内容 SEO
Duplicate Content Checker（重复内容检测）
粘贴两段文本——草稿与发布版本、你的文章与竞争对手的文章、或你的页面与转载副本——逐句查看究竟重叠了多少。
匹配基于词级 shingle（连续词序列），因此适用于任何拉丁字母语言。对于书写时词与词之间没有空格的语言（如中文、泰语、高棉语），信号会更粗略——对这些语言，请把分数当作方向性参考，而非精确数值。
此工具检测什么
搜索引擎对大幅重复其他地方已收录内容的页面持谨慎态度——无论是被抓取、未注明来源地转载，还是从未重写的旧草稿。此工具测量两份文档之间的真实文本重叠：整体相似度评分、哪些句子是逐字重复或高度改写，以及两者共有的最长逐字短语。
评分是如何计算的
该引擎使用 w-shingling（词级切片）——这与搜索引擎和查重工具用于近似重复检测的技术是同一类方法——而非简单的字符差异比较，因此即使段落顺序调换或有小幅编辑，仍能被捕捉到。
文档相似度（shingle 上的 Jaccard 指数）
两段文本都被切分为重叠的 6 词序列（"shingle"）。Jaccard 指数——共有 shingle 数除以所有唯一 shingle 总数——给出一个即使段落被重新排序也依然稳健的整体相似度评分。
内容重叠（包含度 containment）
当一段文本比另一段短得多时，仅用 Jaccard 会低估重叠程度（一段长文章中的简短引用，即使 100% 被复制，Jaccard 分数也会很低）。Containment 分别衡量较短文本的 shingle 有多大比例出现在较长文本中（双向计算），从而捕捉到这种情况。
句子级匹配
文本 A 中的每个句子都会与文本 B 中的每个句子进行更细粒度的相同 shingle 重叠比较，然后被归类为完全匹配、近似重复（改写级别的重叠）或独特句子。
最长逐字重复片段
在匹配的句子对中，工具会找出两段文本共有的最长连续逐字词序列——一段较长的逐字重复片段，比中等的整体分数更能说明重复内容的问题。
常见问题
重叠多少会被 Google 视为"重复内容"？
Google 从未公布确切阈值，近似重复检测只是众多信号之一。作为实用参考：30-55% 的重叠值得复查；55% 以上（尤其是有多个完全匹配的句子或一段较长的逐字重复片段）就存在两个页面互相竞争或蚕食彼此排名的实际风险，或者其中一个被视为缺乏原创性。
如果我自己的两个页面得分很高该怎么办？
要么对内容做有意义的区分（不同角度、更深入、不同搜索意图）并互相链接，要么选择更强的那个页面，将较弱的页面 301 重定向或设置 canonical 指向它。发布两个几乎相同、争夺同一查询词的页面，通常对两者的排名都没有帮助。
我在检查转载内容——重复一定是坏事吗？
不一定。只要 canonical 页面明确，搜索引擎能够很好地处理合法的转载内容——在转载副本上使用跨域的 rel="canonical" 标签指向原文，或确保转载合作方这样做。
这个工具会把我的文本发送到哪里吗？
两段文本会通过 HTTPS 发送一次到我们的服务器以运行比较（需要将匹配逻辑保留在服务器端以保证一致性），请求结束后不会被存储。