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。

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 ...

$ h$ J7 K) m2 P# O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

6 u3 W" ]1 J0 Z) d/ k- O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

( m% [- k& T( T* J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

5 N5 d  I1 O8 r6 b+ l" c4 f. C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
* j( ~8 x, c1 M+ J: P# D: U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。
$ P0 ^' ?# y# K0 w7 ]$ `4 P1 r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。

' e' Z7 Q& }1 x3 a* I; t$ b



" r- @* T9 {. ^3 N: |' Q0 e0 e
正好有个任务，目前index了2300万文章，采集了1000万成果。
2 u5 ~" H- z4 n

gatsby

大洲 发表于 2020-10-15 15:08
5 h6 q2 t" S' y) J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。

牛人，，
+ h: I! c' l7 R8 K还自己写了界面，，

/ H. R) T! c2 O: F3 R- x

dengwen168

我是c罗 发表于 2020-10-5 20:35
1 z' |1 r. }! B3 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。
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？
6 P5 s' l! F" x7 l; p* d8 C

- F  u; [  x; ~" t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 ...

; V: c1 M% g4 p' }, Z# F! {# TCMS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。

4 D" }8 P# J5 S# j. R6 B: Y5 @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