淘宝关键词查询：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)
🔗 /ffd705355b5e.html
📄
淘宝关键词查询：一次全站扫描被中断后怎样判断已覆盖范围
中断后不要从头重跑，也不要凭“跑了多久”估算覆盖。先确认扫描器是否留下了可续跑的进度记录；有记录就按记录标注的边界续跑，没有记录则只能缩小查询范围重扫，并把已产出部分当作不完整样本使用。判断覆盖范围的核心依据是“扫描单元是否被逐条标记完成”，而不是总耗时或总请求数。
先分清三种中断，覆盖结论完全不同
同样是中断，落在哪一步决定了已覆盖范围能不能被信任。
- 查询清单尚未取完就中断：此时连“要扫哪些词”都没确定，已产出的结果没有分母，不能谈覆盖率。
- 清单已定、逐词取数中途中断：这是最常见的情况。如果工具按词写入了完成标记，覆盖率等于已标记词数除以清单总词数；如果没有标记，只能确认“至少这些词取过”，无法确认“其余词没取过”。
- 取数完成、写库或导出阶段中断：查询侧已覆盖，缺的是落盘。这种情况应重跑写库，而不是重跑查询，否则会重复消耗请求配额。
先做一步实际动作：打开工具的日志或任务记录，找有没有按单元（词、类目、页码）写的完成标记或断点。这个动作的结果直接决定下一步——有断点就续跑，没有断点就必须改为分批小范围扫描，否则每次中断都要从头再来。
没有断点记录时，用抽样反推覆盖边界
假设一次扫描按关键词清单顺序执行，中断前处理到第 N 个词附近。你可以从清单中抽取若干位置已知的词，逐个在结果里查是否存在对应记录，用“最后一个有记录的词”和“第一个没有记录的词”夹出大致边界。这只是假设示例，用于说明比较方法：若抽到的第 300 个词有记录、第 350 个词无记录，边界落在两者之间，而不是精确等于 300。
这种反推有两个前提必须满足：扫描严格按清单顺序执行，且结果写入没有延迟。如果工具并发处理多个词，或写入是批量延迟提交的，边界会明显模糊，此时抽样只能给出“大致覆盖到哪一段”，不能当作精确覆盖率。遇到并发或延迟写入，更稳妥的做法是直接放弃这次的部分结果，重扫一个更小的范围。
保留、改写还是退出：三种取舍的适用前提
判断完覆盖范围后，面对已产出的部分数据，通常要在三条路里选一条。
保留适用于：已覆盖部分本身就是一个完整切片，例如你按类目分批扫，中断发生在某个类目边界上。此时这部分数据可以独立使用，只需在后续分析里标注它代表哪个类目，不要和其他批次混算总量。
改写适用于：清单太长导致每次都跑不完。把一次全站扫描拆成按首字母、按类目或按页码的多个子任务，每个子任务单独记录完成状态。改写后单次中断的损失被限制在一个子任务内，续跑成本大幅下降。
退出适用于：既没有断点，又无法确认边界，且数据本身对完整性要求很高（例如要做全量词频统计）。这种情况下继续用残缺数据得出的结论可能误导后续选词，不如换用支持断点续跑的方式重做。
续跑前要核对的两个条件
决定续跑时，先核对工具是否支持“跳过已完成单元”。如果支持，续跑会自动从断点继续；如果不支持，续跑会从头开始，等于把已跑的部分再跑一遍，可能触发频率限制或浪费配额。
第二个条件是查询口径是否一致。中断前后如果换了筛选条件（比如改了时间范围、地域或类目），续跑结果和已产出部分就不属于同一口径，拼在一起会失真。续跑前把参数固定下来，并在记录里写明本次扫描使用的口径，方便日后判断这批数据能不能合并。
至于具体工具是否提供断点记录、记录存在哪里、续跑时如何跳过已完成项，不同工具差异很大，需要以你实际使用的工具说明为准，不要套用其他工具的操作路径。
把覆盖判断固化成一条可复用的规则
与其每次中断后重新纠结，不如在扫描前就定一条规则：任何全站扫描都必须能回答“哪些单元已完成”。具体做法是让扫描按可枚举的单元切分，并在每个单元完成后留下标记。这样无论中断发生在什么时候，覆盖范围都是一个可以直接读取的数字，而不是需要事后反推的估计。规则定下来之后，中断就从“要不要重跑”的难题，变成了“从哪个标记继续”的常规操作。
