Datasets:

wanng
/

wikipedia-zh-mnbvc

文件名 stringlengths 43 43	是否待查文件 bool 1 class	是否重复文件 bool 1 class	文件大小 int64 11 340k	simhash float64 8.39M 18,446,732,750B	最长段落长度 int64 3 11.5k	段落数 int64 1 4.5k	去重段落数 int64 1 4.5k	段落 list	文件日期 timestamp[s]
cleaned/zhwiki-20230320/folder_0/486404.txt	false	false	388	5,350,070,205,913,746,000	150	4	4	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "b687acdad842a48d260f709e93e7df9b", "内容": "【昂斯尼区】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "275fffb0a600559e5c37ee01f2f3cea3", "内容": "昂斯尼区（arrondissement de Ancenis；arondisamant Ankiniz）是法国大西洋卢瓦尔省所辖的一个旧区。总面积...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/539441.txt	false	false	183	6,649,575,304,913,815,000	28	4	4	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "f63320cfc7fc005e5c7c1993ecdd4e7f", "内容": "【张弘祚】" }, { "行号": 1, "是否重复": false, "是否跨文件重复": false, "md5": "cfac018ac3751626ef8c8b5a02bb9d83", "内容": "张弘祚，陕西户县人，清朝政治人物、进士出身。" }, { "行号": 3, "是否重复": false, "是否跨文...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/770287.txt	false	false	398	14,441,370,561,277,368,000	96	3	3	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "3607f5dbc95dcb32e8b2eec30f7c9856", "内容": "【汪浒】" }, { "行号": 1, "是否重复": false, "是否跨文件重复": false, "md5": "11dbc636c5cb712698681e2340b2d616", "内容": "汪浒（？），字清夫，陕西巩昌府成县人，官藉。明朝政治人物。进士出身。" }, { "行号": 2, "是否重复": false...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/705735.txt	false	false	751	17,672,654,543,976,680,000	137	5	5	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "19a7bccc06b0c572dba5802dab6d29a0", "内容": "【张嶙然】" }, { "行号": 1, "是否重复": false, "是否跨文件重复": false, "md5": "f18850ca8b313919f641a3d43f74dbe6", "内容": "张嶙然，号松瞻，浙江义乌县人，明末清初政治人物。" }, { "行号": 3, "是否重复": false, "是否...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/478552.txt	false	false	203	9,680,690,739,472,644,000	96	3	3	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "1c0f0e4a15a1c9c932c9b96efacf3dce", "内容": "【HD 166023】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "ae1ad6a681c91840cc7826a7e1be39c9", "内容": "HD 166023，又名CD-3015316，SAO 209803、HR 6780，是一颗恒星，视星等为5.53，位于银经1.1，银纬-...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/161969.txt	false	false	6,714	16,977,345,738,838,878,000	197	150	149	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "67be95f1890d6878220c097960f7d37b", "内容": "【绿色建筑】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "8eb23bf8e09bde70200c7e664f372c4c", "内容": "美国国家环境保护局堪萨斯城科技中心。该建筑具有如下绿色贡献：" }, { "行号": 3, "是否重复": false, ...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/296962.txt	false	false	941	11,158,409,885,667,627,000	74	18	18	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "9d5a7b2fa7901e11aadaaa2e9fd7810a", "内容": "【LAST CHRISTMAS (EXILE单曲)】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "0bccb959db91e894620825af6b3d5aaf", "内容": "《LAST CHRISTMAS》为日本音乐团体EXILE（放浪兄弟）的第29张单曲。2008年11月26日...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/868650.txt	false	false	366	10,412,073,887,525,263,000	61	8	8	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "3f6996c2e4adcd2d6b3f188b7771cc74", "内容": "【PFS】" }, { "行号": 1, "是否重复": false, "是否跨文件重复": false, "md5": "a8d25e8d8ff94079f2df5c31e191997e", "内容": "PFS可以指：" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, ...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/962137.txt	false	false	767	17,109,745,726,898,336,000	98	9	9	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "47498eef25d1973ba540fd32e1a8ff2a", "内容": "【周之屏】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "6027eea1bdf163122a4a8da3b13864ec", "内容": "周之屏（catIdx=），字伯卿，湖广长沙府湘潭县人，马船籍，明朝政治人物。" }, { "行号": 4, "是否重复": ...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/807037.txt	false	false	251	1,337,591,079,603,537,200	95	2	2	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "5a072a75859792a112955decc2938d55", "内容": "【圣安娜县 (厄瓜多尔)】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "9c492daf40864a517390160122c807e0", "内容": "圣安娜县（Cantón Santa Ana），是厄瓜多尔的县份，位于该国西部，由马纳比省负责管辖，面积1,022平方公里，2001年...