jasong03/vov_thitruong_html

该数据集包含网页的URL和HTML内容，主要用于训练机器学习模型。数据集包含一个训练集，共有12,679个示例，总大小为990,731,109字节。每个示例包括一个URL和对应的HTML内容。

This dataset contains URLs and HTML content of web pages, primarily used for training machine learning models. The dataset includes a training set with 12,679 examples, totaling 990,731,109 bytes. Each example consists of a URL and the corresponding HTML content.

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: 990731109
  • 样本数: 12679

数据集大小

• 下载大小: 301038130
• 数据集大小: 990731109

配置

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