nhagar/CC-MAIN-2014-35_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-2014-35_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，其中包括网页的抓取内容、URL的主机名和URL的数量。数据集分为训练集，其大小为1,650,024,158字节，共有31,219,465个样本。数据集的总下载大小为549,965,309字节。
This dataset contains web crawling information, including the crawl content, the host name of the URL, and the count of URLs. The dataset is split into a training set, which is 1,650,024,158 bytes in size and contains 31,219,465 samples. The total download size of the dataset is 549,965,309 bytes.
提供机构：
nhagar