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/179012.txt	false	false	399	9,260,574,563,878,586,000	168	2	2	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "9f07101554e0fe66a0a42f827c004e00", "内容": "【博尔颂】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "341426b438fcf5f0ca87eb94d0c65b92", "内容": "博尔颂，（Bolthorn、Bölthorn、Bölthor三种称呼）。是约顿巨人中的霜巨人一族。他可能是-{zh-cn:伊米尔;zh-hant:尤...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/517120.txt	false	false	228	1,683,880,793,352,758,000	82	3	3	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "1dcf7f5e283701117f5e5328f371a3ed", "内容": "【曼哈瓦拉戈】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "33171498fd4dfd7517bb48bcb7c4cc13", "内容": "曼哈瓦拉戈（西班牙语：Manjabálago），是西班牙卡斯蒂利亚-莱昂阿维拉省的一个市镇。总面积17km2, 总人口63人（2001年），人...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/458071.txt	false	false	940	5,273,755,780,200,271,000	159	10	10	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "ddbd49b8c3e7ba8d457e18b0ef004ed3", "内容": "【西班牙王不留行】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "f040f9f3b74398c64af124748a385c07", "内容": "王不留行（学名：Vaccaria），又称西班牙王不留行（Vaccaria hispanica）、麦蓝菜，是石竹科王不留行属的唯一种，为一年生...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/689437.txt	false	false	889	2,735,822,268,675,185,000	102	7	7	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "a1d9c361465d3356e1b09cab1df54a94", "内容": "【巴彦德日苏庙】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "c2f459003c8cdff0266b934bed7cd4ef", "内容": "巴彦德日苏庙，藏语名“嘎旦却莫和日楞”，当地人惯称“巴彦德日苏庙”。位于中国内蒙古自治区呼伦贝尔市新巴尔虎右旗，是一座藏传佛教格鲁派寺院。" ...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/866169.txt	false	false	360	10,338,921,572,892,926,000	112	3	3	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "99abbfde4fd49b913da33f469477e39a", "内容": "【戈尔基农村居民点 (别尔哥罗德州)】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "6d0320ed22dc1c0acf7b2a34a9c5e0db", "内容": "戈尔基农村居民点（Горкинское сельское поселение）是俄罗斯联邦别尔哥罗德州克拉斯诺耶区所属的...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/145797.txt	false	false	1,984	1,748,707,483,552,831,000	152	15	15	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "83ac68b0602427e588d49a27a799571e", "内容": "【虎姬町】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "ae2e07feb96c2b1b7a0c2612543b04d7", "内容": "虎姬町（f=y）是过去位于日本滋贺县北部的行政区划，已于2010年1月1日并入长滨市。" }, { "行号": 3, "是否...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/521818.txt	false	false	223	17,939,692,779,714,898,000	75	3	3	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "7aec3b94838831f8d2149308d2076645", "内容": "【桑多】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "0c5facb1f77819d7b8e70e88ebcbf047", "内容": "桑多（西班牙语：Sando），是西班牙卡斯蒂利亚-莱昂萨拉曼卡省的一个市镇。总面积61平方公里，总人口192人（2001年），人口密度3人/平方公里。...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/258808.txt	false	false	5,402	7,429,128,494,562,165,000	549	14	14	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "9c757cc00967fd787225b5dbe31708c0", "内容": "【榜头镇】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "571ff88aeefa217c591f55a11e4283ab", "内容": "榜头镇位于东经118°40'至118°51'，北纬25°23'至25°30'之间，地处仙游县东北部，是仙游的第一人口大镇、经济重镇、历史名镇，“中国...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/265125.txt	false	false	234	14,654,320,564,420,667,000	76	3	3	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "1d20ce047e2d3662cbad8ac952fa9cdb", "内容": "【游走斑蛛】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "fe75a67c2d6345f2fa569e681c5de645", "内容": "游走斑蛛（学名：Euophrys erratica）为跳蛛科斑蛛属的动物。分布于全北区、西马拉雅山以及中国大陆的吉林、甘肃等地。该物种的模式产地在...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/969233.txt	false	false	3,617	6,652,453,089,902,265,000	539	8	8	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "aa1a5648a18a0d7b27120877ef734303", "内容": "【以色列爱乐乐团】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "a202766126e8185348c2db83dd8f4a9b", "内容": "以色列爱乐乐团（התזמורת הפילהרמונית הישראלית），是一家位于以色列特拉维夫的交响乐团，成立于1936年。乐团原名巴...