频道三千条视频的缩略图，我按分辨率分桶才发现问题

频道有 3200 条视频，做封面归档时我想按缩略图分辨率分类：高清、标清、无封面。原以为 maxresdefault.jpg 存在就是高清，直接 curl -I 看 200 还是 404。结果跑完发现 1400 多条被判成「无封面」，抽查几条明明在网页上有图。

我的做法是先别信 HTTP 状态码，改成下载前 1KB 看真实内容。maxres 缺失时 YouTube 会返回一张默认占位图，状态码是 200，Content-Length 固定在一个很小的值，跟真实封面差一个量级。

for id in $(cat video_ids.txt); do
  url="https://i.ytimg.com/vi/$id/maxresdefault.jpg"
  size=$(curl -sI "$url" | awk 'tolower($1)=="content-length:"{print $2}' | tr -d '\r')
  if [ -z "$size" ] || [ $size -lt 20000 ]; then
    echo "$id fallback" >> need_sd.txt
  else
    echo "$id hd" >> hd.txt
  fi
done

阈值 20000 是我这批数据里试出来的：真实 maxres 普遍在 30KB 以上，占位图不到 10KB。中间那批 15–25KB 的我单独列出来人工看，大约 60 条，多数是老视频的低清源被放大。

为什么用 -I 而不是先下载：3200 条全下载按每条 200KB 算是 600MB 上下，流量不是大问题，但要跑两遍才能知道哪些该回退，先 HEAD 一遍把范围缩小到 400 条左右，下载量砍掉八成。代价是 HEAD 请求本身也有 3200 次，碰到限速要加 sleep，我最后是每 20 条停 1 秒。

失效的地方有两个。一是 Content-Length 不一定回传，CDN 偶尔给 chunked，这时 awk 取不到值，脚本会误判成 fallback，所以我把空值也归进待定而不是直接判死。二是占位图大小不是绝对稳定，我隔了一周重跑，同一批里有 3 条的 size 从 9KB 变成 11KB，阈值卡太紧会漂。更稳的做法是比对图片的宽高而不是字节数，但那就得真下载，取舍看你要不要再跑第二次。

另一个坑跟分辨率无关：频道里有些视频删了，但缩略图 CDN 还留着缓存，HEAD 返回 200 且有正常大小，点进视频页却是 404。这批我没法从缩略图侧识别，只能拿视频页状态再交叉一次。

现在的问题是，你们归档封面时怎么判断「这条视频还活着」？我目前只有视频页 HEAD 这一条路，但跑全量太慢，想找个更轻的信号。