关键词推荐工具：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)
🔗 /42b91e6aa6ef.html
📄
关键词推荐工具：一次全站扫描被中断后怎样判断已覆盖范围
中断后不要凭感觉决定“继续用”还是“重跑”。先拿到一份可核对的覆盖清单，再按缺口性质分流：缺口集中在未处理队列，就保留已完成部分、只补剩余；缺口涉及已处理结果但无法确认写入完整，就重跑受影响范围；如果工具本身没有可导出的进度记录，退出这次结果、改用能留下阶段标记的方式，才是更稳的取舍。
先判断中断发生在哪一层
“已覆盖范围”不是单一数字，至少分三层：请求层、结果层、写入层。请求层指任务是否把目标页面或查询批次发出去；结果层指返回内容是否被解析成候选词；写入层指候选词是否落进结果表或导出文件。中断可能只打断其中一层，后面几层未必同步。
可区分的证据是：如果导出文件里最后若干条记录的时间戳连续，且任务日志显示请求批次停在某个编号，通常说明请求层和写入层基本对齐，缺口在后续批次。如果日志显示请求已发出但结果表里找不到对应记录，缺口更可能落在写入层，此时保留旧结果的风险高于重跑。如果工具只给一个“完成百分比”而不给批次记录，这个百分比不能单独当作覆盖依据。
请求量、抓取量或进度条归零，都不能单独证明处理正确。它们还可能来自会话过期、并发被限、目标站点返回异常、本地磁盘写满或进程被系统回收。要排除这些解释，至少需要同时看到批次编号、时间戳和结果行数三项中的两项能相互印证。
保留已完成部分的前提
保留并补跑，适合以下条件同时成立：
- 结果文件按批次或时间分段，且每段能对应到明确的输入范围；
- 未完成部分与已完成部分之间没有依赖关系，例如不是必须先去重再合并；
- 你能接受补跑时输入范围与第一次略有差异，并愿意在最终结果里标注这个差异。
满足这些条件时，实际动作是：先冻结当前导出文件，不再往同一文件追加；再根据最后一条完整批次的边界，生成一份只含剩余范围的补跑清单；补跑完成后，用“输入范围去重后数量”与“结果表去重后数量”做一次对账。对账结果会直接影响下一步——如果两者差距在预期波动内，可以进入筛选；如果差距明显偏大，说明中断期间可能混入了重复或缺失记录，应回到重跑判断，而不是继续往下游走。
假设某次扫描按页面分批，日志显示第 1 至第 40 批已写入，第 41 批请求发出但无写入记录。此时保留第 1 至第 40 批、补跑第 41 批及之后，是合理选择；但如果第 41 批的请求已经改变了目标站点的会话状态，补跑前需要先确认会话是否仍有效，否则补跑结果会与前半段不可比。
改写结果而不是全量重跑的条件
有些中断并没有丢数据，只是让结果处于“半结构化”状态：候选词已抓到，但分组、去重或来源标记不完整。这种情况下，全量重跑成本高，改写更合适。前提是原始返回内容仍可访问，且你能按来源字段重新归并。
可执行的动作是：保留原始结果表，另建一张整理表；按来源页面、查询批次、抓取时间三个字段重新分组；对同一候选词保留最早出现记录并标注后续出现次数。整理完成后，抽取若干条与原始记录逐条比对。如果比对一致，后续筛选可以基于整理表进行；如果出现无法回溯来源的记录，说明改写过程引入了不可验证内容，应把这一部分退回重跑，而不是继续使用。
改写适合结果量大、原始内容可回查、且业务上更看重候选词集合而非逐条来源精确性的场景。若业务要求每个候选词都能追溯到具体页面和批次，改写带来的便利不足以抵消核验成本，重跑更合适。
退出这次结果并换方式的判断依据
退出不是失败，而是一种取舍。出现以下任一情况时，继续修补的收益通常低于重新组织一次扫描：
- 工具没有可导出的阶段进度，只有最终状态；
- 中断原因与目标站点或网络环境有关，重跑同一方式很可能再次中断；
- 已完成部分的输入范围本身已经变化，补跑无法与前半段对齐；
- 结果需要交给他人执行，而当前覆盖范围无法用一句话说明清楚。
退出后的动作不是简单重来，而是把扫描拆成可独立验收的小段：每段有明确输入、明确输出和独立的结果文件。这样即使再次中断，也能直接判断哪一段已完成。代价是管理成本上升，适合对覆盖完整性要求高、且中断已经发生过一次以上的情况。
把判断落到一个可复用的对账动作
无论保留、改写还是退出，最后都要落到同一个动作：用输入清单与结果清单做一次范围对账，并记录对账时的假设。对账至少包含三项：输入范围是否完整、结果是否可按批次回溯、未覆盖部分是否已明确列出。三项都能回答，这次中断的影响就是有界的；有一项无法回答，就不应把当前结果直接用于后续决策。
具体信息如工具是否支持批次导出、进度记录保留多久、中断后能否续跑，需要以你所使用工具的当前说明为准，不同版本和部署方式可能不同。判断覆盖范围的方法本身不依赖某个品牌，但前提是你手头至少有一种能留下阶段痕迹的记录方式。
