因為互聯網上有大約22%的內容是相同的，一旦你的文章發表在網上，就有可能會被轉載，而一般判斷幫你的網頁為轉載，那么搜索引擎一般會從三個時間段來刪除你的網頁：

　　(1)抓取頁面的時候刪除，這樣可以減少搜索引擎帶寬以及減少存儲數量;

　　(2)收錄之后刪除重復網頁;

　　(3)用戶檢索時候進行再次刪除;增加準確性，耗費時間;

　　內容重復的4種類型：

　　1.如果2篇文章內容和格式上毫無差別，則這種重復叫做“完全重復頁面”

　　2.如果2篇文章內容相同，但是格式不同，則叫做“內容重復頁面”

　　3.如果2篇文章有部分重要的內容相同，并且格式相同，則稱為“布局重復頁面”

　　4.如果2篇文章有部分重要的內容相同，但是格式不同，則稱為“部分重復頁面”

　　刪除重復網頁對于搜索引擎有很多好處:

　　1.如果這些重復網頁并從搜索引擎數據庫中去掉，就能節省一部分存儲空間，提高檢索的質量。

　　2.為了提高網頁的搜集速度，搜索引擎會對以往搜集信息的分析，預先發現重復網頁，在今后的網頁搜集過程中就可以避開這些網頁，這就是為什么總轉載的網站排名不高的原因了。

　　3.對某個鏡像度較高的網頁，搜索引擎會賦予它較高的優先級，當用戶搜索時就會賦予它較高的權重。

　　4. 近似鏡像網頁的及時發現有利于改善搜索引擎系統的服務質量，也就是說如果用戶點擊了一個死鏈接,那么可以將用戶引導到一個相同頁面,這樣可以有效的增加用戶的檢索體驗。

　　通用去重算法框架

　　對于網頁去重任務，具體可以采取的技術手段五花八門，各有創新和特色，但是如果仔細研究，其實大致都差不多。

　　上圖給出了通用算法框架的流程圖，對于給定的文檔，首先要通過一定特抽取手段，從文檔中抽取出一系列能夠表征文檔主題內容的特征集合。這一步驟往往有其內在要求，即盡可能保留文檔重要信息，刪除無關信息。之所以要刪除部分信息，主要是從計算速度的角度考慮，一般來說，刪除的信息越多，計算速度會越快。

　　這就是為什么你想做的關鍵字總沒有排名，反而不想做的關鍵詞卻能排名靠前的原因之一，搜索引擎把它認為不重要的詞語刪除了。