jasong03/vnanet_doisong_html

该数据集包含网页的URL和HTML内容，主要用于网页数据的分析和处理。数据集包含一个训练集，共有9740个样本，每个样本包含URL和对应的HTML内容。数据集总大小为1147280771字节，下载大小为342313183字节。

This dataset contains URLs and HTML content of web pages, primarily used for the analysis and processing of web data. The dataset includes a training set with 9740 samples, each containing a URL and the corresponding HTML content. The total size of the dataset is 1147280771 bytes, with a download size of 342313183 bytes.

原始信息汇总

数据集概述

数据集信息

• 特征:
  • url: 数据类型为字符串。
  • html: 数据类型为字符串。

数据分割

• 训练集:
  • 名称: train
  • 字节数: 1147280771
  • 样本数: 9740

数据集大小

• 下载大小: 342313183
• 数据集大小: 1147280771

配置

• 配置名称: default
  • 数据文件:
    • 分割: train
    • 路径: data/train-*