分析搜索引擎如何判斷網(wǎng)站的相似度

時間：2023-03-08 00:06:01 | 來源：電子商務(wù)

時間：2023-03-08 00:06:01 來源：電子商務(wù)

大家都知道文章內(nèi)容重復(fù)過高不好，會被K，會降權(quán)，不會被收錄，各種說法流連在SEO初學(xué)者的腦海中，一個新站數(shù)據(jù)怎么來?你能每天更新幾十篇內(nèi)容嗎?顯然很多人搞不定，于是采集這個說法就有了，繼而出現(xiàn)了偽原創(chuàng)，常見的為原創(chuàng)方式是顛倒文章內(nèi)容，近義詞替換，添加或者減少一部分內(nèi)容，但是用久了后發(fā)現(xiàn)，這樣還是不會收錄，原因是什么呢?今天筆者就詳細(xì)的分析了下，希望這篇文章可以解決大家的疑問。

百度并不是不收錄內(nèi)容相同的網(wǎng)站，像經(jīng)常寫軟文的就知道，寫了軟文就是為了讓別人轉(zhuǎn)載，就是為了增加外鏈和相關(guān)域，顯然是可以收錄的，舉個明顯的例子：百度新聞搜索關(guān)云長

可以很明顯的看到有相同新聞，這就代表同樣的內(nèi)容還是可以收錄的，如果仔細(xì)查看，可以點(diǎn)擊上圖花紅圈的地方進(jìn)去，

這些都是相似頁面，仔細(xì)看看會發(fā)現(xiàn)，有的標(biāo)題不一樣，描述大部分也不一樣，所以標(biāo)題細(xì)微的變化和描述的不相同對偽原創(chuàng)是沒有作用的，百度可以識別出來，

然后我們再看看正文部分，筆者找到一個工具，可以檢測兩篇文章的相似度，大家來看看正文部分的相似度：

忘記標(biāo)紅了，呵呵，大家將就下，數(shù)值在最上邊，內(nèi)容是從標(biāo)題到文章結(jié)束部分，相似度是96.973%，相似度很高，很明顯這樣的文章簡直就可以說是采集的，可是仔細(xì)想想，搜索引擎是通過蜘蛛來訪問的頁面，那么判斷文章相似度會不會和源代碼有關(guān)系呢?于是筆者有把兩個網(wǎng)站的源代碼復(fù)制進(jìn)去檢測了下相似度，請看下圖：

這個是百度新聞搜索cnzz的2個相似頁面的源代碼，相似度大大降低了，才45.332%，這樣的兩個頁面很顯然是無法判斷出來的，但是百度偏偏又可以判斷出這2篇文章相似。

總結(jié)：通過以上觀察，搜索引擎的判斷能力加強(qiáng)了，不再局限于網(wǎng)站的源代碼，而是可以直接找出文章的中文部分，并來對比其他網(wǎng)站，所以即使大家的網(wǎng)站程序不一樣，頁面布局不一樣，只要內(nèi)容是采集的，那么搜索引擎就可以判斷出文章的相似度，但是并不是內(nèi)容相似百度就不收錄。

版權(quán)沒有,盜版不究,任意抄襲,確保完整，www.dytj8.com。交流才能進(jìn)步，借助A5平臺和大家分享，交流