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。
1 m' l/ t$ A: T
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 ...

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

) g8 G: g) E" \% q6 i& Z  ]4 q3 A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
5 s8 x3 C& v* a! _4 v5 u* J+ @' N/ A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

; i' @2 v0 Y6 @+ Q) q) m2 q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
0 w$ Y& l# J6 @$ \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。

1 T* m& C: @4 _5 q3 i4 u

* X& n4 b* W/ ^, u' Q+ w8 W

- q) {9 F2 p9 c5 E' }( @
正好有个任务，目前index了2300万文章，采集了1000万成果。
+ N: ~0 ~  |% h" t, R

gatsby

大洲 发表于 2020-10-15 15:08
; |& o: z) ~1 n& J7 w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
6 a  P$ P% \7 R# K% N不翻译，硬干。硬盘网络成本低于翻译API。

牛人，，
还自己写了界面，，
  \# `5 g: m( k4 F

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。
! q4 W/ J1 i; F* u) K- N2 K" L你可以下载个有道词典，然后用selenium 写 ...

8 D# U1 i$ O% I1 }请问selenium操作有道词典是如何弄的？
% e, B. J- p. i3 _1 A
+ X) j+ d: F0 Q  d" q( o7 _" |
: H4 M1 s, s( E0 v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 ...

- Q8 d3 W& Z: |8 B5 [* H" `' dCMS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
% o) U! k" B# {1 O; i不翻译，硬干。硬盘网络成本低于翻译API。

3 |, p; A- E- R1 t9 R- C+ l5 y% F. B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