Parser.cz

Celkem jsem udělal dvě obsahové farmy. Jedna z nich dodnes funguje (cca 7 tisíc stránek) a vydělává nějaké drobné. Ta druhá byla užitečná (databáze technické dokumentace aut, která nikde v češtině není), ale špatně navržená (přes 27 tisíc html souborů) a musel jsem jí při stěhování na nový webhosting zrušit (adresář se soubory jsem ani nemohl otevřít).

Projekt Slum byl experiment, který měl za úkol vytvořit imaginární sociální síť s tisíci profily, které si budou navzájem povídat a vytvoří stovky tisíc indexovatelných stránek. Ačkoliv by jsem dokázal něco takového naprogramovat neměl jsem tehdy ještě dostatečné technické know how. Dnes už by jsem začal úplně jinak. Ovšem to nebyl zas takový problém. Otázkou bylo kde vzít tunu nekvalitního textu pro povídání si?

Poměrně dlouhou dobu jsem nic rozumného nemohl vymyslet. Náhodné generování textu nepřipadalo v úvahu. Překlad už existujícího by byl velmi brzo odhalen. Nakonec jsem se zaměřil na už existující sociální sítě. Zjišťoval jsem jak je to s indexací jednotlivých stránek a skupin. Původně jsem chtěl použít text pouze z těch uzavřených. Ovšem všiml jsem si, že Google to zrovna s procházením Facebooku moc nepřehání a Seznam v té době o Facebook ani nezavadil.

Zkusil jsem manuální vytváření textů z útržků komentářů. Bohužel se ukázalo, že to moc nefunguje. Na Facebooku totiž psal každý jak se mu zlíbilo. Jednotlivé věty se nedaly vůbec kombinovat. Navíc pravopis, to byla hrůza i na mě :) Přeci jen Google toleruje překlepy a hrubky jen do určité míry.