PÁGINAS WEB

▸ 4, 943, 857 Páginas Web.

▸ 100 GB não comprimido.

IDENTIFICADORES DE LINGUAGEM

▸ Todos os identificadores de linguagem de 2 letras para o conjunto de dados estão de acordo com a lista de ID de idioma ISO 639.

▸ No conjunto de dados Hultig-C, foram usados todos os idiomas Europeus, bem como alguns idiomas predominantes no continente Asiático.

CONJUNTO DE DADOS INTEIRO

▸ URLs Únicos: 3, 914, 526