nhagar/CC-MAIN-2018-39_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-2018-39_urls
下载链接
链接失效反馈官方服务：
资源简介：
这是一个包含网页爬取数据的数据集，其中包括三个字段：网页内容（crawl），URL主机名（url_host_name）和URL数量（url_count）。数据集仅包含训练集划分，共有82113241个样本，数据集大小为4228055562字节。
This dataset contains web crawling data, including three fields: web content (crawl), URL hostname (url_host_name), and URL count (url_count). The dataset is split into only a training set with a total of 82113241 samples, and the dataset size is 4228055562 bytes.
提供机构：
nhagar
