download recent CC crawls to LUMIO
@nvanva 已经在做这个了。
开始于 2026年10月8日。
评估
这个 Issue 还没有评估数据。
描述
Download the latest crawls to LUMIO. Due to insufficient free space on LUMIO for all crawls, we have started with the most recent crawl CC-MAIN-2026-39 and download each 2nd crawl up to CC-MAIN-2025-38. Later will download the remaining crawls.
Put dowloading code here.
- 主要语言
- Shell
- 星标
- 1
- 派生
- 0
- PR 合并指标
- 30 天内没有已合并 PR
环境准备
这个项目没有提供开发容器、Dockerfile 或贡献指南，环境需要你自己搭建：先看它的 README，通用步骤见我们的新手贡献指南。
从这里开始
- 先读完整个 Issue，再读项目的贡献指南。
- 在 Issue 下留言说明你要接手 —— 这能避免两个人做同样的事。
- Fork 仓库，在一个分支上完成修改。
- 提交 Pull Request，并在描述里引用这个 Issue 编号。
OpenEuroLLM/web-data-processing 的其他 Issue
-
audio and video extraction from WARCs可能已有人在做 @nvanva 于 7 天前认领。 未关闭
OpenEuroLLM/web-data-processing#8 · 1 条评论 · 已指派 3 人 ·
-
robots.txt可能已有人在做 @nvanva 于 7 天前认领。 未关闭
OpenEuroLLM/web-data-processing#7 · 已指派 1 人 ·
-
S2-S4 updates可能已有人在做 @nvanva 于 7 天前认领。 未关闭
OpenEuroLLM/web-data-processing#6 · 3 条评论 · 已指派 2 人 ·
-
S2-S4 integration可能已有人在做 @nvanva 于 7 天前认领。 未关闭
难度 5/5 一周以上 新手友好度 20/100
OpenEuroLLM/web-data-processing#5 · 已指派 1 人 ·
-
LUMIO manifest generation可能已有人在做 @nvanva 于 13 天前认领。 未关闭
OpenEuroLLM/web-data-processing#4 · 1 条评论 · 已指派 1 人 ·
查看 OpenEuroLLM/web-data-processing 的全部 Issue
相似的 Issue
-
enhancement
难度 2/5 1-3 小时 新手友好度 65/100
-
enhancement
难度 2/5 1-3 小时 新手友好度 68/100
维护者通常 1 天内回复
-
area:terraform priority:low source:reader type:enhancement
难度 2/5 1-3 小时 新手友好度 65/100
stephrobert/blog-roadmap#104 ·
-
难度 2/5 1-3 小时 新手友好度 65/100
ReproNim/containers#172 ·
-
难度 2/5 1-3 小时 新手友好度 67/100
fairagro/m4.2_infrastructure#54 · 1 条评论 ·
维护者通常 1 天内回复