OBF/contest-passed-samples

该数据集包含多种编程语言的代码内容，涵盖了C、C++、C#、D、Go、Haskell、Java、JavaScript、Julia、Kotlin、PHP、Python、Ruby、Rust、Scala、Swift和TypeScript。每个语言的数据集都包含一个名为content的字符串特征，并且所有数据都只有一个train分割。数据集的大小和下载大小因语言而异，具体信息可在README文件中查看。

原始信息汇总

数据集概述

数据集配置信息

C

• 特征:
  • 名称: content
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 156639565
  • 样本数: 207238
• 下载大小: 64950019
• 数据集大小: 156639565

C++

• 特征:
  • 名称: content
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 910672622
  • 样本数: 728924
• 下载大小: 418773306
• 数据集大小: 910672622

C#

• 特征:
  • 名称: content
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 96598999
  • 样本数: 63292
• 下载大小: 30177567
• 数据集大小: 96598999

D

• 特征:
  • 名称: content
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 6087578
  • 样本数: 6957
• 下载大小: 2457668
• 数据集大小: 6087578

Go

• 特征:
  • 名称: content
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 10932442
  • 样本数: 14534
• 下载大小: 4467434
• 数据集大小: 10932442

Haskell

• 特征:
  • 名称: content
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 19868160
  • 样本数: 36709
• 下载大小: 8822148
• 数据集大小: 19868160

Java

• 特征:
  • 名称: content
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 491585062
  • 样本数: 313196
• 下载大小: 174444095
• 数据集大小: 491585062

JavaScript

• 特征:
  • 名称: content
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 14174026
  • 样本数: 22962
• 下载大小: 5799613
• 数据集大小: 14174026

Julia

• 特征:
  • 名称: content
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 1160100
  • 样本数: 3410
• 下载大小: 503328
• 数据集大小: 1160100

Kotlin

• 特征:
  • 名称: content
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 7746876
  • 样本数: 11636
• 下载大小: 2922306
• 数据集大小: 7746876

PHP

• 特征:
  • 名称: content
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 7789714
  • 样本数: 16353
• 下载大小: 3229847
• 数据集大小: 7789714

Python

• 特征:
  • 名称: content
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 576852508
  • 样本数: 1225624
• 下载大小: 241813130
• 数据集大小: 576852508

Ruby

• 特征:
  • 名称: content
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 30450216
  • 样本数: 106124
• 下载大小: 14020141
• 数据集大小: 30450216

Rust

• 特征:
  • 名称: content
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 15844013
  • 样本数: 11174
• 下载大小: 5785746
• 数据集大小: 15844013

Scala

• 特征:
  • 名称: content
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 5193115
  • 样本数: 8487
• 下载大小: 2053399
• 数据集大小: 5193115

Swift

• 特征:
  • 名称: content
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 756444
  • 样本数: 1739
• 下载大小: 302746
• 数据集大小: 756444

TypeScript

• 特征:
  • 名称: content
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 1029076
  • 样本数: 1671
• 下载大小: 403980
• 数据集大小: 1029076

数据文件路径

C

• 分割: train
• 路径: c/train-*

C++

• 分割: train
• 路径: cpp/train-*

C#

• 分割: train
• 路径: csharp/train-*

D

• 分割: train
• 路径: d/train-*

Go

• 分割: train
• 路径: go/train-*

Haskell

• 分割: train
• 路径: haskell/train-*

Java

• 分割: train
• 路径: java/train-*

JavaScript

• 分割: train
• 路径: javascript/train-*

Julia

• 分割: train
• 路径: julia/train-*

Kotlin

• 分割: train
• 路径: kotlin/train-*

PHP

• 分割: train
• 路径: php/train-*

Python

• 分割: train
• 路径: python/train-*

Ruby

• 分割: train
• 路径: ruby/train-*

Rust

• 分割: train
• 路径: rust/train-*

Scala

• 分割: train
• 路径: scala/train-*

Swift

• 分割: train
• 路径: swift/train-*

TypeScript

• 分割: train
• 路径: typescript/train-*