友链查询：自动导出遗漏分页时怎样检查完整性
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /2af08f24e0cb.html
📄
友链查询：自动导出遗漏分页时怎样检查完整性
先给结论：自动导出遗漏分页，通常不是导出功能坏了，而是导出只抓了当前可见页或第一页。检查完整性的核心动作是拿导出结果的总条数与查询结果的实际总数对账，再抽验边界页的链接是否在文件里。对不上，就说明分页没走完，后续的核对和交付都要暂停。
先确定“完整”的对照标准是什么
自动导出之前，页面上一般会显示一个总数，比如“共 N 条”。这个 N 就是对照标准，但它未必等于你真正需要的数量。如果查询条件里带了域名过滤、状态过滤或时间范围，页面总数是过滤后的结果，导出文件也应该等于这个数。若导出工具只导出当前筛选结果的前若干页，文件条数会明显小于 N。
还有一种情况：页面总数本身是估算值，翻到最后一页时实际条数会变。这时不能只信第一屏的数字，要以翻到最后一页后看到的末页条数为准。两个数字不一致时，取更小的那个作为下限来对账，避免把估算值当成真实总量。
用三个可区分的证据判断遗漏位置
把导出文件的行数和页面总数对比，只能知道“少了”，不能知道“少在哪”。要进一步定位，可以看三组证据：
- 条数差：文件条数明显少于页面总数，且差额接近每页条数的整数倍，通常意味着最后若干页没被抓取。
- 边界页内容：手动翻到最后一页，记下最后几条链接，再在导出文件里搜索。搜不到，说明尾部分页缺失。
- 排序稳定性：如果导出过程中列表顺序会变，比如按更新时间排序而数据在变动，重复抓取可能造成重复或漏抓。这时条数对得上也不能直接判定完整。
这三组证据指向的原因不同：条数差指向分页没走完，边界页缺失指向抓取中断，排序不稳指向抓取过程本身不可靠。先分清原因，再决定是重导还是换方式。
一个假设例子：把对账变成可执行动作
假设页面显示共 480 条，每页 20 条，导出文件只有 400 条。差额 80 条正好是 4 页，这时优先怀疑导出只走到了第 20 页。动作是：手动翻到第 21 页，取前 3 条链接，在导出文件里搜索。如果搜不到，基本确认尾部 4 页遗漏。
下一步不是立刻重新导出，而是先确认查询条件是否在导出期间被改动。若条件没变，重新导出并观察文件条数是否达到 480；若仍停在 400，说明工具对分页有上限，需要改用按时间分段导出，把 480 条拆成几个区间分别导出再合并。合并后再按链接去重，检查总数是否补齐。这个动作的结果直接决定后续是继续用自动导出，还是改成手动分段。
多人对“完整”理解不一致时怎么统一
常见分歧是：一方认为文件条数等于页面总数就算完整，另一方认为还要检查链接是否重复、是否包含已失效的友链。这两种理解对应不同的核对项目，应该在导出前就写清楚。
可以列一个最小核对项：导出条数、页面总数、末页抽样是否命中、重复链接数量、失效链接数量。每个项目写明由谁核对、以什么为准。这样分歧就从“完不完整”变成“哪一项没对上”，可以直接分配处理动作。若某一方只关心条数，就在交付说明里注明其余项目未核对，避免把未验证的部分当成已验证。
对账通过后仍要留一步抽验
条数对得上不代表内容没错。分页抓取可能在翻页瞬间漏掉刚插入的新记录，也可能把同一链接抓了两次。抽验方法是：从导出文件里随机取首、中、尾各若干条，回到页面搜索确认存在；再从页面末页取几条，确认在文件里。两步都通过，才可以把这份导出结果作为后续核对或交付的底稿。
如果抽验发现尾部仍有缺失，就不要在缺失的文件上继续做去重或统计，先把分页补全，否则后面的所有结论都建立在残缺数据上。补全后重新对账一次，确认总数和抽样都稳定，再进入下一步处理。
