Workflow · SEO 開源工具

文章撞稿檢查：找出互搶排名的文章與沒人連的孤島頁

文 / Coolkid發布：2026-07-28閱讀約 4 分鐘

閱讀

中

SEO 開源工具

站上文章寫多了一定會遇到：兩篇太像，搜尋引擎分不清誰該排名，結果兩篇都排不好。這叫撞稿。這個工具掃你整個站，用「用詞重疊度」把三種問題頁一次列出來。

開源工具 · 可直接安裝

github.com/Coolkidlab-Yin/article-overlap-checker

/plugin marketplace add Coolkidlab-Yin/Coolkidlab
/plugin install article-overlap-checker@coolkidlab

在 Claude Code 輸入上面兩行即可安裝。裝完直接說你想做什麼,AI 會照 skill 的 SOP 帶你建;原始碼與 README 都在 GitHub。

摘要

article-overlap-checker 是免費開源的站內診斷工具：掃 HTML 資料夾或 sitemap，回報三件事 — 撞稿候選(兩頁互搶同一排名)、太接近預警(新選題撞線)、孤島頁(缺內鏈脈絡)。純 Python 零依賴、CJK 字元 bigram 中英通吃、0.33 秒掃 50 頁。在一個當時 75 頁的站上，實際抓出過相似度 0.744 的真實撞稿。

它回報的三件事

撞稿候選：兩頁相似度超標，搜尋引擎可能分不清誰該排名。這是最傷排名的一種內部問題。

太接近：還沒撞但快了，當成新文章選題的預警線。

孤島頁：跟全站都不像、缺內部連結脈絡的頁面。解法是補內部連結，不是刪頁。

怎麼跑

本機掃：python semantic_map.py --dir 網站輸出資料夾 --out report.md。

建議掃整個站，只掃子資料夾會高估孤島。

線上掃：--sitemap 加你的 sitemap 網址。跑完打開 report.md 就是完整報告。

讀報告的原則

閾值是經驗值不是鐵律。預設 0.62 / 0.55 是在一個 75 頁繁中站校準的，第一次跑先看分布再調。

撞稿候選要人工複核搜尋意圖。教學跟比較兩種意圖即使相似度高也能共存。真撞稿是「同一個搜尋意圖有兩個入口」。

侷限(誠實告知)

這個方法比的是用詞重疊，抓得到「兩篇用了同一批詞」，抓不到「換句話說的同義」。

頁面正文要超過 200 字才納入。

社群短貼文詞太少，分數會普遍偏低(實測中位數只有 0.016)，只能當粗篩。

工具給訊號，判斷還是人來。

這個工具實際抓到過什麼

這工具是網站寫到 75 頁時做出來的。

它抓出兩篇比較文相似度 0.744 的真實撞稿，還診斷出整個站的主題漂移——帶最多流量的頁反而拖累想排的詞。

完整故事在 SEO 連載 #25，文末相關閱讀有連結。

站內的重複清完，下一個問題通常是「還缺哪些主題」。這時候換對手內容作戰地圖上場：掃對手的 sitemap，找出他們寫了、你還沒動筆的空白。

完整 SOP 清單

repo 內含下列東西，clone 下來就能跑：

semantic_map.py 主腳本(純 Python 標準庫、零依賴、CJK-aware)
--dir / --sitemap 兩種掃描模式
--cannibal / --close 閾值參數(依你的站校準)
README：讀報告原則與侷限說明

看完這篇之前先確認:

適合你

站上超過 30 篇、開始分不清有沒有互搶排名的人
寫新文章前想確認「這題是不是寫過了」的人
想找出站內孤島頁補內鏈的人

不適合

站上文章少於 10 篇(還不會撞稿，先寫)
想拿它掃社群短貼文(詞太少，分數不可靠)

常見問題FAQ

什麼是 keyword cannibalization(撞稿)？

同一個搜尋意圖你有兩個以上的頁面在搶，搜尋引擎分不清該給誰排名，常見結果是兩頁都排不好。合併或分工是常見解法，但要先確認真的是同一個意圖。

需要安裝什麼？

零依賴，純 Python 標準庫。有 Python 3.10+ 就能跑，不用 pip install。

中文網站能用嗎？

能，這是它的設計重點之一 — CJK 字元用 bigram 處理，中英混排通吃。它本來就是在一個繁中站上開發校準的。

多久跑一次？

兩個時機：寫新文章前(確認選題沒撞線)、寫完後(確認沒製造新撞稿)。全站健檢一季一次就夠。

名詞解釋

SEO（搜尋引擎優化）: 讓網站在 Google 搜尋結果排得更前面的一整套方法，涵蓋技術體質、內容品質、連結結構三層。
網站地圖（sitemap）: 列出網站所有頁面跟最後更新日的清單檔（sitemap.xml），交給搜尋引擎加速發現與重抓你的頁面。
命令列（CLI, Command Line Interface）: 用打字指令操作電腦的方式，沒有按鈕跟視窗。Claude Code 就是命令列工具。
TF-IDF（用詞重疊度）: 比較兩篇文章像不像的老方法：看它們用了多少相同的詞，並把「到處都有的常見詞」降權。抓得到用詞重疊，抓不到換句話說的同義，只能當粗篩。
keyword cannibalization（撞稿）: 同一個網站有兩篇以上文章瞄準同一個搜尋意圖，搜尋引擎分不清該讓誰排名，結果兩篇都排不好。解法是合併、改角度，或明確分工。
HTML: 網頁的骨架語言，定義「這是標題、這是段落、這是圖片」。
repo（專案倉庫）: GitHub 上的一個專案資料夾，裡面放程式碼、說明文件跟修改紀錄。一個 repo 就是一個獨立的專案。
Python: 入門門檻最低的主流程式語言之一，資料處理、自動化、AI 領域的首選。

全站名詞表 · 166 條 →

如果內容對你有用就太好了
隨喜斗內

← 回免費工具