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/025735.txt	false	false	1,666	16,502,368,032,242,706,000	263	10	10	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "cfe17422f7fafe397584421a96c7ba1c", "内容": "【AIGA符号】" }, { "行号": 1, "是否重复": false, "是否跨文件重复": false, "md5": "c7eca939e47941b6f0a5515af79fae18", "内容": "电话标志／AIGA符号" }, { "行号": 2, "是否重复": false, "是否跨文件重复": fa...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/101643.txt	false	false	6,146	3,065,032,895,522,621,000	187	74	74	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "84c09ffd0c07ff2b122927a441254ca5", "内容": "【赛马会体艺中学】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "1ebe6d077097d672888b2f152f7938a3", "内容": "赛马会体艺中学（Jockey Club Ti-I College）是香港的一所男女英文中学，于1989年成立，是全港唯一百分百采用自行分配学...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/967591.txt	false	false	257	2,929,244,812,018,197,500	80	2	2	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "f5fc9b0cc03df801a9eec5a3cbdf2b13", "内容": "【普卡伊尔卡山 (艾哈-雷奈伊)】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "dd625f9f3b52c64668b6e6eb00a02345", "内容": "普卡伊尔卡山（Puka Hirka），是秘鲁的山峰，位于该国北部安卡什大区，由艾哈省、瓦拉斯省和雷奈伊省负责管辖，属于内格拉...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/515522.txt	false	false	1,378	7,934,418,081,915,946,000	295	8	8	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "ad2c95498bc5191bee1eb5fafb85dfa8", "内容": "【噶伦赤巴】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "16bd650abf6b8d726ecc3b40820c5d92", "内容": "噶伦赤巴（t=Kalön Tripa），西藏噶厦首席噶伦，地位在达赖喇嘛之下，负责实际的行政事务，地位相当于君主立宪国家的首相；于2012年9月2...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/378992.txt	false	false	287	4,544,174,033,671,561,700	117	2	2	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "f2de62aa4a42d090bf9ab635abad2660", "内容": "【马克·格特勒】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "643e71a47268d6677f312e7522dee395", "内容": "马克·莱昂内尔·格特勒（Mark Lionel Gertler，生于1951年3月31日），美国经济学家，纽约大学Henry和Lucy Mos...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/836676.txt	false	false	229	524,678,775,462,560,260	79	2	2	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "324436dbc1ea7a8607cc5ed52ce7278c", "内容": "【特多尔·托多罗夫】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "8ded2460e2165dfd4f7b899911aa4a4c", "内容": "特多尔·托多罗夫（Teodor Todorov；9月1日）是一位保加利亚排球运动员。他是保加利亚国家排球队的一员，代表保加利亚参加了201...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/142241.txt	false	false	157	332,505,519,173,545,200	60	2	2	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "969cbaf4512fb29b04ddcc8a8c376d5a", "内容": "【伯尔德县】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "5e069ef059ff82358e9d5e571cf2bda5", "内容": "伯尔德县（Landkreis Börde）是德国萨克森-安哈尔特州的一个县，组建于2007年7月1日，首府哈尔登斯莱本。" } ]	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/079388.txt	false	false	190	9,671,563,934,617,010,000	55	4	4	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "5079fe0566f88c0f86eadf1f0953078a", "内容": "【牛油】" }, { "行号": 1, "是否重复": false, "是否跨文件重复": false, "md5": "b3302417bdd1c288a53c2c2c7dd394ba", "内容": "牛油可以指：" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, ...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/661809.txt	false	false	266	9,256,587,192,817,746,000	89	2	2	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "455cf7e4764621ddc17f1b12fedd8f1f", "内容": "【梅尔莫斯 (夸祖鲁-纳塔尔省)】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "c99e140af6bc5a2c9a76814b25772440", "内容": "梅尔莫斯是南非的城镇，位于该国东北部，由夸祖鲁-纳塔尔省负责管辖，始建于1887年，面积12.1平方公里，海拔高度811米，...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/419648.txt	false	false	408	8,137,592,781,640,922,000	94	5	5	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "570f811825d55c17b6faa606283d7151", "内容": "【谯楼街道】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "39737ee87fc160466cc69495b0fb3fc6", "内容": "谯楼街道是3下辖的一个街道办事处。" }, { "行号": 4, "是否重复": false, "是否跨文件重复"...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/627872.txt	false	false	547	153,127,472,706,928,670	187	2	2	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "fd1d4fa04fc69bff62a45cf86b4de078", "内容": "【欧弗洛尼奥斯】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "66d8eb50b8c205af0f7b27a41c1cd49e", "内容": "欧弗洛尼奥斯（Euphronios），约活动于公元前6世纪前后。