外链发布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)
🔗 /38710761547b.html
📄
外链发布工具一次全站扫描被中断后怎样判断已覆盖范围
先看中断发生在哪个阶段：如果工具是按站点清单逐条写入或逐条核验，中断后已处理条目通常留在任务记录或导出文件里，覆盖范围可以按“已完成条数÷清单总条数”估算；如果工具是先抓取整站再统一写入，中断往往只留下不完整缓存，此时不能把缓存条数当作覆盖范围，应先确认清单和状态字段是否落盘，再决定续跑还是重跑。
条件一：任务记录可按条目追溯，续跑前先做差集
这类工具通常会给每条URL或每个目标站一个状态值，例如待处理、已提交、已核验、失败。中断后不要直接点继续，先把当前状态导出，与原始清单做一次差集。差集里包含两类条目：一类是状态为空或停留在待处理，另一类是状态显示成功但缺少时间戳或返回标识。后者需要单独列出，因为“有状态”不等于“已覆盖”，状态字段可能是在发起请求时写入，而不是在确认响应后写入。
实际动作可以这样安排：先导出中断时的任务记录，按状态字段排序，统计已核验条目的数量；再取原始清单减去已核验集合，得到未覆盖集合；最后用未覆盖集合里随机抽取的少量条目做一次单条试跑。试跑结果会直接影响下一步——如果单条试跑能正常写入并返回可核验标识，说明工具状态机可用，续跑未覆盖集合即可；如果试跑也写不进去，说明问题不在中断本身，而在目标站限制、账号权限或任务配置，此时续跑只会重复失败。
例外情况是清单本身在中断期间被修改过。如果原始清单在扫描开始后增删过条目，差集结果会失真，需要回到扫描开始时的清单快照，否则会把新增条目误判为未覆盖，或把已删除条目算进覆盖率。
条件二：只有缓存或日志片段，先判断它能否代表覆盖
另一类工具不保留逐条状态，只留下抓取缓存、运行日志或临时文件。这时要区分三种证据：日志里出现了目标URL的请求行、缓存里存在该URL的响应体、以及最终写入结果里存在该URL的记录。三者强度不同。请求行只能证明发起过请求，不能证明写入成功；响应体存在说明拿到过返回，但可能因中断没有落库；只有写入记录才最接近“已覆盖”。
如果只有请求日志，比较稳妥的做法是把日志中出现过的URL视为“已尝试”，而不是“已覆盖”。接下来用日志条数与清单总数做比值，得到一个上限估计；再用日志时间戳判断中断点，中断点之后的条目大概率未处理。这个上限估计不能直接用于汇报覆盖率，但可以用来决定重跑范围：如果日志覆盖了清单的大部分且时间戳连续，可以只重跑中断点之后的条目；如果日志零散、时间戳跳跃，说明并发或重试打乱了顺序，按时间截断不可靠，应整批重跑。
假设一个场景：清单有200条，日志显示请求了140条，但其中30条只有请求行没有响应体。此时可确认拿到响应的约110条，另外30条状态未知。若直接按140条汇报，会高估覆盖；若按110条汇报，又可能漏掉那30条里已经写入的部分。更合理的做法是把这30条单独列为待复核，用单条核验的方式确认，而不是在覆盖率数字上二选一。
中断点附近的条目最不可信，优先复核
无论哪种工具，中断瞬间正在处理的条目状态最模糊。并发写入时，可能有多条同时处于“已发起未确认”状态；串行写入时，通常只有当前一条不确定。判断方法是看任务记录里最后若干条的时间戳间隔：如果间隔突然变大或出现重复时间戳，说明中断前有并发或重试堆积，需要复核的范围要向前多取一些；如果时间戳均匀且最后一条之后直接空白，通常只需复核最后一条。
复核动作不必全量重跑。对中断点附近的条目逐条查询目标端是否存在对应记录，把确认存在的标记为已覆盖，把确认不存在的放回未覆盖集合。这个动作的结果会改变续跑起点：如果中断点附近大部分已写入，续跑可以从更靠后的位置开始；如果大部分未写入，说明中断发生在写入前，续跑起点应提前到这批条目的开头。
决定续跑还是重跑，看三个可核对信号
- 状态字段是否可核验。如果每条成功记录都带可回查的标识，续跑风险低；如果状态只是本地标记，续跑前需要抽样回查目标端。
- 清单是否稳定。扫描期间清单未变，差集可信；清单变过，先恢复快照再判断。
- 失败是否集中在特定目标。如果未覆盖条目集中在少数目标站，可能是这些站点的限制导致，续跑前先单独验证这些目标，而不是把整批条目一起重跑。
这三个信号指向同一个判断：能核验、清单稳定、失败不集中，就续跑未覆盖集合；任一条件不成立，就缩小重跑范围或整批重跑。覆盖率数字只是这个判断的副产品，不要为了凑出一个完整百分比而把未核验条目算进已覆盖。
把判断结果落成下一次可复用的检查点
中断本身不可怕，可怕的是中断后无法回答“跑到哪了”。下一次启动扫描前，可以先确认工具是否支持按批次导出状态、是否在每条记录上写入时间戳和结果标识。如果支持，把批次大小设成可在一次运行内完成的量，中断后按批次差集续跑；如果不支持，就在外部维护一份清单和已处理标记，用工具输出回填。这样做的直接结果是：中断后你拿到的是可核对的未覆盖集合，而不是一个只能靠猜的进度条。
