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。
7 X* u& ^1 K+ G% B
4 P- \' `- y  [$ l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
  g$ }' O; U. l9 ]$ T8 H# I. b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 ...

* O8 Q, I4 z2 K4 R. }6 s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

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

* w* N$ H* r+ |8 @& d9 A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
. X2 a5 X) K& i5 r! @( R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。
8 P7 D& A/ @- c5 s$ d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
! H5 G) n5 I. E1 [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。
1 v( u7 G. L2 C6 N) m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。
- u* A: H+ \2 S0 i; L/ l9 z  L8 U  m



6 C0 i3 ~) _- `' p7 h
- S" s8 h1 E  N* r1 r' r6 G. q
6 {( x3 A8 z+ V& \4 z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。

1 V0 G- {, T! i. V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
4 F8 N0 H( P6 v0 i7 w& G不翻译，硬干。硬盘网络成本低于翻译API。

. D8 K% D3 m  ]5 d& T8 M0 }牛人，，
还自己写了界面，，
4 S; f- K" t1 @" ~; J5 h& x
6 T, z6 ~, h1 x+ H

dengwen168

我是c罗 发表于 2020-10-5 20:35
4 I4 Q" w2 W5 x% H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 ...

1 G0 u% P9 ]: ?8 F请问selenium操作有道词典是如何弄的？


' Y2 w" d2 n5 Z8 _7 @; c; K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。

1 g  B  W' h3 _, K3 L1 c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