Antiplagio per contenuti duplicati online gratuito
Trova contenuti duplicati nel web, nelle vostre cartelle, e nella libreria del vostro team. Riconosce canonical — distingue tra sindacazione legittima e copie scraping. Gratuito fino a 2.500 parole; scansioni cartella con Pro.
Quattro tipi di duplicato. Trattamento diverso, soluzione diversa.
La maggior parte dei “dup checker” rileva solo le corrispondenze esatte. Noi classifichiamo ogni corrispondenza in quattro categorie: quali ignorare (citazione legittima), quali canonicalizzare (sindacazione), quali riscrivere (scraping o testo riscritto).
Corrispondenza parola per parola
Stringhe identiche di almeno 30 caratteri. Include contenuti copiati e incollati, articoli sindacati ripubblicati identici, pagine scraping.
Leggermente riformulato
Struttura della frase simile, sinonimi scambiati o aggettivi rimescolati. Il classico output “spun”. Intercetta ciò che Copyscape non rileva.
Parafrasi marcata
Riscrittura a livello frase con riorganizzazione, tempi verbali modificati, riempitivi aggiunti. Tipico di tool di AI-rewriting e content mill esterni.
Ricorrente tra pagine
La stessa clausola, biografia autore o descrizione prodotto ripetuta in molte pagine proprie — il vero problema duplicati di Google.
Non è solo “copia-incolla da un altro sito.”
Le regole reali di Google (da Search Central): tre casi scatenano il trattamento come duplicato, e la maggior parte riguarda le vostre pagine, non solo i siti concorrenti che fanno scraping.
Copia su domini diversi senza canonical
Lo stesso articolo su più siti senza rel=canonical verso l’originale. Include sindacazione fatta male, scraping di concorrenti non dichiarato, duplicati accidentali se uno stesso autore pubblica in più outlet.
Stesso contenuto sotto URL diverse sul proprio sito
/product/foo e /product/foo?utm_source=email e /product/foo/ con slash finale. Navigazione a faccette (filtri che producono pagine identiche), versioni print-friendly senza canonical, mobile/desktop con URL separati. Google le raggruppa, ne sceglie una, le altre vengono escluse.
Boilerplate che si spaccia per contenuto
Una pagina di categoria e-commerce con la stessa descrizione in 1.200 SKU. Una pagina sedi con “Il nostro team ha 20 anni di esperienza” su 47 città. Duplicate di contenuto sottile — aggiornamento Helpful Content di Google li evidenzia.
Sei team che eseguono questo controllo ogni settimana.
Stesso strumento, sei flussi di lavoro diversi — dal controllo pre-pubblicazione del singolo blogger fino al QA di agenzia su articoli esternalizzati.
Blog post pre-pubblicazione
Controllo della bozza sul web prima di pubblicare. Intercetta riutilizzi accidentali di frasi dai propri post precedenti (auto-cannibalizzazione), dagli articoli dei concorrenti letti in fase di ricerca o da errori di AI-rewriter.
Rilevamento scraping dei concorrenti
Incolli il suo articolo e vede chi lo sta pubblicando. Utile per documentazione DMCA: ogni match restituisce la fonte, gli intervalli copiati, uno snapshot con data che può salvare come prova.
Igiene libreria contenuti
Funzione Pro per scansione di cartelle. Carichi tutta la libreria di team in una cartella; lo strumento segnala duplicazioni tra documenti — stesso paragrafo in tre articoli diversi, boilerplate da trasformare in template.
Audit sindacazione
Ha sindacato un articolo su Medium, LinkedIn e Substack. Tutti puntano rel=canonical all’origine? Lo strumento recupera ogni copia, controlla il canonical e segnala le versioni che disperdono ranking.
QA su scrittori esterni
Il lavoro consegnato dal freelance in una vista unica. Da eseguire prima del pagamento. Rileva gli schemi scrape-then-spin (comuni), l’impronta AI-rewriter, e citazioni senza fonte.
Provenienza contenuti AI
Gli assistenti AI estraggono testo dal web durante la ricerca. Lo strumento mostra i passaggi riutilizzati: può citare, riscrivere o eliminare il paragrafo. Riduce il rischio con l’aggiornamento Helpful-Content.
Carichi la libreria. Vede dove si sovrappongono le parti.
Funzionalità Pro. Selezioni una cartella di articoli pubblicati; il sistema costruisce una matrice di similarità tra tutte le coppie. Ordinabile per sovrapposizione, ogni intervallo problematico è cliccabile.
- 150M+pagine web indicizzate
- 30dfrequenza aggiornamento corpus
- 94%tasso rilevamento canonical
- 4livelli classificazione duplicati
- 2014indicizzazione Common Crawl
Tre limiti che i checker browser e le suite SEO non superano.
Solo corrispondenze esatte (standard Copyscape). Una frase riscritta risulta “unica” — contenuti spun passano facilmente. Utile per clipboard scraping; inutile come QA sui contenuti.
Noplag: classificazione a 4 livelli (Esatto / Quasi-dup / Riscritto / Boilerplate) con suggerimenti su come agire — non solo un flag Booleano.
La maggior parte offre tool per contenuto unico, incluso in un abbonamento da $99-499/mese. Limitato al confronto di n-gram; nessuna copertura Common Crawl; nessuna scansione incrociata delle cartelle.
Noplag: versione gratuita standalone (2.500 parole). Pro ($23/mese) aggiunge scansione matrix cartella e intero web index 150M+ — senza vincolare lo strumento plagio a bundle SEO da $400.
