seo关键词优化软件全站扫描中断后，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)
🔗 /6a2189b44bee.html
📄
seo关键词优化软件全站扫描中断后，怎样判断已覆盖范围
先别急着重新跑一遍。中断后判断覆盖范围，关键不是看进度条走到哪里，而是把“已完成的任务记录”和“尚未处理的输入清单”做一次差集。如果软件留下了逐条日志或结果表，优先以它为准；如果只留下汇总数字，就要用抽样复核来确认这个数字对应的是哪一段输入。
矛盾现象：进度显示 80%，结果却像只扫了一小部分
全站扫描被中断后，最常见的情况是进度百分比和实际结果对不上。可能显示已完成大半，但导出的结果里只有首页、栏目页和少量详情页。这不是软件一定出错了，而是“进度”和“覆盖”在多数工具里本来就是两套计量方式。
一种解释是：进度按任务队列计算，队列里包含大量重复 URL、参数页或已合并的近似页面，所以百分比涨得快，实际独立页面并不多。另一种解释是：进度按响应数量计算，而中断前有大量请求超时、被限速或返回空内容，这些请求也被计入了“已处理”，但它们并没有形成可用的覆盖证据。
这两种解释指向的下一步完全不同。前者说明覆盖其实接近完成，只差去重后的补扫；后者说明表面进度虚高，真正需要重扫的范围可能比想象中大。
区分两种解释的证据：日志、输入清单和响应状态
要判断属于哪一种，先找三样东西：逐条任务日志、原始输入清单、响应状态分布。三者能对上，覆盖范围才可信。
- 逐条日志：每条 URL 是否有开始时间、结束时间、状态码或明确的结果标记。有结束标记的才算真正处理过。
- 原始输入清单：扫描前提交的 URL 列表、站点地图或抓取来源。没有这份清单，就无法计算差集。
- 响应状态分布：2xx、3xx、4xx、5xx、超时各占多少。超时和 5xx 偏多时，进度数字的可信度会明显下降。
一个可操作的验证动作是：从日志中随机抽 20 条标记为“已完成”的 URL，逐条在浏览器或命令行里核对是否真的返回了预期内容。如果 20 条里有多条打不开、跳转到别处或返回空页，那“已完成”就只是请求发出过，不等于覆盖成立。这个结果会直接决定下一步：抽样通过率高，可以只补扫缺失段；通过率低，就要把状态异常的那一批整体重扫。
用差集算出真实覆盖，而不是依赖百分比
假设扫描前提交了 5000 条 URL，中断后日志里有结束标记的是 3200 条，其中 400 条是超时或 5xx。那么可视为有效覆盖的是 2800 条，未覆盖和需重扫的合计约 2200 条。这里的数字只是用来说明比较方法，不代表任何工具的实际表现。
具体动作是：把输入清单和日志按 URL 做一次匹配，分成四组——已成功、已失败、未出现、重复。已成功组可以直接沿用；已失败组需要重扫；未出现组是中断造成的缺口；重复组要先去重再决定是否补扫。做完这一步，下一步的扫描范围就由这四组的大小决定，而不是由进度条决定。
中断后要不要直接全量重跑
如果日志完整、输入清单还在、失败组占比不高，优先补扫缺口，成本更低，也不会覆盖掉已有结果。如果日志缺失或只有汇总数字，全量重跑反而更省判断成本，因为无法可靠区分哪些结果可信。
判断标准可以简化成一条：能否把每一条输入 URL 对应到一个明确的结果状态。能对应，就做差集补扫；不能对应，就接受重跑。中断本身不证明任何一方处理正确，它只是暴露了记录完整性的差异。
把这次中断变成下一次的检查点
无论这次选择补扫还是重跑，都建议在恢复扫描前先确认三件事：输入清单是否固定、日志是否逐条落盘、失败状态是否单独标记。这样下次再中断时，判断覆盖范围只需要做一次差集，而不是重新猜测进度数字的含义。覆盖范围清楚了，后续的关键词映射和优化决策才有可用的输入。
