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。
) _2 w; \" ]# ]* t9 L$ h/ k
) n& n' P+ ]) e' `% H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
' f  v; e. j4 w: _) ^  _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 ...

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
+ N( ]/ K: v! o) c1 |7 Qwordpress不要说千万级了，连50w就很困难了，特别是用lnmp

3 E" W! X& y. x+ _8 I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
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
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

$ ], m, q! z5 v: r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
& }1 h4 Q7 C/ n# {9 L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 ...

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。

. y+ Y  c' x; `) j9 x  V; M

# g( e: V+ Y2 p9 _' U, @9 e. r

8 p* j/ a- ?8 k  P2 l! F4 ^- q
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
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
* I7 @0 s  ]) Q+ k) R不翻译，硬干。硬盘网络成本低于翻译API。

牛人，，
还自己写了界面，，
/ s% p* K2 u- E0 B
/ W( w0 i# ^5 K* C2 P. i8 l( u

dengwen168

我是c罗 发表于 2020-10-5 20:35
" D! l) R7 i5 K* i$ ~" Q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 ...

+ s- C9 M- D* g" D请问selenium操作有道词典是如何弄的？
- }+ M  B0 u3 w* c, N5 b

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
0 o+ C+ l3 }. e4 I/ K* m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 ...

  A! v5 }; Q5 D) `  ACMS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
4 u; Y0 k6 T# [, M, ]不翻译，硬干。硬盘网络成本低于翻译API。

7 d5 G7 l  j% A) e8 j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