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。
+ ?9 x9 i. U" S8 _
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 ...

% Q% c! |" H3 J8 z- ~+ Q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
! z1 [) f# }7 V3 u- [- K0 h8 F9 Wwordpress不要说千万级了，连50w就很困难了，特别是用lnmp

5 v: h- ~9 H6 R2 F2 T# s; t( u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

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。
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。
9 x# o# g  O! E你可以下载个有道词典，然后用selenium 写 ...

3 N3 I! ~7 y8 D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。

$ D! w7 o/ d1 R+ z
% }% J! a: l0 |. k9 M: U
* h& |* G) N% f5 m8 N$ _
1 F$ b1 E4 x# f4 ]# S3 L) e$ H
% G9 s7 S. b9 h3 N
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
* ^. f3 Q4 c6 c( V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
5 Q$ a9 K' S& L* n- q$ P不翻译，硬干。硬盘网络成本低于翻译API。

牛人，，
' `) i, e' C* c4 G! m4 F6 k还自己写了界面，，
6 Q5 c1 |+ j. w4 r
, F: _0 o9 z) t- L% C

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。
& y; n  x1 s% a$ `0 {$ ?你可以下载个有道词典，然后用selenium 写 ...

# {8 G& c( E% H: J6 \1 E请问selenium操作有道词典是如何弄的？
) L& Q) ?$ U) I; P5 D1 H/ T
' H0 N" |, \: G6 O; @) L2 j' E
$ v+ G" F, [$ N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 ...

7 N8 o# p  J. T/ _6 L8 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
不翻译，硬干。硬盘网络成本低于翻译API。

8 n8 h: K6 n( X8 |1 A3 S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