jasong03/vnanet_chinhtri_html

该数据集包含网页的URL和HTML内容，数据类型均为字符串。数据集分为一个训练集，包含20200个示例，总大小为3281607124字节。下载大小为1300248666字节。

This dataset contains URLs and HTML content of web pages, with both data types being strings. The dataset is divided into a training set containing 20,200 examples, with a total size of 3,281,607,124 bytes. The download size is 1,300,248,666 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: 3281607124
  • 样本数: 20200

数据集大小

• 下载大小: 1300248666
• 数据集大小: 3281607124

配置

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