官方服务：
资源简介：
GA WebScraping Project
GA网页抓取项目
应用场景：
创建时间：
2021-01-31
相关数据集
KathirKs/CC-MAIN-2017-22_row_wise_20241007_162941
该数据集包含文本内容、唯一标识符和元数据三个主要特征。文本内容为字符串序列，唯一标识符为字符串类型，元数据包含dump、file_path、id和url四个子字段，均为字符串类型。数据集分为一个训练集，包含1,688,855个样本，总大小为20,446,020,473字节。下载大小为7,685,259,506字节。数据集的配置文件名为default，数据文件路径为data/train-*。
Hugging Face2024-10-07 更新200
CRAWL.TDT.mini.dai-hoc
这是一个从BroDeadlines/CRAWL.TDT.dai-hoc分支出来的数据集，包含四个特征：url、html_name、skipped和text，均为字符串类型。数据集仅包含一个训练集，共有597个样本，总大小为3013797字节。
Hugging Face2024-08-03 更新120
haizad/jurnal-malaysia-scraped
--- language: - ms --- * website: [jurnal-malaysia](https://jurnal-malaysia.com/) * Number of pages scraped: 20 * Number of posts scraped: 1938 * Link to dataset on [Huggingface](https://huggingface.c
Hugging Face2023-11-04 更新110
Universal Web Scraper
With the use of our API you may scrape profile urls for social media like LinkedIn, TikTok, Instagram, Amazon, Pinterest, twitter, twitch, Facebook, SnapChat, YouTube local yellow papers and more.
RapidAPI2024-03-12 更新180
nhagar/CC-MAIN-2017-34_urls
这是一个包含网页抓取信息的数据集，具体包括网页内容（crawl）、网页主机名（url_host_name）和网页计数（url_count）三个字段。数据集分为训练集，包含大量样本，可用于网页内容分析、主机名分析等任务。
Hugging Face2025-05-15 更新120
