输入两个URL，实时抓取并分别提取标题、meta描述、正文纯文本，用词频向量余弦相似度量化两页内容的重合程度。适用于：排查站内重复内容、验证采集/抄袭页面、改版前后内容一致性核对、判断是否需要canonical合并。
实时抓取两个页面的HTML，提取标题、meta描述与正文纯文本（剥离脚本、样式与标签）。中文按双字组（bigram）、英文数字按单词切分并统计词频，再计算两个词频向量的余弦相似度，范围0~1。标题、描述、正文分别给出相似度。
正文相似度≥0.9基本可判定高度重复，建议合并页面、canonical指向规范页或301重定向其一；0.7~0.9为相似度较高，存在被判准重复页的风险；0.4~0.7通常只是共用模板与导航文案；低于0.4可认为内容差异明显。
纯JS渲染的页面（内容靠浏览器执行脚本后才出现）或空页面，服务端返回的HTML里几乎没有可提取文本，正文相似度不具参考性。此时可对比标题与描述相似度，或用源码查看工具确认页面渲染方式。