做大型多语言采集站哪种方案好些？

buyabag

没接触过千万级内容的站，不过我估计，首先程序肯定得是自写的了，起码魔改，要不然很多地方都不合你的需求。其次对你整个流程的架构都是个考验，从硬件到软件，从采集到节点。
" k9 g4 L& L; m, t6 W
另外啊，其实国外内容站很不好做，你要知道google是面向全球，资讯站早已极大丰富，基本上什么内容都很完整且优秀，完全饱和了。光靠采集翻译什么的，九成九是没排名的，跟国内内容荒漠的网络环境完全不是一回事。所以论坛内大佬都跑CPS那些赚分成。

gatsby

buyabag 发表于 2020-10-3 22:44
( _6 a% b, C6 N/ g) e2 @. ^( E没接触过千万级内容的站，不过我估计，首先程序肯定得是自写的了，起码魔改，要不然很多地方都不合你的需求 ...

% b. L( M6 g& @' t/ W确实是这样，对各方面都是个考验，就当时个学习的历程。人们收入下降消费欲望降低，cps同样也不好做。跟不上时代，处于逐渐被淘汰的边缘，做什么都不容易，难。

比特人

wordpress不要说千万级了，连50w就很困难了，特别是用lnmp

gatsby

比特人 发表于 2020-10-4 15:25
wordpress不要说千万级了，连50w就很困难了，特别是用lnmp

) c$ v4 H: O+ m& y正是准备使用lnmp搭建wordpress，这可如何是好

laoyebin

gatsby 发表于 2020-10-4 21:24
- ^% V9 {; l! I# p( Q: ?* R正是准备使用lnmp搭建wordpress，这可如何是好

别想那么远，干了再说，说不定你几万数据时候就已经放弃这个站了

gatsby

laoyebin 发表于 2020-10-4 22:31
, c% ?$ M# K& T# D0 g别想那么远，干了再说，说不定你几万数据时候就已经放弃这个站了

( Q5 e; ~; @4 C' @* X- j不错，干了再说

我是c罗

量大调用API根本不现实，不管是google还是其他引擎都是要钱的。
你可以下载个有道词典，然后用selenium 写个自动化在桌面自动翻译完成入库。可以各种语言和软件之间倒腾几次。

gatsby

我是c罗 发表于 2020-10-5 20:35
量大调用API根本不现实，不管是google还是其他引擎都是要钱的。
. R9 ?2 f4 p' Y  Y你可以下载个有道词典，然后用selenium 写 ...

好的，谢谢，翻译的话反复考虑了很多方法都没法简单实现，只能来回多倒腾几次了。

大洲

不翻译，硬干。硬盘网络成本低于翻译API。


5 G- G# B3 ^2 c; V9 P* f; `8 W# Y1 d0 K

; t1 ]- r' Z+ N( y! W/ K+ p0 b; R

" v% W7 {6 _0 u0 _正好有个任务，目前index了2300万文章，采集了1000万成果。

gatsby

大洲 发表于 2020-10-15 15:08
: k9 d- b3 d/ s6 }+ f3 y不翻译，硬干。硬盘网络成本低于翻译API。

不愧为钱大大，用什么内容管理系统去承载这么大的数据量呢，另外简繁转换容易些，多语言就得用api了，现成的googletrans库也不靠谱。

dengwen168

大洲 发表于 2020-10-15 15:08
不翻译，硬干。硬盘网络成本低于翻译API。

5 S! m, R4 I' |; \/ o牛人，，
还自己写了界面，，

dengwen168

我是c罗 发表于 2020-10-5 20:35
2 b) i: }* Z0 A! P6 H3 \1 Y1 V# W量大调用API根本不现实，不管是google还是其他引擎都是要钱的。
7 M3 K0 L: b, ?; F你可以下载个有道词典，然后用selenium 写 ...

请问selenium操作有道词典是如何弄的？


有道词典也支持一篇文章这样的全文翻译么？谢谢。

大洲

gatsby 发表于 2020-10-16 09:52
3 D2 S2 c) C7 p( T) _% q不愧为钱大大，用什么内容管理系统去承载这么大的数据量呢，另外简繁转换容易些，多语言就得用api了，现 ...

! ^* S$ Q: E# U/ I8 Y! FCMS也是自写。MR9.AS 。  单机独服单域名亿数据能扛得住。  

hhqq

大洲 发表于 2020-10-15 15:08
( y. s4 ~& q! Y3 x0 m  r% U% y不翻译，硬干。硬盘网络成本低于翻译API。

请问采集的源站是中文的还是英文的呀？

gingko

先干，边走边换服务器