Black box. Non mostra la fonte della corrispondenza, solo un valore di similarità. Spesso limite 1.000 parole. Indice quasi mai aggiornato — confronta su snapshot del web (es. 2021).
Noplag: ogni match mostra URL fonte + canonical + intervalli + data snapshot. Apache 2.0 — algoritmo leggibile da tutti.
Un articolo ripubblicato con rel=canonical non è contenuto duplicato. È così che lo trattiamo.
Quando un articolo compare su più URL, la vera domanda SEO non è “sono identici?” — ma “hanno tutti lo stesso canonical?” Se il guest post su Medium punta rel=canonical all’origine, Google li raggruppa, attribuisce ranking all’originale e considera gli altri sindacazione legittima. Se manca, competerà contro il vostro contenuto stesso. Lo strumento esamina ogni match, rileva il suo <link rel="canonical"> tag e segna ogni risultato: ORIGINE, SIND OK, SIND LEAK, SCRAPED.
Le domande di chi guida i contenuti prima di integrare lo strumento.
Qual è la copertura web rispetto a Copyscape o SEMrush?
Oltre 250M di pagine indicizzate da Common Crawl + domini SEO trafficati selezionati, aggiornamento ogni 30 giorni. Più esteso rispetto all’indice Copyscape (solo match esatti, ~120M, concentrato su plagio e boilerplate), meno rispetto all’intero crawling di Google, ma con copertura documentata e cadenza pubblica di aggiornamento. Pro aggiunge la vostra cartella privata come corpus.
Come funziona davvero la rilevazione canonical?
Per ogni pagina trovata, il motore richiama la fonte (cache o live), analizza l’<head> e traccia rel=canonical. I match vengono etichettati ORIGIN (canonical autoreferente), SYND-OK (canonical verso altra pagina nota controllata da voi), LEAK (canonical mancante o altrove nei vostri canali), SCRAPED (nessun canonical + dominio esterno). La classificazione appare accanto a ogni risultato, per una quota duplicati trasparente.
Rileva contenuti AI ripresi da fonti sul web?
Sì — assistenti AI prendono frasi reali dal web durante la ricerca e queste ricompaiono come quasi-dup o riscritti. Forniamo la fonte così può scegliere: citare, riscrivere o rimuovere. Rilevamento AI-content (un segnale diverso) è in sviluppo — roadmap, non ancora attivo — qui il focus è solo sul controllo duplicati.
Quanto grande può essere un documento da scansionare?
2.500 parole gratis, 50.000 su Premium, 250.000+ su Enterprise (o senza limiti su self-hosting). Su Pro, una cartella può contenere fino a 2.000 documenti; la matrice a coppie è calcolata su tutte le combinazioni in meno di 5 minuti per questa scala.
Trova concorrenti che hanno effettuato scraping sui miei contenuti?
Se la copia è nell’indice web (pubblica, crawlable), sì — l’URL compare tra i match con snapshot e timestamp. Lo snapshot è materiale di prova: datato, hashato, con intervalli evidenziati. Non inviamo noi direttamente la DMCA (scelta legale), forniamo la documentazione.
Posso escludere la mia rete di sindacazione dalla scansione duplicati?
Con Pro — può inserire una allowlist di domini gestiti (medium.com/@you, linkedin.com/in/you, substack.com/p/you). I match su domini inclusi sono SYND-OK e non contano nel punteggio duplicati. Il punteggio riflette solo “duplicazione non prevista”.
Come gestisce la scansione a coppie una libreria di 500 articoli?
Il cascame di retrieval è in pratica O(n log n) per coppia — fingerprint a 60 bit selezionano i candidati, allineamento completo solo sui filtrati. 500 articoli = 124.750 coppie scansionate in circa 4 minuti su 4 core. La matrice esportabile come CSV, pronta per pipeline a valle.
Il motore è effettivamente open source?
Sì — github.com/NoplagLabs/noplag-engine, Apache 2.0. Il chunker, il fingerprinter, la retrieval cascade, l’allineamento e la logica di classificazione dei duplicati sono tutti nel repository. Il livello cloud aggiunge il corpus + Common Crawl + il mirror di Wikipedia; con il self-host devi fornire i tuoi dati. Verifica l’algoritmo prima di fidarti del punteggio.
API per automazione nel content pipeline?
Endpoint REST su /v1/checks (SDK Python + Node). Invia un documento, ricevi un report dei duplicati in modo sincrono fino a 8 secondi, oltre viene usata la callback webhook. Utile per i controlli CI pre-pubblicazione: blocca la merge se la percentuale di duplicati supera la soglia del team. Riferimento completo su /docs/developers/api.
E per i contenuti dietro paywall o login?
Scansioniamo solo materiali pubblici — Common Crawl, pagine dichiarate in sitemap, domini senza restrizioni robots. I paywall (NYT, FT, riviste accademiche chiuse) non sono nell’indice; il motore non rileva quelle corrispondenze neanche se fossero riproposte. Per gli articoli scientifici, la copertura OpenAlex / CORE (altra base) include l’universo open-access.
Scansiona una bozza. O tutta la tua libreria.
Il livello gratuito comprende 2.500 parole contro 150M+ di pagine web. Pro ($23/mese) abilita scansioni a coppie sulle cartelle pubblicate. Apache 2.0 reference se desidera il corpus su server proprio.