百度司南工具：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)
🔗 /541c105dc551.html
📄
百度司南工具：一次全站扫描被中断后怎样判断已覆盖范围
先给结论：扫描中断后，不要用“进度条停在哪里”或“结果条数”直接推断覆盖范围，这两者都可能与真实覆盖脱节。更可靠的做法是找一份与扫描任务同源、且能按URL逐条核对的中间记录（例如任务日志、已处理URL清单或分片状态文件），用它反推“哪些已处理、哪些未知”。如果这份记录不存在或不可导出，那么这次扫描的覆盖范围本质上不可判定，应把结论降级为“部分样本”，而不是“全站”。
为什么中断后的直觉判断经常是错的
中断场景下最反直觉的一点是：页面显示“已完成80%”或结果列表很长，并不代表覆盖了80%的URL。进度可能按任务批次计数，而不是按去重后的URL计数；结果列表可能包含同一URL的多次抓取记录，也可能因为写入顺序与处理顺序不一致而出现空缺。
另一个常见误判是“结果条数接近预期就当作扫完了”。如果站点存在大量参数化URL、分页或重复模板，条数很容易被撑大；反过来，如果扫描在写入阶段被中断，已经处理过的URL也可能没有落库。因此条数和覆盖范围是两件事，不能互相替代。
可区分的原因大致有三类，判断方式不同：
- 处理中断：部分URL根本没被请求，日志里没有对应记录，需要重新排队。
- 写入中断：URL被请求过，但结果没保存，日志可能有请求痕迹而结果缺失。
- 去重或过滤导致的数量差：扫描正常，只是规范化规则合并了部分URL，看起来“少了一块”。
这三类的处理动作完全不同：第一类要补扫，第二类要补写或重跑，第三类不需要补，只需要核对规则。
用可核对的证据圈定已覆盖范围
判断覆盖范围的核心是找到“处理单位”的清单，而不是看汇总数字。假设某次扫描按URL分片执行，每个分片处理固定数量的URL，那么中断后可以这样核对（以下为假设示例，用于说明方法，不代表任何工具的实际字段）：
- 导出任务的分片状态，标记每个分片为“已完成”“处理中”“未开始”。
- 对“处理中”的分片，取该分片内的URL清单，与结果记录做左连接，得到“有结果”和“无结果”两组。
- 对“无结果”的URL，回到请求日志确认是否被访问过：访问过但无结果，归入写入缺失；未访问过，归入未处理。
这样得到的不是一个大致的百分比，而是三份可核对的名单：已覆盖、待补扫、待补写。后续动作直接建立在这三份名单上，而不是重新全站跑一遍。如果站点规模不大，重新全量扫描可能比核对更省事；但如果站点有抓取配额、有对方服务器压力限制，或者扫描本身耗时很长，那么先核对再补扫通常更划算。
保留、改写还是退出：三种取舍的适用前提
拿到核对结果后，是否继续用这次扫描的数据，取决于用途，而不是取决于覆盖了百分之多少。
保留原结果适用于：缺的URL集中在低价值区域（如标签页、归档页），且本次结论只用于方向性判断。此时可以在报告里明确标注“基于已覆盖部分”，并列出未覆盖范围，避免把样本结论说成全站结论。
改写为补扫任务适用于：缺失URL落在核心栏目、商品详情或主要落地页，且这些页面会直接影响结论。动作是把“待补扫”名单单独排队，只跑缺失部分，再与原结果合并。合并时要保留来源标记，否则后续无法区分哪些是首轮结果、哪些是补扫结果。
退出并重跑适用于：中间记录缺失、无法区分处理中断与写入中断，或者规范化规则在中断前后发生了变更。这种情况下继续补扫只会让数据口径更混乱，重跑一次并全程保留分片状态反而更省事。
这三种取舍没有默认优先级。判断标准只有一条：现有证据能否支撑你要下的那个结论。支撑不了，就降级结论或补证据，而不是靠估算填补。
一个可操作的核对顺序
如果时间有限，可以按下面的顺序推进，每一步的产出决定下一步：
- 先确认是否存在分片状态或已处理URL清单。存在，进入逐条核对；不存在，直接考虑重跑。
- 核对时先区分“未请求”和“已请求无结果”，因为这决定是补扫还是补写。
- 补扫前确认去重规则与首轮一致，否则合并后的数据会出现同一页面两种口径。
- 合并后重新统计覆盖范围，并在交付物里保留“首轮+补扫”的来源字段。
需要提醒的是，请求量归零、结果条数骤降或日志出现空档，都不能单独证明中断发生在哪一步。它们只是线索，还需要和分片状态、URL清单交叉验证。把这些线索当成结论，往往会导致补扫范围过大或过小。
结论怎么表述才不越界
在报告或交付里，覆盖范围应写成可核对的区间和名单，而不是一个孤立百分比。例如“已核对URL清单共N条，其中已覆盖X条，待补扫Y条，待补写Z条”，比“完成度约80%”更接近事实。如果中间记录本身不完整，就明确写“覆盖范围不可判定，本次结论仅基于已获取样本”。
至于百度司南工具在中断恢复、分片导出或断点续扫方面提供哪些具体入口和字段，不同版本和授权方式下可能不同，需要以你当前实际使用的界面和文档为准，核对后再决定是保留、补扫还是重跑。
