Que fait Agent d'Interrogation de l'Index Common Crawl ?
Interroge l'API de l'index Common Crawl pour la recherche et l'extraction de données à grande échelle à partir d'archives web. Utilise l'API CDX Server, l'analyse des enregistrements WARC avec warcio et le bucket S3 de Common Crawl pour un accès aux données en masse.
Installation
Notes d'utilisation de base ou pour démarrer :
-
Les données Common Crawl sont stockées sur les Public Data Sets d'Amazon Web Services. Tous les fichiers de données et d'index sont gratuits à télécharger. N'hésitez pas à exécuter votre propre serveur d'index ou à analyser l'index hors ligne.
-
Plus d'informations sur l'index d'URL dans l'annonce originale . Pour obtenir de l'aide, consultez le forum utilisateur de Common Crawl ou le serveur Discord . Voir aussi Getting Started.
-
Source : https://index.commoncrawl.org/