有时候，网页内容虽然不完全一样，但本质相同。比如，两篇新闻只有发布时间和广告不同。传统的完全匹配算法无法识别这种“近重复”。此时，我们需要使用 SimHash 算法来生成指纹。 SimHash 可以将长文本转化为一个固定长度的特征值。通过计算两个特征值的