死链扫描工具检查前需要准备哪些信息-先定范围再扫，少做无用功
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /a912b51147a2.html
📄
死链扫描工具检查前需要准备哪些信息-先定范围再扫，少做无用功
准备死链扫描工具检查前，最需要先备好的不是工具账号，而是一份明确的扫描范围清单：要扫哪些域名或子域、从哪些入口页开始、排除哪些路径、由谁确认结果。很多人误以为“把网址丢进工具就能得到完整死链报告”，实际上工具只能在你给定的范围内抓取和判断，范围不清会直接导致漏扫或大量无关结果。时间和人手有限时，先把范围定小、定准，比全站扫一遍更有效。
常见误解：工具会自动知道该扫哪里
死链扫描工具的工作方式是：从一个或多个起始地址出发，顺着页面里的链接继续抓取，遇到返回状态异常或超时的地址就记为疑似死链。它不会自动知道你的站点有哪些子域、哪些目录属于历史遗留、哪些页面已经下线但仍被外部引用。如果起始地址给得太少，抓取可能覆盖不到深层页面；如果给得太多，又会把测试环境、后台路径、参数页一起扫进来，结果里混入大量不需要处理的地址。
还有一种误解是认为扫出来的每一条都是必须修的死链。工具报告的是“本次抓取中返回异常状态的地址”，其中可能包含服务器临时故障、防抓取拦截、需要登录才能访问的页面。这些需要人工判断，不能直接当成已确认的死链。
检查前必须准备的五类信息
- 扫描范围：主域名、需要覆盖的子域、以及明确的排除目录，例如后台、测试路径、搜索结果页。
- 起始地址：首页之外，是否还要加入栏目页、站点地图地址、重要落地页。站点地图可以作为入口之一，但它不保证覆盖全部页面，也不保证被收录。
- 抓取限制：目标站点的 robots.txt 规则、是否有访问频率限制、是否需要登录。robots.txt 限制的是抓取行为，不等于把页面从索引中移除，两者要分开看。
- 判断标准：哪些状态码算死链，超时多少秒算异常，重定向几次以内可以接受。这些标准要在扫描前写下来，否则不同人看同一份报告会得出不同结论。
- 处理人和优先级：谁负责确认、谁负责修改、先处理哪一类页面。时间有限时，优先处理有外部链接指向的页面和主要导航路径上的页面。
按范围大小选择扫描方式
如果站点页面数量不多，可以从首页加主要栏目页开始，让工具自然抓取；如果站点很大，建议先按目录或子域拆分，分批扫描。拆分的好处是单次结果更小、更容易定位问题，也方便分配人手。判断依据可以这样设：单次扫描结果超过你能在一周内复核的数量，就说明范围该缩小。
对于需要登录才能访问的页面，扫描前要确认工具是否支持携带登录状态，以及这样做是否符合站点的访问规则。无法覆盖的部分要在报告里注明“未扫描”，不能默认它没有问题。
一个可执行的准备步骤
假设你要检查一个包含主站和博客子域的站点，可以按下面顺序准备：
- 列出主域名和博客子域，写清各自要扫的目录。
- 确认 robots.txt 中是否有禁止抓取的路径，把这些路径加入排除项。
- 选定起始地址：主站首页、博客首页、站点地图地址各一个。
- 设定判断标准：404 和 410 记为死链，5xx 先记为待确认，超时设为 10 秒。
- 指定一名复核人，规定只处理有内部或外部链接指向的异常地址。
这样做的结果是，扫描报告里的地址数量会明显少于全站乱扫，但每一条都落在你需要处理的范围内。代价是可能漏掉没有入口链接的孤立页面，这类页面需要靠站点地图或日志另行补充，不能指望一次抓取全部发现。
扫描前还要区分的事
死链扫描工具解决的是链接可达性问题，它不负责判断页面是否该被索引、是否安全、是否排名靠前。HTTPS 只能说明传输层加密，不代表站点没有漏洞；扫描结果里没有异常，也不代表页面会被搜索引擎收录。这几件事要分开安排，不要指望一次扫描顺带解决。
如果你现在就要开始，先写下本次扫描的域名、起始地址和排除目录这三项，再打开工具。范围定下来之后，后续的复核和修改才有稳定的依据。
