页面权重查询，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)
🔗 /89217de1bafa.html
📄
页面权重查询，一次全站扫描被中断后怎样判断已覆盖范围
先别把中断当成“失败”，也不要直接重跑。判断已覆盖范围的关键，是找到扫描器在中断前留下的可核对痕迹：任务日志、导出文件、结果页里的时间戳或计数。用这些痕迹确定一个“已确认边界”，再决定是补扫剩余部分还是重新开始。下面以你手里的一个站点或一组页面为对象，给出可执行步骤。
先区分三件事：已确认、疑似、未覆盖
扫描中断后，最容易犯的错是把“结果里出现过的”都当作已完成。实际上，一次页面权重查询的结果通常包含三种状态，必须分开记录。
- 已确认覆盖：有明确记录表明该页被处理过，例如日志里出现抓取完成标记、导出文件里带有该页的完整字段、或结果页显示了该页的查询时间。
- 疑似覆盖：结果里只出现部分字段，或该页出现在列表里但缺少评分、链接数等核心值。它可能是处理到一半被截断，不能算完成。
- 未覆盖：在中断时间点之后才应被处理的页面，或你从站点地图、内链清单里能列出、但结果和日志里都找不到的页面。
把这三类先分出来，后面补扫时才知道哪些必须重做、哪些可以跳过。判断依据不是你的直觉，而是日志时间戳和字段完整度这两类可核对证据。
用中断时间点切出已确认边界
大多数扫描工具会在任务日志里记录开始时间、每批处理时间或最后一条成功记录。找到中断前最后一条带时间戳的成功记录，把它对应的页面作为边界。
- 打开任务日志或运行记录，定位最后一条正常完成的条目，记下它的时间和它处理的页面标识。
- 在结果导出文件里，按同一时间字段排序，找出该时间之前的所有页面，标记为已确认。
- 检查这批页面里有没有字段缺失的，把缺失的单独放进疑似列表。
- 把边界时间之后的结果全部归入未覆盖，即使它们已经出现在列表里。
这样做的结果是：你得到一个明确的“补扫起点”。如果边界之后的页面数量远小于全站总量，补扫成本低，优先补扫；如果边界只覆盖了很小一部分、且日志时间戳跳跃很大，重新全量扫描往往比拼接两次不完整的结果更可靠。
反常结果出现时，先排除这几种解释
中断扫描常伴随一个反常现象：某些页面的权重值比预期低很多，或者一批页面干脆没有值。不要直接下结论说“这些页面权重差”。先用证据区分原因。
- 处理顺序问题：扫描可能按字母、按目录或按发现顺序处理。中断点后面的页面不是权重低，而是根本没被处理。核对日志里的处理顺序即可区分。
- 字段截断：导出时中断可能导致部分行的末尾字段为空。对比同一批次里其他行的字段数量，能看出是数据本身缺失还是写入被截断。
- 页面本身不可达：如果日志显示某页返回错误或超时，它会被跳过，结果里自然没有值。这属于处理失败，不是覆盖完成。
- 查询条件不一致：两次扫描如果用了不同的地区、设备或时间范围，结果不可直接比较。先确认中断前后的条件是否相同，再谈差异。
假设一个场景：你扫描 500 个页面，日志显示处理到第 180 个时中断，但导出文件里有 260 行。多出来的 80 行很可能是字段不完整的疑似记录，而不是真的多扫了 80 个页面。此时正确动作是回到日志核对，而不是拿 260 这个数字去估算覆盖率。
补扫还是重扫：按两个条件决定
判断完覆盖范围后，选择只有两个，但成立条件不同。
优先补扫的条件：日志边界清晰、已确认部分的字段完整、且未覆盖页面能被准确列出（例如你有站点地图或内链清单作为对照）。此时补扫剩余页面，再把两次结果按页面标识合并。合并后要抽查几条边界附近的记录，确认没有重复或遗漏。
优先重扫的条件：日志没有时间戳、导出文件字段大量缺失、或你无法确定中断发生在哪一步。这种情况下补扫的起点是猜的，合并结果会混入不可靠数据。重扫虽然耗时，但能保证整批结果来自同一次一致的处理过程。
无论选哪种，下一步动作都一样：把这次扫描的覆盖范围写进记录，包括扫描时间、条件、已确认页面数和未覆盖页面数。这样下次查询时，你能直接对照，而不是重新猜。
把覆盖范围变成可复用的核对清单
一次中断处理完后，留一份可核对的清单，比记住结论更有用。清单至少包含：任务开始与中断时间、已确认边界对应的页面标识、疑似列表、未覆盖列表、以及本次使用的查询条件。
之后再做页面权重查询时，先用这份清单核对新结果是否覆盖了上次未覆盖的部分。如果新结果里仍然缺少某些页面，先查这些页面是否可达、是否被查询条件排除，再考虑工具本身的问题。覆盖范围判断对了，权重值才有比较的基础；覆盖范围没确认，任何数值差异都可能是处理不完整造成的假象。
