前几天在新加坡举行的 GoogleSearch Central Live 活动上，Google Webmaster 趋势分析师 Gary Illyes 称，互联网上六成的内容是重复的。

互联网上有大量重复内容是众所周知的事实，问题是比例有多大，作为最大最流行的搜索引擎，Google 给出了它的答案。

当然，大家更想知道 Google 如何定义“重复内容”。是 100% 完全相同的重复？还是标题不同但实际内容一致的重复，比如社交网络中的转载，或者进行搜索引擎优化之后的重复等。根据 Google 搜索中心文档的解释，重复内容一般是指在域内或跨域的实质性内容块，这些内容与使用同一种语言的其他内容完全匹配，或有一定体量的内容明显相似。

后面参加了此次会议的观众补充了 Gary Illyes 提出此说法时的上下文，主要是在解释 Google 如何处理“重复数据”，Google 在这里对“重复内容”的定义是基于抓取数据的考虑。

1.删除协议重复的内容 — 有利于 HTTPS
2.删除 www/non-www
3.删除包含无用参数的 URL (例如 sessionID?)
4.删除斜线/无斜线的变体
5.删除其他的校验和重复

(文/开源中国)