百度下拉词工具：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)
🔗 /6cc8475a1f4c.html
📄
百度下拉词工具：一次全站扫描被中断后怎样判断已覆盖范围
扫描被中断后，不要凭“跑过多久”或“看到多少条”直接认定覆盖范围。更稳的做法是回到你手头那份未完成的扫描记录，用已落盘的结果反推哪些对象已经查过、哪些只是进过队列但没有返回，再决定是补扫缺口还是缩小范围重跑。下面以一份中断的扫描输出文件为对象，说明具体怎么判断。
先区分“已产出结果”和“已进入队列”
很多人会把日志里出现过、但没等到返回的查询也算作覆盖，这是判断失准的主要原因。中断后的记录通常混着三类行：已经写出结果的行、只标记开始却无结果的行、以及根本没被写进日志的行。只有第一类能算已覆盖，后两类都要视为缺口。
具体动作是给每一行加一个状态字段，而不是只保留查询词。可以按下面的方式整理：
done：查询已返回，且结果字段非空或明确记录“无结果”。started：日志有开始标记，但没有对应结果行，属于待补。queued：在输入清单里，但日志中查不到任何痕迹，也属于待补。
做完这一步，你得到的不是“大概扫了多少”，而是一份能直接接续的待办清单。下一步是决定补扫还是重跑，这取决于缺口是否集中。
用输入清单对账，而不是用输出条数估算
输出条数受每个查询返回多少条影响，不能代表对象覆盖。真正可靠的对账基准是你最初喂给工具的输入清单——比如一批页面、一批词根或一批 URL。把输入清单和 done 集合做差集，才是真实缺口。
假设输入清单有 500 个对象，中断后 done 有 320 个、started 有 40 个、剩余 140 个没进日志。这时不能对外说“覆盖了 64%”，因为那 40 个状态未知。合理表述是“已确认覆盖 320 个，40 个需复核，140 个未处理”。
这里有个容易忽略的点：如果工具在中断时没有把输入清单单独存盘，你只能从日志倒推，覆盖判断的可靠度会下降。此时应优先确认原始清单是否还在，再决定是否值得继续用这份记录。
两种续跑方式的选择条件
面对缺口，通常有两种做法，选择依据不是习惯，而是缺口分布和结果时效。
只补缺口
适用条件：done 结果仍然有效，缺口集中在清单尾部或某个连续区间，且两次运行之间目标对象没有明显变化。代价是要保证续跑逻辑能正确跳过已完成项，否则会重复消耗。
整体重跑
适用条件：结果有时效性、中断时间较长、或 done 与 started 混杂难以拆分。代价是重复劳动，但换来一份状态一致的完整结果，后续对账更简单。
判断哪种更合适，可以看一个信号：如果 done 集合的完成时间集中在中断前，而中断后没有任何新结果落盘，说明中断点清晰，补缺口可行；如果结果时间戳零散、跨越多次异常，重跑更稳妥。
把判断结果写成可执行的下一步
完成对账后，输出一份简短说明，至少包含三块内容：已确认覆盖的对象数、待补对象清单、以及本次判断所依据的假设。假设要写清楚，比如“假定中断后目标对象未发生变化”。
如果选择补缺口，下一步动作是把待补清单作为新输入单独跑一次，并在跑之前先确认工具能识别已完成标记，避免从头开始。跑完后用同一份输入清单再做一次差集，差集为空才说明覆盖完整。如果选择重跑，下一步是保留旧结果作为对照，而不是直接覆盖，这样万一新结果异常还能回退。
无论选哪种，都不要把“日志里出现过”当作覆盖证据。覆盖范围只能由输入清单减去已确认完成的集合得出，这个结论会直接决定你接下来是补扫、重跑，还是先修记录再继续。
