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。

* G: d/ x+ l) x! _1 b/ W+ d6 |: v- N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
0 h* U! W! U; v' Z8 }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 ...

+ k8 S& S( m1 O2 R$ c2 o3 W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
2 |. B8 n4 a% Z; H1 u! w% W6 \wordpress不要说千万级了，连50w就很困难了，特别是用lnmp

0 E* U6 A6 g: Z+ z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
! e2 W5 V8 q, l$ \' t/ T7 w正是准备使用lnmp搭建wordpress，这可如何是好

5 m& X; c( \# H2 A% @4 a6 z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

4 I! {# K2 L/ l! F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
5 L0 y& A6 e  I# s- X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 ...

4 i' y- O2 ^& v) W' z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。


- i9 [) z; E  q, q# G


9 b( K3 T- t8 J& u" o3 y: w
; [* v* f# _' F2 v, T正好有个任务，目前index了2300万文章，采集了1000万成果。
9 h( ~# ^! u4 |6 V+ T) R

gatsby

大洲 发表于 2020-10-15 15:08
: C# h0 c9 d, I0 ]: 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
; R/ f6 w& _# @" Q! U+ @5 k6 j不翻译，硬干。硬盘网络成本低于翻译API。

* v* ~: W: q1 _. a6 |% N( |牛人，，
. x! A3 n4 ^" U; T% k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。
# F+ E3 y% \5 |* K+ t+ ^* V& @9 s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？
) _/ d0 ]8 l6 ^5 F$ b8 A

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。

& M# i  _) _/ j) A6 i5 ~4 y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