nhagar/CC-MAIN-2019-09_urls
收藏Hugging Face2025-05-15 更新2025-02-15 收录
下载链接：
https://hf-mirror.com/datasets/nhagar/CC-MAIN-2019-09_urls
下载链接
链接失效反馈官方服务：
资源简介：
这是一个包含网页抓取信息的数据集，具体包含网页内容（crawl）、网址主机名（url_host_name）和网址计数（url_count）三个字段。数据集的训练部分有3,579,344,330字节大小，共包含71,607,134个样本。
This dataset contains web crawling information, including three fields: page content (crawl), URL host name (url_host_name), and URL count (url_count). The training part of the dataset is 3,579,344,330 bytes in size, containing a total of 71,607,134 samples.
提供机构：
nhagar
