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 k8 G) w+ m- R, X4 S4 Q
. F7 ]' M/ R& Q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
2 z$ G) G; G$ ~" K. t$ X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 ...

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

( W9 Z5 U* v: p7 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
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。
- v% H! ]; G$ Z6 Z' U4 G, \: ?9 ?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。
( Q# L9 E( _! _( h/ P: Z6 G. y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。
, s/ H! T5 h3 t% n0 h: V

5 h4 k% U7 Y; a* u) ^7 ~; G


( \2 ~; n9 o9 L
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
5 W  s+ P  A" @& Z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。

1 w  O) v$ _1 n2 m牛人，，
3 n4 C% _8 R) f还自己写了界面，，

7 j, p5 i3 y! H/ t+ D% l6 u

dengwen168

我是c罗 发表于 2020-10-5 20:35
  U5 L0 z& E0 w4 P5 x; g4 V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 ...

7 _( K# C/ K2 Z' d% [# g; K  {请问selenium操作有道词典是如何弄的？
5 W% i" _- T# {, L; {
! c8 s+ u9 E9 V! \' |5 \9 Q8 X( G, r
. M- C  c& ]6 a% |4 L, G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
7 Y2 ]; @+ K. d+ K! z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 ...

  Z" z7 ~% i/ Q, b5 Y- B; s  W! UCMS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
; g0 w4 h7 w$ i+ k4 p不翻译，硬干。硬盘网络成本低于翻译API。

9 J5 G4 O1 f* C, J5 Z8 I' N3 c; I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