longitud contenido duplicado

[meagle]

Bueno, el tema es algo más complicado..nada manual y semialeatorio. Primero busco post con la primera palabra clave, despues extraigo un trozo de texto que contiene esa palabra. Esto es aleatorio en ambos casos. Despues la segunda palabra clave, suma y sigue hasta diez. La cuestión es cuantas palabras puedo utilizar de la cadena que extraigo para que no se considere contenido duplicado.