Common Crawl Web Data

SSH Open MarketPlace2026-06-12 更新2026-06-17 收录

下载链接：

https://marketplace.sshopencloud.eu/dataset/Is7jNk

下载链接

链接失效反馈

官方服务：

资源简介：

A corpus of web crawl data composed of over 25 billion web pages.

创建时间：

2026-06-12

Common Crawl Web Data

A corpus of web crawl data composed of over 25 billion web pages.

SSH Open MarketPlace2025-01-30 更新160

Common Crawl Web Archive Data

Common Crawl是一个大型网页存档数据库。它自2008年起定期爬取并收录了海量的原始网页数据、元数据和文本提取内容。该数据集存储在亚马逊AWS等多个公共云平台上，供公众免费访问和使用。

知名数据库1250

Common Crawl

The Common Crawl (CC) project browses and indexes all content available online. It generates 200-300 TiB of data per month (around 5% of which is in French), and constitutes the bulk of most NLP datas

DataCite Commons2026-01-07 更新00

Common Crawl Web Data

A corpus of web crawl data composed of over 25 billion web pages.

SSH Open MarketPlace2023-10-17 更新80

Common Crawl

Common Crawl是一个免费开放的网页爬取数据存储库，成立于2007年，是一个501(c)(3)非营利组织。该数据库包含超过3000亿个网页，跨越19年，每月新增30-50亿个页面，已被超过10000篇研究论文引用。它为研究人员提供了开放网络数据的批量提取、转换和分析服务。

知名数据库00