搜索引擎对于网页的重复性，应该已经用专门的算法下“大力气”进行排除了，这应该是上述调查结果里包含的重要的“系统偏差”。从截图举例可以看出，在初次搜索时返回的“重复链接”数量可以超过最后确认的近百倍。在这一部分被最后忽略的重复链接中，主要可能存在两种情形：

1）是不同链接，但指向同一页面（搜索引擎会尽可能排除此种情景）
2）是不同页面，含有被搜索的重复判断字符串，最初列出的数量没有排除或采用了不严格的标准（具体尚不清楚）。搜索引擎对页面相似度的算法效率，会大大低于人工按“主体内容”的判断，因为页面上的非主体内容会大大干扰搜索引擎的算法，而中文网页非主体部分所占比例尤其高（参见《互联网可访问内容的冗余度与资源占用衡量》）。

上述情形会造成调查结果的系统误差，也就是说，实际存在的重复页面数量，应该比此次调查报告的数据大，也许大很多。搜索引擎对“相似页面”排除效率的中英文差距，会影响此次调查报告给出的中、英页面重复度的比例，具体影响如何，尚不清楚。