jasong03/vnanet_anninh_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8664个样本，总大小为2267443805字节，下载大小为1293631026字节。数据特征包括url和html两个字段，数据类型均为字符串。数据集包含一个名为train的分割。

This dataset contains URLs and HTML content of web pages, primarily used for the analysis and processing of web data. The dataset includes 8664 samples with a total size of 2267443805 bytes and a download size of 1293631026 bytes. The features include url and html fields, both of which are of string type. The dataset contains a split named train.

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。

• 拆分:

  • train:
    • 字节数: 2267443805
    • 样本数: 8664

• 下载大小: 1293631026

• 数据集大小: 2267443805

配置

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