前几天，探讨用共享链接与推荐评论代替复制转帖时提到，互联网上的中文内容重复性应当比英文高很多，当时提到一个猜测，如果英文的是1，简体中文的也许是10到100。想到一个不太复杂的方法，可以对这个指标做出简单评估，就调查了一下，得出的结果是：以内容为主的网页，简体中文页面的重复度，比英文页面高约10倍，绝对值大约在7-8之间。也就是说，每个主要目的是呈示内容的简体中文网页，大约可以找到7个具有同样内容的网页，而对英文页面，只能找到约0.7个。以上结果和完整的调查报告，全文发表在EE-Forum.org，点击这个链接，里面详细记录了调查的方法。

在调查过程中还验证了另一个经验，就是中文页面里的“主体内容”与“其它内容”的比例也大大低于英文页面，这只是在观察200多个页面样本时的观察判断，没有具体搜集数据进行调查。但也尝试着提出了一个衡量“内容”在互联网上占用静态资源的指标，它应当由主体内容和其他内容的比例，以及单一页面的重复度这两个基本要素决定，参见这里。

上述调查结果一个直接的推论，就是简体中文互联网存储资源的静态存储设备，至少在与这部分使用相关的方面，利用率比英文世界低了一个数量级。第二就是你读取一个内容，是原发的机会也低了一个数量级，也就是所谓“割裂原作与读者之间直接联系”的效果。对于那些有更新的内容而言，这肯定会使内容的不一致提高。还有为搜索内容而耗费的资源（体现在建立索引和查找两个方面）也可能升高。也许这些都还不重要。我更看重的是，这个“10倍”比例，也直接显示了内容抄袭这一现象的严重程度。我认为，抄袭是中文内容产业的无形杀手。在互联网空间里，那些靠复制内容为生的网站，是比垃圾还有害的物质：不仅污染了环境，还直接吸血。