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。
: u+ z. O7 H( \0 l
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
6 H$ Z2 S, @5 j+ F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
# |4 R( S, y9 T1 R; Q/ O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。
4 k2 ]+ w+ |6 L你可以下载个有道词典，然后用selenium 写 ...

  y% A- P0 h# A* V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。
, G) }  E. O! M% o
# z! E; Z2 H/ U2 z( [* j) Y7 }
4 G; M7 [1 G7 E$ m+ C/ Q, V1 w



- H% h& p* L, a# U( M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
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
4 ]! V+ z  X& a) Y/ j$ b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，，
7 U9 @2 n4 `5 P2 n  F  N! v% c
# n$ N& v( ?& o% Z7 T7 q

dengwen168

我是c罗 发表于 2020-10-5 20:35
$ D! Y# R; t8 M0 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。
+ K0 Z5 ^4 _4 Y你可以下载个有道词典，然后用selenium 写 ...

1 z7 K% B" T8 ^2 j请问selenium操作有道词典是如何弄的？
! v& m8 H; E  e$ @- }1 l
# p" h2 h5 B- c9 J- R& w
  |# w. |5 g  G2 T9 Y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 ...

1 U$ P: ~% b' ]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
1 B5 m& s2 K6 }; c$ a0 U不翻译，硬干。硬盘网络成本低于翻译API。

- {4 G: F+ o* r; ?5 j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