在百度，谷歌等常用搜索引擎上我们搜索一个文章，常常会发现有大量相同的文章，这是由于网站上的文章大多数是互相抄录而导致的，但是，随着搜索引擎技术不断地发展和进步，搜索引擎识也能慢慢地认别非创文章，下面我们来解析一下搜索引擎识别非原创文章的一些方法。
第一，搜索引擎会过滤汉字常用的符号:,。!‘“”(){}[]等，同时也会过滤“地，的，了，呢，啊，”之类的重复率非常之高的对排名无帮助的无用词语。
第二，那就是根据关键词来进行有机的筛选，因为对于网站的内容来说关键词基本上是不会变的，而判定原创和伪原创主要的方法就是对关键词的分析，如果两篇文章的关键词出现在相似的位置，那么就会被搜索引擎认为这两篇文章其中一篇是伪原创的!
这么说大家恐怕还不是很明白，那么就让笔者通过具体的实例来给大家做一下介绍!首先计算机会取出两篇文章，然后就开始通过程序分析了!
1：先设定一个比例，比如定义为M，标注按照0.5的系数!
2：把文章A根据字数分成三段，B篇文章也分成三段，然后就根据算法将文字转变成计算机识别的符号，这个符号我们姑且用ADSDFAGFAG来表示，当然正确的符号应该是按照二进制代码表示的!
3：当把A、B两篇文章都转变成符号后，计算机就开始来进行比较分析了，这时候相似度会出现一个比例，如果超过第一步设定的比例是0.5的话，说明两篇文章是相似雷同的，一旦发现雷同搜素引擎自然就会寻找其他参数来决定谁是原创和伪原创了!
第三，搜索引擎识别文章的伪原创主要是在原文章上对标题识别，更改同义词，删减或增加一些语句，重写首尾两段，修改段落的次序等来识别是否与原文章有所区别的目的。经过以上步骤的修改，搜索引擎就可以识别文章是否是原创了，一般来说，在网站更新过一篇文章并且被收录以后，他会把收录在数据库里的两个相近内容页面X和Y各切割为很多个独立的区块(A)，并将这些独立的区块进行比较，当这些区块相同部分的数量超过了搜索引擎所设定的阀值Z的时候，他就会认为X和Y其中有一个是转载的内容。这里把内容分成A块区域，即指搜索引擎的分词技术。判断重复区块是否超过阀值Z，就是指搜索引擎的索引技术。当然，X 和Y的值是搜索引擎自己的算法设定的，不同的搜索引擎算法的设定也不同，我们更是无从得知，不过我们可以从上面的模型分析出很多有用的东西。
第一，X值和Y值决定了搜索引擎判断转载内容的能力。Z值越大，A值越小时，搜索引擎分辨转载内容的能力就越高;反之，就越低。这两个值是由搜索引擎算法间的协调和算法所消耗的资源等多方面因素决定的，所以搜索引擎并不会一味追求高的分辨能力。
第二，从模型中可以看出上面所提到的伪原创办法对搜索引擎并非十分有效。他们是通过分区来判断内容的重复性，与内容的顺序没有很大关系，所以调整段落次序的方法是并不可行。其他的几种伪原创方法，包括增减、重写内容，替换同义词等，它们的有效性在一定程度上由N值和M值大小所决定。搜索引擎发展至今，算法已经颇为成熟，分辨内容重复的能力也已经十分有效了，所以增加、删除内容，替换部分内容并不能让搜索引擎将伪原创的文章当做原创了。
通上如上几种方法，搜索引擎基本上可以识别90%的文章是否为原创文章，而搜索引擎识别是否为原创文章有更多的方法。