博客外链工具：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)
🔗 /d11eb3086ea6.html
📄
博客外链工具：自动导出遗漏分页时怎样检查完整性
先别重跑整个导出。把上次导出的文件、当时的筛选条件和分页参数放在一起，按“页数—记录数—边界记录”三层对照，通常十几分钟就能判断是漏页、漏记录，还是导出把空页吞掉了。检查结论决定下一步：补导缺失页、改分页策略，还是保留旧结果只做人工补录。
先固定一个可复现的检查对象
你手上需要三样东西：上一轮导出的原始文件（不要用二次整理过的表）、导出时使用的筛选条件、以及工具显示或日志里记录的总页数。如果总页数没有留存，就用同一条件做一次只读的计数查询，把“符合条件的总条数”当作基准。
关键动作是先确认导出是否分页。很多博客外链工具的自动导出会按固定条数切页，页大小可能是 50、100 或 200，具体数值需要以你所用工具的实际设置为准。拿到页大小后，用总条数除以页大小：能整除，总页数就是商；不能整除，总页数向上取整。这个数字就是后面核对的标尺。
用“页数缺口”定位漏在哪一段
把导出文件按记录顺序编号，检查编号是否连续。连续编号里出现跳段，说明中间有整页没写进来；编号连续但末尾条数明显少于“总条数减已导条数”，说明漏的是最后一页或最后几页。
- 开头缺页：常见于导出从第二页才开始，第一页被当作已处理跳过。
- 中间缺页：多见于并发抓取时某次请求失败但没有重试，文件里表现为编号断层。
- 末尾缺页：最后一页不满，容易被判断为“空结果”而丢弃。
- 整段重复：某页被写入两次，会掩盖缺页，所以既要查缺号也要查重号。
如果编号本身不是工具生成的，而是你导出后自己加的，那它只能证明文件内部连续，不能证明相对源数据完整。这种情况下要改用记录的唯一标识（如外链来源 URL 加目标页 URL）去和计数结果比对。
区分三种“看起来漏了”的原因
导出条数少于预期，不一定是分页遗漏。至少有三种合理解释，处理方式完全不同。
- 筛选条件在两次操作间变了。比如第一次导出限定了时间范围，第二次计数没限定，基准本身就不可比。核对时要把两次的条件逐项对齐。
- 去重规则生效。工具可能按来源域名或按 URL 去重，导出的是去重后结果，而计数查询统计的是去重前记录。此时差额是规则造成的，不是漏页。
- 源数据在两次操作之间发生了变化。旧合作关系退出、旧内容下线，都会让条数减少。这种情况下“补齐”反而会把已经失效的记录重新拉回来。
判断方法很简单：用同一条件、同一时间点连续做两次计数。两次结果一致，说明是分页或去重问题；两次结果不一致，先解决数据变动，再谈完整性。
补导时改一个参数，结果会明显不同
假设某次导出总条数为 1043，页大小 100，那么应有 11 页，最后一页只有 43 条。如果导出文件只有 10 页、1000 条，缺的就是第 11 页。这时不要从第一页重跑，直接指定从第 11 页开始补导，然后检查补导结果是否为 43 条。
补导条数对上了，说明只是末页被丢弃，把补导文件按顺序追加即可。补导条数仍然不足 43，说明末页内部还有截断，需要检查该页是否有单条记录过长、字段缺失或编码异常导致写入中断。这一步的结果直接决定下一步：前者合并文件就能交付，后者必须先修数据再合并，否则合并后仍会在同一位置断掉。
如果工具不支持按页补导，只能整段重跑，那就先把页大小调大或调小再试一次。页大小变化后总页数也会变，用新的页数重新算一遍基准，不要拿旧页数去套新结果。
旧资料退场时，完整性检查要带取舍
面向旧内容、旧系统或旧合作关系的导出，目标不是“一条不差”，而是“该留的都在”。检查完整性之后，还要做一次价值判断：仍然有效的外链来源保留并补全字段；已经失效或合作关系已退出的记录，即使补导回来也应标记为待清理，而不是直接并入主表。
可执行的做法是给每条记录加一个状态列，取值如保留、待确认、清理。补导完成后，只把“保留”和“待确认”的记录并入主表，“清理”的记录单独存放。这样即使分页检查发现少量缺口，也不会因为强行补齐而把过期数据重新引入。
最后留一个可复用的检查记录：本次使用的筛选条件、页大小、应有页数、实际页数、补导页号和补导条数。下次再遇到同类导出，直接拿这份记录对照，比重新推一遍规则快得多，也能避免把数据变动误判成分页遗漏。
