並不是你網站有文章，是你自己寫的，就一定會被搜尋引擎認為這是一篇原創文章，因為其中還有很多技術方面的問題，搜尋引擎還未能解決。記得我曾經在一個網站每天更新一篇文章，一篇文章的字數只有100字左右，但是文章頁面非常簡單，簡單到整個頁面沒有JS、CSS、HTML程式碼，只有文字，但收錄卻非常好，而有一些網站，用JS、CSS、html程式碼把網站修飾的非常漂亮，但是釋出的文章卻不收錄，這讓我開始覺得程式碼與原創度有直接關係。
　　我忘記了，在哪裡看到過這樣的一句話“搜尋引擎只能識別200KB以內的內容”，對於一個網頁而言，200KB算是很大了，如果你的網站有超過200KB，我覺得你是應該要優化了。
　　這和網站的檔案大小有什麼關係呢?好，我們來看看，搜尋引擎在抓取一個頁面的流程是從頭到底，任何一個頁面都有一個共同點，那就是頭部一樣、底部一樣，唯一不一樣的就是文章內容，那麼搜尋引擎在抓取頭部有10KB左右是一模一樣的，到中部文字的時候只有2KB是不一樣的，而底部又有10KB是一模一樣的，那麼還會認為這是原創文章嗎?
　　這裡還得給大家灌輸一個理念，那就是搜尋引擎是不認識字的，他只有把這個漢字放到他的資料庫去對比，當一對比一個新文章頁面的時候，總共22KB的頁面，居然有20KB一模一樣，就算是寫了原創文章，也會被列入到偽原創的列表中去。
　　經過SEO優化加測試，對原創文章的判斷得出了這樣的一個理論，當一個頁面比較大的時候，一個頁面的不同點至少佔頁面的1/3，那麼寫多少文字呢，比如你頁面有10KB，那麼至少的寫3KB的文字，剩下的7KB相同，這些才不容易被列入到偽原創的列表中。當然，這是個人得出的理論，並沒有完全的證據和理論來證明。
　　為什麼抄襲者的網站更容易收錄?
　　那麼還有一個問題來了，既然要抓取、識別、釋放這麼複雜的流程，為何抄襲我們網站的內容還先收錄呢，這是大家很糾結的這個問題，我也糾結了很久。
　　在談論抄襲者網站為何會收錄塊的時候，我覺得咱們先要搞清楚新聞內容是收錄流程，新聞內容相對普通的內容收錄較快，因為新聞內容具有時效性，所以必須當場發當場收錄，然後釋放出來，不然拖到第二天在收錄的話，這個新聞可能不熱了，關注的人也就少了，百度從而失去了這個體驗。
　　而抄襲者的網站與新聞內容類似，通常抄襲者的網站是抄襲過多篇文章，其中有直接抄襲原創者，也就抄襲二手文章，抄來抄去，網際網路同樣的文章就非常多了，當一篇文章被網際網路多次抄襲，這就意味著這篇文章比較熱門，不熱門怎麼會這麼多人抄襲呢?最終就出現了一個熱點效應，收錄的門檻也就降低了。所以就出現了抄襲者抄襲了你的文章，比你還先收錄。