站长工具平台：一次全站扫描被中断后怎样判断已覆盖范围
📱 Mozilla/5.0 (compatible; QlyzeBot/1.0; +https://app.qlyze.io/bot)
🔗 /a3b06134d9d5.html
📄
站长工具平台：一次全站扫描被中断后怎样判断已覆盖范围
先接受一个前提：多数站长工具平台不会把“被中断的扫描”保存成一份可直接续跑的完整进度快照。中断后能拿到的，通常只有已完成部分的导出结果或逐页状态。判断覆盖范围的关键，不是看报告里有多少条记录，而是把“已抓取页面”与“应抓取页面”做一次差集，再决定是重跑、补跑还是直接换用更窄的扫描方式。
先把手里那份中断结果还原成页面级清单
打开导出文件或结果表，保留三项最小字段：完整URL、抓取状态、发现来源。抓取状态里要区分“已成功返回内容”“返回错误码”“被规则跳过”“尚未访问”。发现来源则用来判断这条URL是来自站点地图、内链还是外链。
如果工具只给了汇总数字，没有逐页行，那这份结果不足以判断覆盖范围，只能当作参考。此时应回到工具里找“页面列表”“URL明细”一类视图；若确实没有，就把它标记为不可用于覆盖判断，而不是用总数去反推。
用站点地图和内链做应抓集合的底稿
应抓集合不是“我以为存在的页面”，而是能被发现的URL。取站点地图里的URL作为主干，再抽取站内导航和正文链接指向的站内URL作为补充。两者合并去重后，得到一份候选清单。
这里有个容易出错的边界：站点地图里列出的URL可能已经失效，内链指向的URL也可能带参数。去重时按去掉跟踪参数后的规范形式归一，否则同一页面会算成两条，差集就不准。
- 站点地图URL：代表站点主动声明的页面集合。
- 内链发现的URL：代表用户实际能走到的页面集合。
- 两者之差：站点地图有但内链没有的页面，往往是被孤立或链接结构有问题的页面。
做差集，并解释“零结果”的多种可能
把候选清单与中断结果的已成功URL做差集，得到未覆盖清单。此时不要急着下结论。未覆盖数量偏大，至少有两种合理解释：一是扫描确实只跑了前一部分；二是中断前工具正按某种顺序推进，而候选清单里混入了大量不该抓的URL，比如分页、筛选参数或重复内容。
反过来，如果未覆盖数量很小甚至为零，也不能直接断定“已经覆盖全站”。可能的原因包括：候选清单本身就不完整；工具在中断前已把主要入口抓完但深层页面未展开；或者部分URL被规则跳过却仍计入了成功。需要抽查几条未覆盖清单里的URL，手动打开确认它们是否真实可达、是否返回正常内容。
一个注明假设的短例子
假设某站点地图声明1200条URL，内链又发现300条不重复URL，合并去重后候选为1400条。中断结果里有900条标记为成功。差集为500条。若抽查发现其中约一半是带筛选参数的重复页，那么真实的未覆盖量接近250条，补跑这250条比整站重跑更省时间。这个数字只是说明比较方法，不代表任何真实项目的结果。
按差集结果决定下一步动作
根据未覆盖清单的规模和性质选择动作：
- 未覆盖集中在少数目录或分页：用工具的“指定URL列表”或“重新抓取这些URL”方式补跑，补跑后再次做差集验证。
- 未覆盖分散且候选清单本身可疑：先清洗候选清单，去掉参数重复和失效URL，再整站重跑。
- 未覆盖量很小但都是重要页面：优先手动检查这些页面的可访问性和状态码，而不是依赖工具重跑。
每次动作后都重复一次差集，直到未覆盖清单只剩已知的合理例外。这个循环比“看报告完成度百分比”更能说明实际覆盖到了哪里。
需要留意的适用边界
上述方法适用于能导出逐页结果、且候选清单可自行构建的情况。如果所用站长工具平台不提供URL明细导出，或者站点本身存在大量需要登录、依赖脚本渲染才能发现的页面，差集法会明显失真，此时应改用更小的范围分批验证，而不是强行把整站结论套上去。具体工具是否支持这些导出和补跑方式，需要以你实际使用的版本为准去核对。
