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 ...

; @) ]6 Z; B* e- U; d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

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
$ Z% I/ K6 B6 s# O7 U, x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

2 p+ b( Z% V$ ?+ p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。
0 P" ~$ a5 j1 W2 Y$ c$ p( _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
# a+ x' [5 ]! e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 ...

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。
9 j( J# L5 q9 F1 {) M' q

5 F8 F/ R! a1 N# _2 Z
9 ?) o0 e6 q0 A/ U# J
- c) B  E2 G# N& u

4 }/ `* n4 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
) _8 G% w. K5 p2 l) W' R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
! \- G7 [9 S* w- l: C" z不翻译，硬干。硬盘网络成本低于翻译API。

7 ?" c  a$ _0 ~# M' M6 t, \牛人，，
6 H) a& {4 ~9 H( V) q还自己写了界面，，
* c+ F* `7 Q" D3 R9 o7 m$ w( \

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。
% a3 O% r0 R5 F/ 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？

9 G  ?# V1 z3 j
- \1 H3 U9 C6 Q+ \/ p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
( q& O' S4 k3 S2 d& W  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 ...

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。

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