百度分享插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)
🔗 /4ab4d08ffc3b.html
📄
百度分享插件全站扫描中断后怎样判断已覆盖范围
扫描中断后，先不要重跑，也不要直接假定没扫到的部分就是干净的。判断已覆盖范围，最可靠的做法是找一个你手里已有的旧页面或旧资料，用它反推扫描器实际走到了哪里。下面以你手上任意一个旧页面为对象，逐步转成可执行的处理方案。
先确认扫描器记的是“访问过”还是“处理完”
中断时最容易混淆的两种状态是：页面已经被抓取，但结果还没写入；以及结果已经写入，但状态没来得及更新。这两者对覆盖范围的影响完全不同。
判断方法是看扫描日志或输出文件里有没有该页面的记录。有记录不等于处理完成，你要进一步看该记录是否带有完整的字段，比如页面标题、分享组件所在位置、检测结论。字段缺失的记录只能算“访问过”，不能算“已覆盖”。
这一步的实际动作是：把日志按时间排序，找到最后一条完整记录，把它之前的所有记录视为已覆盖，之后的所有记录单独列出，不并入覆盖范围。这样得到的边界比按数量估算更接近真实情况。
用一个已知页面验证覆盖边界
假设你手上有一个旧页面，你知道它上面确实存在百度分享插件，也知道它大概在站点结构里的位置。用它做验证样本，比随机抽查更有效。
具体做法：在扫描输出里搜索这个页面的地址。如果它出现在最后一条完整记录之前，说明覆盖范围至少延伸到了它所在的位置；如果它只出现在不完整记录里，或者根本没出现，说明边界在这之前。这个结果直接决定你下一步是从头重扫，还是只补扫边界之后的部分。
如果这个页面本身有多个版本或多次改动，选改动最少的那一版作为样本，避免把内容变化误判成扫描遗漏。
区分三种“没覆盖”的原因
边界之后的部分没有记录，不一定都是中断造成的。常见有三种情况，处理方式不同：
- 中断导致未处理：日志里完全没有该地址，且该地址在站点结构中位于已知边界之后。这类需要补扫。
- 抓取失败：日志里有该地址但状态是错误或超时。这类不是覆盖范围问题，而是可达性问题，需要单独排查，不能简单归入未覆盖。
- 本来就不该扫：该地址被规则排除，或者本身不包含分享组件。这类即使补扫也不会有结果，先确认规则再决定是否纳入。
把这三类分开记录，你才能知道补扫的工作量到底有多大。如果第二类和第三类占多数，重扫整站可能是浪费。
把边界转成补扫清单
确定边界后，不要直接对整站重跑。先把边界之后的地址整理成一份清单，按站点结构分组，比如按目录或按页面类型。清单里标注每个地址属于上面三类中的哪一类。
然后只对第一类执行补扫。补扫完成后，用同样的方式检查补扫结果里是否出现了新的不完整记录。如果补扫再次中断，重复这个判断流程，而不是扩大范围。
这个动作的结果会直接影响下一步：如果补扫后边界明显前移且不再中断，说明可以继续；如果补扫仍然在相近位置中断，说明问题可能不在扫描范围，而在某个特定页面或特定目录触发了中断，需要先定位那个触发点。
旧系统退出时，覆盖范围只决定保留还是删除
如果这次扫描的目的是决定旧内容或旧合作关系是否退出，那么覆盖范围的作用是：只对已覆盖且确认存在分享组件的页面做处理决策。未覆盖的部分不能作为删除依据，因为你还不知道那里有什么。
对已覆盖的页面，按分享组件是否仍有价值分两类：仍在使用或仍有流量的保留，确认无价值且无关联的列入退出清单。未覆盖的部分先保持现状，等补扫完成后再判断。这样即使扫描中断，你也不会因为信息不全而误删仍然有价值的部分。