古希腊陶工，同时也是最优秀的红绘画师之一，公元前515年至公元前480年为其创...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/188552.txt	false	false	2,270	13,501,810,668,774,400,000	409	12	12	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "9e13fcd3c7ccbb42ed241a4d1469faaf", "内容": "【第七代额尔金伯爵汤玛斯·布鲁斯】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "1054e0e305d970babbb351c4c440a908", "内容": "汤玛斯·布鲁斯，第七代额尔金伯爵与第十一代金卡丁伯爵" }, { "行号": 3, "是否重复": ...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/127584.txt	false	false	629	11,861,397,341,388,943,000	204	6	6	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "f232144252531d62c6f5ced9a2d0a260", "内容": "【汗华囇号 (1813年)】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "20e286076b3807f1b5941f3d25f77d4e", "内容": "于南京港的康沃利斯号" }, { "行号": 3, "是否重复": false, "是否跨文件重复...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/610344.txt	false	false	182	9,609,641,343,336,240,000	41	5	5	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "70c86945dd8295ef2ddc6533605c0d02", "内容": "【小叶五月茶】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "e4c9da54a26e5a6f25354d474c5dce97", "内容": "小叶五月茶（学名：Antidesma venosum）为大戟科五月茶属下的一个种。" }, { "行号": 4, "是否...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/692926.txt	false	false	249	3,477,922,650,779,881,500	105	2	2	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "16ba1c940dc908b930ce193d5c25106f", "内容": "【埃塔县】" }, { "行号": 1, "是否重复": false, "是否跨文件重复": false, "md5": "ccba6ef7729de3ddfd4410795e9f38a8", "内容": "埃塔县是印度的一个县，位于该国北部，由北方邦负责管辖，面积4,446平方公里，识字率为73.27%，人口在2001至2011年期间增长12.77%，...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/819068.txt	false	false	201	468,374,367,020,257,300	82	2	2	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "c95432a65af66c123eb00009d824d812", "内容": "【法兰斯高·祖利亚】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "32278aa13efef546878d48a37f6d12a4", "内容": "法兰斯高·祖利亚（Francisco Santos da Silva Júnior，出生于1992年1月18日）是葡萄牙的职业足球运动员，...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/342093.txt	false	false	256	90,355,666,635,530,240	95	2	2	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "8fad0f1ecd09185a016182013fc12a80", "内容": "【雅各布·福尔哈德】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "f786886d3422d072e7454768857ba43c", "内容": "雅各布·福尔哈德（Jacob Volhard，1月14日）是一位德国化学家，他和他的学生雨果·埃德曼一同发现了Volhard–Erdman...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/190536.txt	false	false	605	2,354,289,987,863,236,600	149	6	6	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "6e55bb535b6579e709957cf53edcde29", "内容": "【数据报】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "da795ac9d9a043b3ae3c4f547e8787cb", "内容": "数据报（Datagram）是在封包交换网路中的最小传输资料单元的抽象词汇。对于应用层、TCP、IP、LAN不同网路通讯层而言，datagram内容逐...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/196849.txt	false	false	2,344	14,436,718,842,796,892,000	171	29	29	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "24aabff7fe47c4bdd25f9e0705d673e7", "内容": "【西安北站】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "872bd1f77164fb7f117dc76952380e69", "内容": "西安北站候车大厅" }, { "行号": 3, "是否重复": false, "是否跨文件重复": false, ...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/046170.txt	false	false	369	17,384,127,577,604,205,000	58	11	11	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "73045bab57f0f76e0111d5b867b69518", "内容": "【双面北野武】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "32813ede3fbf0055ed7ffbc7b6a36367", "内容": "TAKESHIS是北野武于2005年导演的日本电影，是北野武的第十二部导演作品，也是一部北野武所擅长的黑色喜剧电影。" }, { ...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/622102.txt	false	false	158	833,184,347,883,561,600	44	4	4	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "3976cf5bc6ba6ba10b88d044041b6645", "内容": "【长叶苞叶兰】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "5b22f78e9c9fef664bb134862141fbdc", "内容": "长叶苞叶兰（学名：Brachycorythis henryi）为兰科苞叶兰属下的一个种。" }, { "行号": 4, ...