外链查询工具，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)
🔗 /e5eaa4ab617b.html
📄
外链查询工具，一次全站扫描被中断后怎样判断已覆盖范围
先看扫描日志里最后一个成功完成的对象，再对照你最初提交的种子清单或站点列表，用“已完成对象数÷提交总数”估算覆盖率；如果工具只给了中断提示而没有逐对象状态，就按已导出的结果文件里的独立来源域名或目标URL去重计数，把它当作已覆盖的下限，而不是完整范围。
中断后先分清三种“看起来没覆盖”
扫描中断后，最容易把三种情况混在一起：一是任务确实只处理到一半；二是任务已跑完但结果只导出了一部分；三是任务跑完了，但工具对某些来源没有返回可识别记录，于是结果里看不到。三者对下一步的影响完全不同。
区分方法不是看总条数，而是找可核对的中间证据。假设你提交了 500 个目标页面，导出的结果里能按目标页面字段去重得到 320 个，同时日志显示最后处理到第 318 个对象，那么 320 更接近已覆盖下限，中断点可信。若日志显示已处理到 500，但导出结果只有 200 个目标页面，问题更可能出在导出或筛选环节，而不是扫描覆盖不足。
实际动作：把提交清单和结果清单各复制一份，用目标URL或来源域名做去重计数。这个动作的结果决定你下一步是补扫、重新导出，还是先检查筛选条件。
用提交清单和结果清单做一次差集
差集比总数更有用。把提交清单里的每个对象标成“结果中存在”“结果中不存在”“无法判断”三类。无法判断通常来自字段缺失、URL 规范化差异或同一页面多个变体，不要直接归入未覆盖。
- 结果中存在：可以暂时视为已覆盖，但仍要抽查少量记录是否属于同一目标对象。
- 结果中不存在：进入补扫候选，但先确认它是否被筛选条件排除。
- 无法判断：先统一 URL 形态，例如去掉多余参数、统一大小写和结尾斜杠，再重新比对。
如果差集里大量对象集中在同一目录、同一子域或同一批参数页，更合理的解释是提交范围或规范化规则有问题，而不是扫描中断导致随机遗漏。此时先修正清单再补扫，比直接重跑全站更省时间。
判断结果缺口是否影响你的使用目的
覆盖范围是否“够用”，取决于你要拿结果做什么。若只是看整体来源类型分布，已覆盖部分达到较高比例时，分布可能已经稳定；若要逐个页面核对某条外链是否存在，缺一个目标页面就可能得出相反结论。
假设你只关心 20 个重点页面的外链，而中断发生在全站扫描的前半段，那么全站覆盖率再高也不能说明这 20 个页面被覆盖。反过来，若你的目的是统计整站来源域名的粗略构成，且已覆盖对象分散在不同栏目，继续补扫的边际价值会下降。
可执行判断：先列出必须完整覆盖的对象集合，再检查这个集合在结果中的命中情况。命中完整，就可以进入分析；命中不完整，就先补扫这个集合，而不是补扫全站。
补扫前先固定口径，避免两次结果拼不起来
中断后的补扫最容易出现两次结果口径不一致：筛选条件变了、URL 规范化方式变了、导出字段变了，最后拼在一起反而无法判断覆盖范围。补扫前把本次扫描的提交清单、筛选条件、字段含义和导出时间记下来，下一次沿用同一口径。
- 记录本次已覆盖对象的下限和判断依据。
- 把未覆盖对象单独导出成补扫清单，不混入已覆盖对象。
- 补扫完成后，只把新增结果合并到原结果，保留来源标记。
- 再次用去重计数核对覆盖范围，确认缺口是否收敛。
如果补扫后缺口没有明显收敛，且未覆盖对象仍集中在同一类 URL 上，优先怀疑清单本身或工具对该类对象的处理方式，而不是继续重复全站扫描。这个判断会影响你是换一种提交方式，还是换一个更适合该对象类型的查询路径。
把“覆盖范围”写成可复核的一句话
最终不要只写“扫描了一部分”。写清楚：提交了多少个对象、结果中可去重确认多少个、判断依据是日志中断点还是导出结果、哪些对象被排除在本次判断之外。这样即使换人接手，也能复现你的覆盖范围结论。
例如可以写成：“本次提交 500 个目标页面，导出结果按目标URL去重得到 320 个，日志显示中断在第 318 个对象，因此已覆盖下限约为 320 个；剩余 180 个对象中，有 40 个因筛选条件未纳入本次统计。”这句话里的数字只是假设示例，用来展示比较方法，不代表任何工具的实际表现。按这个格式记录后，下一步是补扫、重新导出还是直接分析，就有了可核对的依据。
