Находит точные дубли по хэшу содержимого, почти дубли, тонкие страницы, низкую долю текста, шаблонные блоки и заглушечный текст по всему сканированию. Работает по сохранённому скану, офлайн.
Точные копии находятся по хэшу содержимого. Почти дубли ищутся через simhash и LSH, поэтому страницы не сравниваются попарно. Порог похожести по умолчанию — 0,92. В каждой находке перечислена группа страниц: оставьте одну и объедините остальные.
Страница с малым количеством слов, с небольшим объёмом видимого текста относительно разметки или с Lorem Ipsum в основном контенте выводится отдельным замечанием. Такие проблемы редко требуют переписать весь сайт. Чаще всего виноват шаблон, черновик или страница фильтра.
Помимо дублей, инструменты группируют разметку шапки, навигации и подвала, чтобы проверить, действительно ли шаблонные блоки одинаковы на всех страницах, и оценивают читабельность. Читабельность — необязательная проверка, которая опирается на индекс Флеша (Flesch reading ease).
Запустите сканирование: оно сохранит собственный скан в SQLite. В нём хранится извлечённый текст каждой страницы для офлайн-анализа.
Точные копии находятся по хэшу содержимого. Почти дубли ищутся через simhash и LSH, поэтому страницы не сравниваются попарно.
В каждой находке перечислены страницы группы. Объедините их тегом canonical или перепишите страницы так, чтобы каждая отвечала своему поисковому интенту.
| Проверка | Что значит | Критичность | Доказательство |
|---|---|---|---|
DUPLICATE_BY_HASH | Тело страницы совпадает с телом другой страницы | Important | Группа хэша со списком URL |
NEAR_DUPLICATE | Текст страницы почти совпадает с текстом другой страницы: сходство выше порога (по умолчанию 0,92) | Important | Кластер похожих URL |
THIN_CONTENT | На странице слишком мало слов, чтобы самостоятельно показываться в поиске | Important | Количество слов на странице |
LOW_TEXT_RATIO | Видимый текст занимает малую долю HTML, разметка весит больше контента | Tip | Доля текста к HTML на странице |
LOREM_IPSUM_PLACEHOLDER | Заглушечный текст Lorem Ipsum в основной области контента страницы | Important | Найденный фрагмент-заглушка |
READABILITY_DIFFICULT | Текст получил низкий балл по индексу читабельности Флеша. Это необязательная проверка контента | Tip | Балл Флеша для страницы |
seohead duplicate-check --scan ./scans/audit.sqliteСначала установите: руководство по установке. Каждая команда работает и как MCP-инструмент для ИИ-агентов.