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/293040.txt	false	false	1,020	4,385,121,726,203,544,600	249	11	11	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "cd6de5a03b996a987af31db821379a2f", "内容": "【巴尼河】" }, { "行号": 1, "是否重复": false, "是否跨文件重复": false, "md5": "0a127df4c74980273f8a7cb8137149c9", "内容": "巴尼河的卫星图片" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, ...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/252839.txt	false	false	161	14,726,450,695,971,992,000	50	3	3	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "268b1930f5c1c5014c4654a257324f35", "内容": "【亮樱蛤】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "eb26d7894417ea88cc598dd647d5addd", "内容": "是帘蛤目樱蛤科Nitidotellina属的一种。主要分布于中国大陆、台湾，常栖息在潮间带至潮下带。" }, { "行号": 4, ...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/507629.txt	false	false	256	9,575,234,525,991,448	104	2	2	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "1f8bb38fbc53a8e961229da944be9299", "内容": "【佩罗萨-阿真蒂纳】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "c0a2edd0a1dcedd18c2644a63f91563d", "内容": "佩罗萨-阿真蒂纳（Perosa Argentina），是意大利皮埃蒙特大区都灵广域市的一个市镇。总面积26平方公里，人口3438人，人口密...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/557396.txt	false	false	1,033	2,514,612,013,163,809,300	121	16	16	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "8754949143bbf39ce0779765eaf6e02a", "内容": "【普莱沙泰勒】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "67feafb8500f114f02e5795f996928eb", "内容": "普莱沙泰勒（Pléchâtel，pleʃatɛl；Plegastell）是法国伊勒-维莱讷省的一个市镇，位于该省南部，属于勒东区。" }, ...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/077178.txt	false	false	55	3,539,851,984,683,148,000	19	2	2	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "199cffa99af1ed2439217ef60fa02a93", "内容": "【NGC 1608】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "8ebb810397e059d1337695a0e8926240", "内容": "NGC 1608 是金牛座的一个星系。" } ]	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/922896.txt	false	false	353	167,278,346,152,984,640	139	2	2	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "3f20199bde9f7add3f72eae5397ce543", "内容": "【上舍维里夫卡】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "aea0106b3659622102574acdc59340e9", "内容": "上舍维里夫卡（Верхньошевирівка）是位于乌克兰东部的村庄，由卢甘斯克州多夫然斯克区的Сорокинська міська гро...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/928812.txt	false	false	265	5,808,535,353,388,246,000	99	2	2	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "270450abececc7ffd09c1135644d3c33", "内容": "【诺西夫】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "84258089de4383bf739ffae10e11e4f1", "内容": "诺西夫（Носів），是乌克兰的村落，位于该国部西部捷尔诺波尔州，由波德盖齐区负责管辖，始建于1395年，面积15.2平方公里，海拔高度270米，2...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/092402.txt	false	false	1,649	9,418,590,257,580,503,000	140	9	9	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "c6dfb75ed0b942c26fc88797ad9e3e51", "内容": "【光华寺】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "57f7e546da81303d61b1fce9086b4ea9", "内容": "光华寺，是位于台湾台北市中正区萤雪-{里}-、新店溪畔的观音寺，为员林禅寺分寺。" }, { "行号": 4, "是否重复"...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/956259.txt	false	false	2,478	13,596,375,968,652,358,000	323	13	13	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "dd81d3debf2c5f69efb43dbb684e3e5b", "内容": "【钦瓦特桥】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "32de6de9fa5acd2507ebd1f884c2de4c", "内容": "钦瓦特桥（阿维斯陀语：Cinvatô Peretûm）意译裁判之桥、审判之桥或束状桥，或报答者之桥，是琐罗亚斯德教中将生界与死界分离的筛选之桥。...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/433686.txt	false	false	141	6,151,100,719,198,529,000	19	5	5	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "b1ad42f16ace4e0134585553238ede45", "内容": "【山门镇 (四平市)】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "d618d19718dc816d454708eed2702398", "内容": "山门镇，是3下辖的一个乡镇级行政单位。" }, { "行号": 4, "是否重复": false, "是...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/342794.txt	false	false	5,415	3,118,796,283,775,560,700	123	129	126	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "e72c33da7971101dc51a8812274f0db6", "内容": "【姊妹 (电视剧)】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "be2cd5aa39f1e6c0f5df80b8517af38c", "内容": "《姊妹》（Sisters），是台湾的台湾电视公司于2011年6月8日起制播的八点档电视剧。由胡婷婷、品冠、阿庞、黄嘉千、潘慧如、钟欣怡及蓝...