自动化宣传软件：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)
🔗 /0ec4e0e47901.html
📄
自动化宣传软件：一次全站扫描被中断后怎样判断已覆盖范围
先给结论：中断后的覆盖范围不能靠“扫到哪一页”来判断，而要靠任务日志里的边界记录。如果软件在中断前写入了可续跑的检查点，你就能精确知道覆盖到哪里；如果只留下进度百分比或最后访问时间，覆盖范围只能估算，且必须重新抽样验证。两种情况下后续动作完全不同，下面分开说。
有检查点记录时，覆盖范围可以直接核对
支持断点续跑的自动化宣传软件，通常会在扫描过程中把已完成的单元写入一个持久化记录，比如已处理的URL清单、已抓取的页面指纹或分片编号。中断后重新打开任务，如果软件能显示“已完成N项、待处理M项”，并且这个N与日志中的最后一条完成记录一致，那么覆盖范围就是确定的。
判断依据不是进度条，而是三个可核对的证据：
- 最后一条完成记录的时间戳，是否早于中断发生的时间；
- 该记录对应的标识（URL、页面指纹或分片号）是否能在原始清单中找到；
- 待处理清单是否与总清单减去已完成清单后的结果一致。
三个条件都成立，才可以把已完成部分当作有效覆盖。此时的实际动作是：只对未完成部分重新发起扫描，不要全量重跑。这样做的影响是，后续比对结果不会被重复数据污染，同时节省的等待时间可以用于人工抽查已完成部分的边界样本。
一个假设的核对例子
假设总清单有1200个页面，日志显示已完成到第740项，检查点文件记录的最后一项是第740项对应的URL。重新扫描时从第741项开始，完成后把两段结果合并。合并前先抽查第735到745项，确认第740项前后没有遗漏或重复。如果抽查发现第740项实际未被处理，说明检查点写入有延迟，覆盖范围要向前回退到最后一个确认完成的项。
只有进度百分比时，覆盖范围只能估算并验证
很多工具在中断后只保留一个百分比或“最后运行时间”。这种情况下，百分比本身不能作为覆盖依据，因为它可能按页面数、字节数或任务步骤计算，中断瞬间的显示值往往不是已完成量。你需要换一种方式确定范围。
可用的替代证据包括：
- 导出中断前生成的中间结果文件，统计其中的唯一标识数量；
- 查看原始输入清单，标记出中间结果里出现过的项；
- 对未标记的项按位置分层抽样，比如按清单顺序每隔一定数量取一项，手动触发单页检查。
如果抽样发现未标记项中有一部分实际已被处理，说明中间结果不完整，覆盖范围被低估；如果已标记项中有内容缺失，说明覆盖范围被高估。两种偏差都会影响后续判断，所以抽样至少要覆盖清单的首、中、尾三段。
选择依据：什么时候可以接受估算
如果这次扫描只用于发现明显异常，比如失效链接或标题重复，估算加抽样通常够用。如果扫描结果要用于对外报告或批量修改，估算不够，必须回到有检查点的模式重跑，或者把任务拆成更小的批次，每批完成后立即落盘。这里的取舍是时间与可信度：接受估算意味着后续要花时间验证，追求确定则要在任务配置上做调整。
多个角色对覆盖范围有分歧时，把分歧转成核对项
运营、技术、内容几个角色对“扫了多少”常有不同理解：运营看的是界面上显示的进度，技术看的是日志文件，内容看的是导出的结果条数。分歧本身不说明谁对，只说明大家引用了不同的证据源。处理方式是把每个角色的说法转成一条可核对的断言。
例如：
- “扫了八成”转成“已完成清单中的前80%条目，且每条都有对应输出”；
- “没扫完”转成“清单中后20%条目在输出文件中找不到标识”；
- “结果能用”转成“抽样20条，其中至少18条在目标页面中能复现”。
每条断言指定一个证据来源和核对人，核对完成后分歧自然收敛。实际动作是先冻结当前输出文件，再逐条核对，避免核对过程中任务被重启导致证据变化。核对结果决定下一步是补扫、重扫还是直接使用。
例外与适用条件
以上判断成立的前提是：原始输入清单在中断前后没有被人为修改，且输出文件的写入没有被其他任务覆盖。如果清单在中断期间被增删，覆盖范围要按修改后的清单重新计算。如果输出目录被其他批次写入，需要先按任务标识或时间戳分离数据，再判断覆盖。
另外，抓取量或处理量归零不一定代表覆盖为零，可能是输出路径变更、权限问题或任务被调度器暂停。遇到这类现象时，先检查任务状态和输出目录，再下结论。必要时应联系工具提供方确认其检查点机制的具体行为，因为不同工具的落盘时机和粒度并不相同。
最终判断标准只有一个：能否用可核对的记录复现“哪些项已完成”。能复现，覆盖范围就是确定的；不能复现，就只能估算，并把验证成本计入下一步计划。
