，而不是只补差集。
按批次重建任务，让下次中断可恢复
这次判断完覆盖范围后，补扫时顺手把任务拆成可独立完成的小批次，每批有明确的起止标识和独立结果文件。这样下次中断时，你只需要看哪些批次文件已生成，覆盖范围一目了然。
具体动作：把待补扫集合按每批固定条数（例如两百条）切分，每批单独运行并导出结果。运行结束后检查批次文件数量与预期批次数的差，差多少就补多少批。这个动作的结果直接决定你下次中断后的恢复成本——批次文件在，恢复就是几分钟的事；没有批次文件，就只能回到本文开头的差集方法重新推算。
旧内容退出场景下，覆盖判断还要多一步取舍
如果你的扫描对象是旧内容、旧系统或旧合作关系留下的页面，覆盖范围判断之后还要决定哪些值得补扫。不是所有未覆盖页面都需要重新处理。
对差集里的每条目标，先看它是否仍然有保留价值：还在产生访问、还被外部引用、还是当前业务的一部分。如果三者都不成立，可以直接标记为退出，不纳入补扫。这一步的取舍依据来自你手上的资料，而不是工具给出的覆盖数字。覆盖范围告诉你“哪些没扫到”，保留判断告诉你“哪些值得扫”，两者结合才是可执行的处理方案。
