想法：搭建自己的一个内容采集站点，里面包括羽毛球、跑步、棉城两个模块。

一、 采集内容

根据输入的关键词，模拟浏览器的操作，采集百度知道，搜狗知道，今日头条，360，知乎，百度健康的内容，合成一个，并截取图片，主要采集的坐标，多采集得到一个内容框架先分步采集到百度健康、百度知道、搜狗知道、360问问、今日头条问问等内容，再去合成一个整体，主要目的是去伪做原创，获取百度流量。

1.1 关键词模拟api(测试)

后期要搭建一个后台管理系统，管理任务！

{collapse-item label="建立关键词库，模拟后台api" open}

{/collapse-item}

1.2 采集部分

采集百度知道、百度宝宝知道
采集搜狗问问
采集360问答

{collapse-item label="采集功能测试（ 8小时稳定采集355轮，生成355次内容）" open}

{/collapse-item}

二、 采集内容处理

百度长尾词 + 关键词 组成 keyword 和 title 字段 ，关键词 作为 name 字段

将采集到文章的保存到 'filename_original.txt' 位置，处理删除空格段落，记为采集源文章
检测内容的字数长度，至少要满足 500 字，不满足则继续采集
翻译采集到的内容，保存到 'filename_fy.txt' 位置，记为翻译后的文章
对翻译后的内容，处理删除空格段落，与关键词进行匹配，算法评分(示例):

取出最高排名的段落，查看字数，200字以下，有上段加上端，有下段加下段，循环4轮，期间字数大于250就break，此时的文段就是文章的 brief 和 description 字段
对翻译后的内容，进行p标签和img标签和去空格处理，作为 content 字段

2.1 内容转换

• 通过 python 的 pyperclip 库完成文本内容的处理，根据段落添加p标签，去除多余的空格