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/806992.txt	false	false	255	7,242,440,319,714,329,000	96	2	2	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "06c8394090ca2b7664bb771967cae864", "内容": "【奥尔梅多县 (洛哈省)】" }, { "行号": 1, "是否重复": false, "是否跨文件重复": false, "md5": "6bcade9cf67fd2c4fdc651b943af0002", "内容": "奥尔梅多县（Cantón Olmedo），是厄瓜多尔的县份，位于该国南部，由洛哈省负责管辖，面积109平方公里，海拔高度1,200米...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/524113.txt	false	false	223	6,659,855,446,843,953,000	77	3	3	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "b5f98f4b92533e4a1c2c0b247487bfa8", "内容": "【拉维亚纳】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "21cc11f6e59c8ea9424dcc3ed2340dd8", "内容": "拉维亚纳（西班牙语：Laviana），是西班牙阿斯图里亚斯的一个市镇。总面积131平方公里，总人口14531人（2001年），人口密度111人/平...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/307659.txt	false	false	354	1,478,086,585,753,816,800	102	3	3	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "7fd382f879908dfd1083f7fb87306767", "内容": "【三卤甲烷】" }, { "行号": 1, "是否重复": false, "是否跨文件重复": false, "md5": "4847ccfd789836124ea71de869ec4cf0", "内容": "三卤甲烷是甲烷的四个氢中的三个被卤素取代基所取代的化合物。很多三卤甲烷在工业上被用作溶剂或制冷剂，也被认为是致癌物质。三卤甲烷也是污染环境的物质。...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/631546.txt	false	false	165	14,271,001,669,352,796,000	47	4	4	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "f32e99a5305a7033eea8cc64c6c37204", "内容": "【弯茎姬石蛾】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "e87ff9e4eb895f27404d8e78a0dd9f48", "内容": "弯茎姬石蛾（学名：Hydroptila curvipennis）为姬石蛾科姬石蛾属下的一个种。" }, { "行号": 4, ...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/219920.txt	false	false	476	9,734,741,998,524,150,000	106	8	8	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "00876630b39e4e51f3c2161f220b0948", "内容": "【褐毛紫菀】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "dc06f28a6b6405ca9face0ef9a177663", "内容": "褐毛紫菀（学名：Aster fuscescens）是菊科紫菀属的植物。分布在缅甸以及中国大陆的四川、西藏、云南等地，生长于海拔2,900米至4,2...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/357190.txt	false	false	910	13,604,450,812,257,993,000	132	13	13	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "d6fbe88328dcf3be711116ae5af023ec", "内容": "【宫殿广场 (阿维尼翁)】" }, { "行号": 1, "是否重复": false, "是否跨文件重复": false, "md5": "3ab02762ef2beee98f8da99da62d8ce3", "内容": "从教皇宫看广场另一端的小宫" }, { "行号": 2, "是否重复": false, "是否跨文件...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/185166.txt	false	false	290	8,142,670,855,916,882,000	91	2	2	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "c9f7ba368fecbf39f9c5d69079fa596e", "内容": "【昼行性】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "7cae0149d1b980147710b50d73deae10", "内容": "昼行性是指动物或植物在白昼比较活跃，在夜晚有一段睡眠或是不活跃之时间，与夜行性相反。昼行性动物实际的活跃时间会随许多环境因素而变化，例如温度、可用视...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/663320.txt	false	false	318	7,210,637,571,856,635,000	65	4	4	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "6a0b503951b9f6a1623162abf24e505a", "内容": "【王崇久】" }, { "行号": 1, "是否重复": false, "是否跨文件重复": false, "md5": "57377ce59d80b527a60954376bd1be7c", "内容": "王崇久（），汉族，中华人民共和国政治人物、第十一届全国政协委员。" }, { "行号": 2, "是否重复": false,...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/332202.txt	false	false	656	4,831,272,651,368,047,000	67	8	8	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "7c24b49efcb389d252880efd0d949283", "内容": "【将爱情进行到底 (电影)】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "7cc1fb7b9f387860a324f134565e3f05", "内容": "《将爱情进行到底》是一部中国爱情电影，由张一白导演，徐静蕾、李亚鹏、杜汶泽主演。电影名称来自毛泽东名言将革命进行到底。" },...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/909080.txt	false	false	894	2,631,552,043,313,329,000	107	9	9	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "4caf1f45c6011d074198c88444c4c93c", "内容": "【国际足总最佳男子球员奖】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "5006a680320203204ee5447599eb5638", "内容": "国际足总最佳男子球员奖（The Best FIFA Men's Player）（又称世界足球先生）是由国际足总管理并且每年颁发的国际...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/054471.txt	false	false	6,353	2,125,926,952,090,436,600	233	30	30	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "30eec93b63830e1b2751cc4cdc4edaa8", "内容": "【台湾省城隍庙】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "772734c860d72eafefd78216b7aa23d0", "内容": "台湾省城隍庙，是位于台湾台北市中正区光复里的城隍庙，主神为城隍，与台北府城隍庙都是源自台北府县城隍庙。" }, { "行号":...