Common Screens Project - Free Website Screenshots

We build and maintain an open repository of website screenshot data that can be

我们构建并维护了一个收录网站截图数据的开源仓库（open repository），该仓库可用于

搜集汇总

背景与挑战

背景概述

该数据集是Common Screens项目的元数据部分，基于Common Crawl构建，包含超过5500万个网站截图的链接和相关信息，目标扩展至1.5亿个。数据集以CSV格式提供，涵盖网站URL、图像URL、创建时间、域名等13个字段，总大小9.79 GB，适用于OCR、机器学习和域名分析等应用。