📍 WDQWDWQD987AAAAA:216.73.217.9
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /7a53f1613aa9.html
📄

友情链接检测工具，被删除页面的数据应怎样保留在历史对比中

结论有前提：只有当被删页面在删除前已被工具记录过一次完整快照，且该快照保留了链接锚文本、目标URL和所在页面位置三要素，历史对比才有意义。否则你保留的只是“这个页面曾经存在”这一事实，无法回答友情链接是随页面一起消失，还是在更早时间已被移除。多数人卡住的地方不是没做备份，而是备份里缺了页面与链接的对应关系。

先确认你要对比的是页面还是链接

被删除页面在历史对比中通常承担两种角色，处理方式不同。

• 作为链接来源页：你需要知道该页曾指向哪些站点，删除后这些出链是否一并消失。
• 作为链接目标页：你需要知道哪些页面曾链向它，删除后是否留下悬空链接。

友情链接检测工具的报告一般按“页面—出链”或“页面—入链”组织。如果你只导出了链接清单，没有导出页面归属，删除后链接记录会变成无主数据，无法判断它属于哪个页面、位于导航还是正文。因此保留的第一步不是存更多字段，而是确保每条链接记录都带一个稳定的页面标识。

可区分原因的证据：删除时间点与链接消失时间点

页面被删和被链页面上的链接被摘除，是两个事件。对比时若把两者混为一谈，会得出错误归因。可用的证据链是：

1. 工具历史记录中该链接最后一次出现的时间戳；
2. 页面返回404或410的首次时间；
3. 站内日志或抓取记录中该URL状态变化的相邻时间点。

如果链接最后一次出现早于页面删除，说明链接在页面删除前已被手动移除，删除页面只是后续动作。如果链接最后一次出现与页面删除接近，才更可能是随页面消失。第三方估算的流量或链接量归零不能单独证明是删除导致，也可能是抓取覆盖下降、工具抽样变化或索引延迟。把这三类现象列在同一时间线上，比只看一个指标更有判断力。

历史对比中应保留的最小字段集

不必保存整页HTML，但以下字段缺失会让对比失效：

• source_url：链接所在页面地址。
• target_url：链接指向地址。
• anchor_text：锚文本，用于判断是否同一链接被改写。
• first_seen 与 last_seen：首次和末次出现时间。
• page_status：页面当时的可访问状态。

假设某工具在两次抓取之间把同一链接的锚文本从品牌词改成“点击这里”，若你只存了 target_url，会误判为同一链接未变；存了 anchor_text 才能发现改写。这是假设例子，用于说明字段取舍的比较方法，不代表任何具体工具的实际输出。

一个会使结论失效的反例

如果被删页面在删除前经历过一次改版，链接位置从正文移到了页脚，而你的快照只记录了链接存在与否、没记录位置，那么历史对比会显示“链接仍在”，掩盖它其实已被降级处理。此时基于“链接未消失”得出的结论不成立。另一个反例是页面被删除后以相同URL重建，工具若按URL去重，会把新旧两段历史合并，删前删后的链接被算作连续存在。遇到这两种情况，需要先按页面版本或快照批次切分数据，再做对比。

下一步动作：先补页面标识，再决定是否回溯

具体动作是：在下次导出时，为每条链接记录附加一个页面级标识（如规范化后的URL或内容指纹），并把该标识写入历史存档。做完这一步，你才能回答“这个链接属于哪个页面”。

如果补完标识后仍无法区分删除前后的链接，说明存档缺少时间维度，此时应停止继续累积新数据，先回溯工具是否提供按抓取批次查看的功能；若没有，则改为每次检测后单独导出一份带日期的存档。这个动作的结果直接决定下一步：能区分批次就做逐批对比，不能区分就只能把删除后的数据视为新基线，不再与删除前混算。