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。
3 D+ Q: i1 K; S' R0 N: O
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
1 Q: c# d0 E- R- K) s0 M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 ...

& b3 e! j; m- R. u/ [+ J! H/ ]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

( h& |4 Y5 J" I9 f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
$ R# y5 j1 W! m8 P# a! ^正是准备使用lnmp搭建wordpress，这可如何是好

% {4 R: w+ H) s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
) X; j' _& R  D: c1 `7 w$ G/ s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。
4 i( a' Z; e& |% S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。
0 ^' Y7 v% F8 e! ~3 ]. V; M& H你可以下载个有道词典，然后用selenium 写 ...

. H1 b$ K# u/ B! A6 ~& K9 V8 T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。


! {% A5 Y5 j5 k) m% v& Q/ {

& R( u9 i' r6 ?; o4 p
9 F! ^0 P7 m5 E0 @2 p- F) a
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。

8 b- A) v. B" L0 a$ ?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。

, Q4 d5 {" c8 V- \* b5 i1 Q) e牛人，，
3 d, j2 X6 `7 `6 L& B. ]还自己写了界面，，

dengwen168

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。
" }: q2 V# t- {9 ^- A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？
. y* b8 g! F; v! k
$ x6 U# _, N4 s3 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
# }8 n/ k# a6 d; P+ L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
8 V: B8 @- t* U2 k" G3 l) Z  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