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。
! e7 l$ ^7 _! _+ ^2 p
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
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 ...

# ^  I$ |+ d, [5 F( ?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
* m- L( e' s: c1 ]) A% mwordpress不要说千万级了，连50w就很困难了，特别是用lnmp

8 t( t7 |1 f' u) m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
2 ]4 _9 E' K) |# D2 J# z2 I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

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。
5 {( N/ r- q# F你可以下载个有道词典，然后用selenium 写 ...

% r6 v" i- |! S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。
/ g9 _' K* ?" M# q2 q6 ~$ A



  d4 `  E- o8 Z2 L0 o" c

: J# a! N9 c8 `, p2 d正好有个任务，目前index了2300万文章，采集了1000万成果。
& i" ~# P1 E0 B3 F& n4 l$ ^# a0 c

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
3 Z8 B: r! z/ u( N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，，

dengwen168

我是c罗 发表于 2020-10-5 20:35
  m1 e4 D# g: u% H' c: r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 ...

请问selenium操作有道词典是如何弄的？


# H  f" L% Z5 |: q. M2 c/ F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
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 ...

CMS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
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