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/772507.txt	false	false	255	5,203,704,174,142,884,000	86	2	2	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "390c4ddd0eb955c87837cd7160136efb", "内容": "【松元町】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "0f68e8838a062e044bff5568d8498893", "内容": "松元町（f=y）是过去位于日本鹿儿岛县下的行政区划，1990年代起，由于往返鹿儿岛市区的交通逐渐便利，开始发展成鹿儿岛市的卫星城市。2004年与周边...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/756594.txt	false	false	633	9,256,806,129,273,416,000	146	4	4	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "e7b048a0dc10cd53d3f34d6327053ebc", "内容": "【王心源】" }, { "行号": 1, "是否重复": false, "是否跨文件重复": false, "md5": "9d613b30cd2f318f8c2cf0a7f683aa06", "内容": "王心源（4月2日），名作桢，山东诸城人，中国诸城派古琴演奏家，是王既甫第三子。与王心葵、王冷泉合称“诸城琅琊三王”。" }, { "...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/186486.txt	false	false	1,448	723,281,876,214,165,600	147	8	8	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "75810fe400e971623ac4d5889a5dfa51", "内容": "【喜糖】" }, { "行号": 1, "是否重复": false, "是否跨文件重复": false, "md5": "5d2c9d0903e57f7f48a9d25f642975f0", "内容": "喜糖，是婚礼时分发给参加宾客以示喜庆的甜蜜之物，人们可以在婚礼上把它吃掉，也可以把它带回家。通常人们认为，吃了喜糖既是祝福新人，也能让宾客沾「喜气」，...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/857286.txt	false	false	583	4,612,882,641,517,087,000	187	2	2	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "7e784ca84638e8837044c8d6c7fb3fd6", "内容": "【苏格兰经济】" }, { "行号": 1, "是否重复": false, "是否跨文件重复": false, "md5": "000663ddfafdf336440f4153a631881b", "内容": "苏格兰经济和英国其他地区经济及欧洲经济区有密切的联系。自工业革命时代开始，苏格兰就是欧洲工业强国之一，在工业领域拥有世界领先地位。现在苏格兰仍然...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/680143.txt	false	false	2,991	11,537,635,940,751,483,000	255	23	23	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "8566e1795bb0283f90bde9df49fb61e9", "内容": "【澳洲国库部长】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "c36595e1a6e620c93aa187b60b45a15e", "内容": "位于澳大利亚首都坎培拉的联邦国库部大楼。" }, { "行号": 3, "是否重复": false, "是否跨...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/999590.txt	false	false	270	6,971,713,750,950,806,000	102	2	2	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "8f6325d40e130fe3e4d1b0f8cd3120ca", "内容": "【默古拉乡 (特列奥尔曼县)】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "fd523b70c40b7f8f62c4c7b9012d8a0a", "内容": "默古拉乡（Comuna Măgura, Teleorman），是罗马尼亚的乡份，位于该国南部，由特列奥尔曼县负责管辖，面积68平...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/929941.txt	false	false	2,540	1,683,441,289,830,795,000	502	7	7	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "37c72d22d3f744eb307ca0e919861ac6", "内容": "【孟启予】" }, { "行号": 1, "是否重复": false, "是否跨文件重复": false, "md5": "73248d4a0207ad740f48594e87ad2b0f", "内容": "孟启予（），原名陈元，女，祖籍福建长乐，生于北京，北京电视台（今中国中央电视台）副台长、代理台长。" }, { "行号": 3, ...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/337125.txt	false	false	413	7,397,628,650,209,758,000	147	2	2	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "4e22916a488c2760f6e9a93d65094c61", "内容": "【不要输给心痛】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "9b490f770f75c2d36fabaa10be515da6", "内容": "不要输给心痛（Succumb Not to Sorrow）为爱心无国界311烛光晚会的主题曲，此歌曲亦是因2011年日本东北地方太平洋近海地震...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/742993.txt	false	false	285	2,306,423,553,584,829,000	98	2	2	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "340a7db00eb11eb475729230cd8cb7da", "内容": "【尼科尔森岩】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "af80f54b4958b3712803790b8504da8f", "内容": "尼科尔森岩（Nicholson Rock）是南极洲的岩石，位于玛丽伯德地，处于科克斯海崖以东4.6公里的托尼山东部，美国地质调查局根据测量和美国...	2023-03-20T00:00:00
cleaned/zhwiki-20230320/folder_0/456204.txt	false	false	765	16,668,742,586,331,202,000	35	20	20	[ { "行号": 0, "是否重复": false, "是否跨文件重复": false, "md5": "f4ec203b7535ffa5c4787b73f0a693f9", "内容": "【C4】" }, { "行号": 2, "是否重复": false, "是否跨文件重复": false, "md5": "dd5fd27bfdedeb34e5c9ec8b01bd2976", "内容": "C4、 C04、 C.IV、C-4及C-04可能指以下内容：" }, { "行号": 4, "是否重复": false, ...	2023-03-20T00:00:00

