友链检测工具，被删除页面的数据应怎样保留在历史对比中
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /15a59303f72d.html
📄
友链检测工具，被删除页面的数据应怎样保留在历史对比中
被删除页面的数据要保留在历史对比中，关键不是把旧数据一直留在当前报表里，而是把它移入一个带删除标记的历史快照：保留原始采集时间、URL、链接状态和当时的判定依据，同时让当前报表不再把它当作有效友链。是否这样做，取决于你删除页面的原因和对比目的。
先分清两种删除场景，再决定保留粒度
友链检测工具输出的记录通常包含被检测 URL、对方页面 URL、链接是否存在、检测时间等字段。页面被删除后，如果直接把记录清掉，后续对比就失去基线；如果原样留在当前列表里，又会让“当前有效友链数”虚高。可行做法是按删除原因分两种条件处理。
- 条件一：页面因自身改版、合并或下线而删除，但对方链接关系仍需追溯。此时应保留完整历史记录，并在记录上追加删除时间、删除原因和最后一次检测结果，当前报表通过状态字段过滤掉它。
- 条件二：页面只是临时不可访问，或检测工具当次请求失败。此时不应立即标记为删除，而应先记录失败次数和失败时间，连续多次失败后再转入历史归档。
选择依据是：你要回答的是“这条友链曾经存在过吗”，还是“它现在还有效吗”。前者需要历史快照，后者需要当前状态。两者混在同一张表里，就会同时答错。
保留历史对比时，哪些字段不能丢
一旦决定归档，至少保留以下字段，否则后续无法做可核查的对比：
- 被检测页面的原始 URL 和规范化后的 URL，避免同一页面因参数不同被当成两条记录。
- 首次发现链接的时间、最后一次确认链接存在的时间、确认删除的时间。
- 每次检测的原始结果，包括 HTTP 状态、页面是否可访问、链接是否出现在页面中。
- 判定为删除时所依据的证据，例如连续失败次数、页面返回内容特征或人工复核备注。
这里要说明一个边界：第三方估算流量、搜索引擎报告与站内统计口径不同，删除页面后某一项指标归零，不能单独证明友链处理正确。页面删除、链接移除、检测失败、抓取受限都可能产生类似现象。因此历史记录里应保留原始证据，而不是只保留一个“已删除”结论。
实施动作：给记录加状态，而不是删记录
具体动作可以这样落地：在友链检测工具的数据表或导出文件中增加一个状态字段，取值如 active、missing、archived。当页面被确认删除后，把状态改为 archived，同时写入归档时间和原因，但不删除原始行。
这个动作会直接影响下一步：当前报表只统计 active 记录，历史对比则读取全部状态。这样你既能得到当前的友链数量，也能在半年后回答“这条链接是什么时候消失的”。如果反过来直接删除记录，历史对比就只剩一个无法追溯的空洞。
规模化后为什么会出现例外
个别样本成立，不代表规模化后仍然成立。假设你只跟踪几十条友链，手工给每条记录加归档标记是可行的；当记录达到数千条、检测频率提高到每天一次时，会出现三类例外：
- 同一 URL 多次删除又恢复。如果只保留最后一次状态，历史对比会丢失中间的恢复过程。此时需要按时间追加事件，而不是覆盖状态字段。
- 对方页面整体改版导致链接位置变化。链接可能仍在页面中，只是从导航区移到了页脚。若检测规则只匹配固定位置，会误判为删除。
- 检测工具自身请求失败。网络波动、对方限流或临时维护都会造成失败记录。若把所有失败都当成删除，归档数据会被污染。
这些例外的共同点是：单一时间点的检测结果不足以支撑“已删除”结论。规模越大，越需要保留多次检测的序列，而不是一个最终状态。
一个注明假设的短例子
假设某站有 500 条友链记录，某次检测后有 30 条显示链接不存在。若直接把这 30 条从当前表删除，当前有效友链数变为 470，历史对比时无法说明这 30 条是何时消失的。若改为追加归档标记，当前有效数仍是 470，但历史表保留了 30 条记录及各自的失败时间线。三周后其中 5 条恢复，追加式记录能直接反映“恢复”事件，而覆盖式删除只能重新新建记录，丢失中间过程。这个例子只说明记录结构的影响，不构成对任何具体工具行为的断言。
最后要确认的是：归档不等于永久保留所有原始响应体。若存储成本或隐私要求有限制，可以只保留状态、时间和判定依据，但必须保证这些字段足以复现当时的判断，否则历史对比仍然不可靠。
