這是一個簡單使用的程式庫，讓你對網頁進行爬取，清理和重複資料刪除，以建立大量的單語資料集( monolingual datasets )。 使用這個程式庫，你應該能夠建立一個比 OpenAI 給 GPT-2 用的更大資料集( datasets )。