End of preview. Expand in Data Studio

zhwiki-mnbvc

分项目：爬取并处理中文维基百科语料

数据时间：202302-202305 （持续更新）

主项目：MNBVC(Massive Never-ending BT Vast Chinese corpus)超大规模中文语料集 https://github.com/esbatmop/MNBVC

该项目清洗流程主要参考：https://kexue.fm/archives/4176/comment-page-1

并且使用组员开发的去重工具进行数据格式化。

总行数（样本）: 10,754,146

一个示例：

{
  "文件名": "cleaned/zhwiki-20230420/folder_0/723712.txt",
  "是否待查文件": false,
  "是否重复文件": false,
  "文件大小": 558,
  "simhash": 14363740497821204542,
  "最长段落长度": 142,
  "段落数": 6,
  "去重段落数": 6,
  "低质量段落数": 0,
  "段落": [
    {
      "行号": 0,
      "是否重复": false,
      "是否跨文件重复": false,
      "md5": "39a3b4c7a4785d88c7c7d774364ea17e",
      "内容": "【龙州 (唐朝)】"
    },
    {
      "行号": 1,
      "是否重复": false,
      "是否跨文件重复": false,
      "md5": "856bdf443999603f349625a56a5e92d6",
      "内容": "龙州，中国古代的州，今龙州县的前身。"
    },
    {
      "行号": 2,
      "是否重复": false,
      "是否跨文件重复": false,
      "md5": "45fd3b9dc612d6235b5653d1a5b40688",
      "内容": "唐朝武德四年（621年）设置的州，治所在龙城县（今广西壮族自治区龙州县北），辖两县：龙城县、柳岭县。贞观七年（633年），柳岭县并入龙城县，撤销龙州，龙城县归南昆州管辖。元朝设万户府，移治今龙州。明朝洪武初年，复为龙州。清朝雍正三年（1725年）废为龙州县，今属广西壮族自治区崇左市。"
    },
    {
      "行号": 4,
      "是否重复": false,
      "是否跨文件重复": false,
      "md5": "8756367c3ee308f3875ed8e942a6e377",
      "内容": "== 参考文献 =="
    },
    {
      "行号": 5,
      "是否重复": false,
      "是否跨文件重复": false,
      "md5": "6db73b5b7c22fb1bcf7829fbe585043f",
      "内容": "* 《旧唐书·地理志》"
    },
    {
      "行号": 6,
      "是否重复": false,
      "是否跨文件重复": false,
      "md5": "38b370ac9f61b116d4f6c98873ffc4bd",
      "内容": "* 《明史·地理志》"
    }
  ],
  "文件日期": "2023-04-20"
}

Downloads last month: 159

Size of the auto-converted Parquet files (First 5GB):

3.39 GB

Number of rows (First 5GB):

1,917,798