大家都知道文章内容重复过高不好，会被K，会降权，不会被收录，各种说法流连在SEO初学者的脑海中，一个新站数据怎么来?你能每天更新几十篇内容吗?显然很多人搞不定，于是采集这个说法就有了，继而出现了伪原创，常见的为原创方式是颠倒文章内容，近义词替换，添加或者减少一部分内容，但是用久了后发现，这样还是不会收录，原因是什么呢?今天笔者就详细的分析了下，希望这篇文章可以解决大家的疑问。

　　百度并不是不收录内容相同的网站，像经常写软文的就知道，写了软文就是为了让别人转载，就是为了增加外链和相关域，显然是可以收录的，举个明显的例子：百度新闻搜索关云长

　　可以很明显的看到有相同新闻，这就代表同样的内容还是可以收录的，如果仔细查看，可以点击上图花红圈的地方进去，

　　这些都是相似页面，仔细看看会发现，有的标题不一样，描述大部分也不一样，所以标题细微的变化和描述的不相同对伪原创是没有作用的，百度可以识别出来，

　　然后我们再看看正文部分，笔者找到一个工具，可以检测两篇文章的相似度，大家来看看正文部分的相似度：

　　忘记标红了，呵呵，大家将就下，数值在最上边，内容是从标题到文章结束部分，相似度是96.973%，相似度很高，很明显这样的文章简直就可以说是采集的，可是仔细想想，搜索引擎是通过蜘蛛来访问的页面，那么判断文章相似度会不会和源代码有关系呢?于是笔者有把两个网站的源代码复制进去检测了下相似度，请看下图：

　　这个是百度新闻搜索cnzz的2个相似页面的源代码，相似度大大降低了，才45.332%，这样的两个页面很显然是无法判断出来的，但是百度偏偏又可以判断出这2篇文章相似。

　　总结：通过以上观察，搜索引擎的判断能力加强了，不再局限于网站的源代码，而是可以直接找出文章的中文部分，并来对比其他网站，所以即使大家的网站程序不一样，页面布局不一样，只要内容是采集的，那么搜索引擎就可以判断出文章的相似度，但是并不是内容相似百度就不收录。

　　版权没有,盗版不究,任意抄袭,确保完整，www.hacker.com.cn。交流才能进步，借助黑客防线平台和大家分享，交流