网站内容原创检测：用copyscape和站长工具查重复率，修改到低于30%
原创检测没有单一权威工具：Copyscape 强在跨语言的全网复制比对，站长工具强在中文语料与站内查重，重复率压到约 30% 以下靠的是内容重构，不是同义词替换。
Copyscape 与站长工具，查的根本不是一回事
Copyscape 的索引以英文网页为主体，擅长发现整段照搬式的跨站复制，对中文站点的覆盖有限；站长之家、5118 这类中文查重服务走的是中文语料库加搜索引擎快照，对调换语序、替换同义词的伪原创更敏感。两者的底层逻辑都是字符串比对加相似度算法，谁也拿不出一个"绝对原创分"。
所以正确的用法不是二选一，而是先看内容来源构成：外文资料多、做外贸站或英文站的，先跑 Copyscape；素材来自中文采集站、同行业站群互抄的，先看中文工具。两个都跑一遍，取重合处的交集来判断，误报会少很多。
用 Copyscape 查：从免费页到付费批量
免费入口在 copyscape.com 首页，把文章的公开 URL 填进去，就能看到是否有其他站点整段复制，局限是只能查 URL、不查纯文本，也不显示完整比对段落。
付费的 Copyscape Premium 按次计费，单次价格以官网结算页为准（量级在几美分），支持粘贴全文，返回按句高亮的重合页面和相似百分比，还开放 API 供批量调用——做站群内容审核时走 API 最省事。
操作上注意几点：
- 先确认文章已经可以公开访问，草稿、登录后才可见的页面 Copyscape 抓不到
- 页面正文由 JS 动态渲染的，先用
curl -s 页面地址 | head -200或浏览器查看源代码，确认文字真的在 HTML 里，否则查的是空页 - 报告里出现的"内部重复"（自己站内其他页面）也要处理，站群共用模板最容易踩这个坑
- 把报告当线索，点进来源页人工确认是对方采集你，还是大家撞了同一段公共表述
中文查重：精确匹配搜索加站长工具
中文内容没有覆盖完整的单点查重工具，实际做法是两件事叠加。
一是精确匹配搜索。从正文里挑 3 到 5 句连续 15 至 25 字、信息密度高的句子，加上英文双引号丢进百度、必应、Google："你的整句话"。结果里出现文字完全一致的页面，说明存在直接复制。百度结果少不等于没人抄，可能是对方页面还没收录，用 site:对方域名 关键词 交叉验证一次更稳。
二是用中文查重服务跑全文。站长之家、5118 等都有相似度检测入口，粘贴正文后给出标红报告，按段落列出相似来源。读报告时把结果分三档：整段一字不差、换词改写、只是结构接近。前两档必须动手改，第三档看占比决定。
两份报告打架时听谁的
常见情形是 Copyscape 显示干净，中文工具却标红一大片。原因多半是中文相似度算法把常见搭配、固定表述也算进去了，术语密集的行业文章尤其容易中招。反过来，Copyscape 报警而中文工具干净，通常是抄你的人只在外文站点放了译文。
判断顺序可以这样排：
- 先看重合的是不是事实性表述，比如政策原文、参数表、通用定义。这类可以保留，但建议改为引用并标注来源
- 再看有没有整句照搬。只要存在连续 20 字以上完全一致，就要改，没有商量余地
- 最后看整体相似度。标题里那个 30% 是流传较广的经验阈值，并不是任何搜索引擎的官方标准；同一篇稿子在不同工具上的数值能差十几个百分点，跨工具比较意义不大
至于"改到多少才安全"，搜索引擎没有公开的重复率门槛。可参考的量级是：完全一致的连续片段清零，全文相似度落在偏低区间即可。
改写流程：从标红段落到能发布的稿子
拿到标红段落之后，按下面的顺序处理，比逐句查同义词有效得多：
- 重排信息结构。把"背景—原因—做法—结论"换成"结论—反例—做法—边界条件"，段落顺序一变，字符串相似度自然下降
- 补一手内容。加上自己的实测数据、截图、操作时间、遇到的具体报错。这部分别人抄不走，也直接拉低相似度
- 术语保留，句式重写。行业词、产品名不用换，动词和语序必须换。只做同义词替换（"提升"改"提高"）属于伪原创，工具照样识别
- 图表重做。截图重新截、示意图重画，
alt属性写自己的描述，别沿用原图文件名 - 复检。改完再跑一遍两个工具，确认连续一致片段消失，而不是只盯着一个总百分比
如果一篇稿改了三轮相似度仍然居高不下，说明骨架本来就是别人的，直接重写比修补更省时间。发布前顺手查一下同一域名下有没有内容撞车，做站群的尤其要查。