S2-S4 updates
@nvanva já está trabalhando nisso.
Desde 15/10/2026.
Avaliação
Esta issue ainda não foi avaliada.
Descrição
The requirements from Mattermost:
"the latest trafilatura release, current openlid (v3) and glotlid versions, xml and md into one file, standard zstd output, id ingestion , and probably some smaller things that i am currently forgetting (i will refresh my own memory and write down what happened in S4 in the last cycle)."
- Linguagem predominante
- Shell
- Estrelas
- 1
- Forks
- 0
- Métricas de merge de PRs
- Nenhum PR com merge em 30d
Preparar o ambiente
Este projeto não oferece contêiner de desenvolvimento, Dockerfile nem guia de contribuição, então a configuração fica por sua conta: comece pelo README e veja nosso guia da primeira contribuição para os passos gerais.
Primeiros passos
- Leia a issue inteira e depois o guia de contribuição do projeto.
- Comente na issue dizendo que vai assumir — evita que duas pessoas façam o mesmo trabalho.
- Faça um fork do repositório e trabalhe em uma branch.
- Abra um pull request que referencie o número da issue.
Mais de OpenEuroLLM/web-data-processing
-
audio and video extraction from WARCsTalvez já em andamento @nvanva assumiu há 7 dias. Aberta
OpenEuroLLM/web-data-processing#8 · 1 comentário · 3 responsáveis ·
-
robots.txtTalvez já em andamento @nvanva assumiu há 7 dias. Aberta
OpenEuroLLM/web-data-processing#7 · 1 responsável ·
-
S2-S4 integrationTalvez já em andamento @nvanva assumiu há 7 dias. Aberta
Dificuldade 5/5 Mais de uma semana Facilidade para iniciantes 20/100
OpenEuroLLM/web-data-processing#5 · 1 responsável ·
-
LUMIO manifest generationTalvez já em andamento @nvanva assumiu há 13 dias. Aberta
OpenEuroLLM/web-data-processing#4 · 1 comentário · 1 responsável ·
-
opt-out handlingTalvez já em andamento @nvanva assumiu há 13 dias. Aberta
OpenEuroLLM/web-data-processing#3 · 3 comentários · 1 responsável ·
Todas as issues de OpenEuroLLM/web-data-processing
Issues semelhantes
-
enhancement
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 65/100
-
area:terraform priority:low source:reader type:enhancement
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 65/100
stephrobert/blog-roadmap#104 ·
-
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 65/100
ReproNim/containers#172 ·
-
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 67/100
fairagro/m4.2_infrastructure#54 · 1 comentário ·
Mantenedores costumam responder em até 1 dia
-
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 78/100
Mantenedores costumam responder em até 1 dia