百度可以精确识别采集内容，"纯采集"是没用的，一方面是没用，一方面比例过高的采集内容会影响网站的整体评价。
有两个关键词点：纯采集、比例。
先说纯采集，要了解为什么纯采集既没用又会损害网站的价值，先看看百度如何判断网页的价值：
- 感兴趣的受众群大小
- 该页面的稀缺程度（可替代性）
- 该页面的质量高低
- 该页面的时效性特征强弱
即受众，稀缺，质量和时效性四个要素，我们主要看百度对稀缺性的定义，百度搜索研发部用【新浪博客转载（采集）一篇由原创博客发出的文章】为例来陈述了这个问题。
某人发表了一篇针对某新闻事件的原创博客，随后被新浪转载到了新闻频道。从描述的内容上讲，这是一种重复。但这种重复仅仅是主体内容上的重复，一方面它的转载带来了访问速度、稳定性等方面的增益，并且之后的检索用户还有可能用“新闻事件+新浪”来检索此新闻。这可以被称之为站点增益。另一方面，它在转载过程中可能会改变页面的标题，而且依托其受众，在转载页面上，还有可能出现更多的有价值评论和回复等，还有可能存在指向其它相关事件的新闻链接。这些可以被称之为内容增益。因此即使主题内容没有任何变化，新浪的这次转载也是有价值的，其稀缺度也是较高的。同样，反过来说，如果转载的网站相当不知名，则其无法带来站点名/稳定性/速度的增益。更有甚者，转载之后在页面上加入大量广告妨碍阅读，或者只转载了内容中不完整的一部分，这样的转载，或者说采集，就是纯重复的，与采集源相比，就是没有检索价值的了。综上所述，对于主体内容重复的页面，我们应该评价其是否存在站点增益和内容增益，只有对于大量完全无增益的重复页面，我们才应该认为其稀缺度较低。
四个关键词：
- 主体内容重复
- 站点增益
- 内容增益
- 纯重复
纯重复，就是纯采集的意思，纯重复 = 纯采集。主体内容重复，无站点增益，无内容增益，即为纯采集。
也就是说，"一切以价值为原点"，采集的内容有没有价值，要看有没有站点增益和内容增益。
比例。在引文中，我标红了一个词【大量完全无增益的重复页面】，不谈剂量谈毒性都是耍流氓，凡事都讲一个量，喝水太多会水中毒，吃面条太多会得糖尿病。
再优秀的人也有缺点，我们不能因为这个优秀的人偶尔打个瞌睡、抽根烟就全盘否定这个人。有100个页面的网站，存在20~30个采集页面没什么问题，如果增加到50个，可能有点问题，但还要看你另外50个页面怎么样，增加到70个，那不管你另外30个页面怎么样，都极有可能被判断为劣质网站。
参考文章《浅谈互联网页面价值》，可以百度搜索"百度搜索研发部：浅谈互联网页面价值"。
采集内容多了，要被百度惩罚的
一时爽而已，主体内容重复
没用 的
现在百度算法开始打击采集了，建议暂时不要用火车头之类的采集工具了
百度可以精确识别采集内容，"纯采集"是没用的，一方面是没用，一方面比例过高的采集内容会影响网站的整体评价。
有两个关键词点：纯采集、比例。
先说纯采集，要了解为什么纯采集既没用又会损害网站的价值，先看看百度如何判断网页的价值：
- 感兴趣的受众群大小
- 该页面的稀缺程度（可替代性）
- 该页面的质量高低
- 该页面的时效性特征强弱
即受众，稀缺，质量和时效性四个要素，我们主要看百度对稀缺性的定义，百度搜索研发部用【新浪博客转载（采集）一篇由原创博客发出的文章】为例来陈述了这个问题。
某人发表了一篇针对某新闻事件的原创博客，随后被新浪转载到了新闻频道。
从描述的内容上讲，这是一种重复。但这种重复仅仅是主体内容上的重复，一方面它的转载带来了访问速度、稳定性等方面的增益，并且之后的检索用户还有可能用“新闻事件+新浪”来检索此新闻。这可以被称之为站点增益。另一方面，它在转载过程中可能会改变页面的标题，而且依托其受众，在转载页面上，还有可能出现更多的有价值评论和回复等，还有可能存在指向其它相关事件的新闻链接。这些可以被称之为内容增益。因此即使主题内容没有任何变化，新浪的这次转载也是有价值的，其稀缺度也是较高的。
同样，反过来说，如果转载的网站相当不知名，则其无法带来站点名/稳定性/速度的增益。更有甚者，转载之后在页面上加入大量广告妨碍阅读，或者只转载了内容中不完整的一部分，这样的转载，或者说采集，就是纯重复的，与采集源相比，就是没有检索价值的了。
综上所述，对于主体内容重复的页面，我们应该评价其是否存在站点增益和内容增益，只有对于大量完全无增益的重复页面，我们才应该认为其稀缺度较低。
四个关键词：
- 主体内容重复
- 站点增益
- 内容增益
- 纯重复
纯重复，就是纯采集的意思，纯重复 = 纯采集。主体内容重复，无站点增益，无内容增益，即为纯采集。
也就是说，"一切以价值为原点"，采集的内容有没有价值，要看有没有站点增益和内容增益。
比例。在引文中，我标红了一个词【大量完全无增益的重复页面】，不谈剂量谈毒性都是耍流氓，凡事都讲一个量，喝水太多会水中毒，吃面条太多会得糖尿病。
再优秀的人也有缺点，我们不能因为这个优秀的人偶尔打个瞌睡、抽根烟就全盘否定这个人。有100个页面的网站，存在20~30个采集页面没什么问题，如果增加到50个，可能有点问题，但还要看你另外50个页面怎么样，增加到70个，那不管你另外30个页面怎么样，都极有可能被判断为劣质网站。
参考文章《浅谈互联网页面价值》，可以百度搜索"百度搜索研发部：浅谈互联网页面价值"。
虽然算法打击，但是很多站也在采集，不被发现就好
怎么说呢，蜘蛛虽然是机器人，但是嚼烂了东西谁也不喜欢确实事实
一时爽而已
