NLP必不可少的中文数据资源

最近在做中文文本分类，你做数据，首先你就得有数据集嘛，没有数据集你就得自己爬，很麻烦，我自己已经走了很多弯路了，只想提供给大家一些实用的东西，目的就酱。

搜狗实验室数据资源

首先挂一个链接，因为其他博文的链接都是八百辈子之前的都挂掉了，想要下载的点击这个搜狗实验室,强烈建议不要使用Chrome，不知道为啥就是无法跳转到下载界面，我使用的Safari，然后登记下个人信息酒就可以使用了，毕竟你还是要尊重下人家的版权的嘛。
假设我们要使用搜狐新闻数据：

完整版非常大，是一个.dat格式的文件，还要自己进行切分，事实上搜狗实验室提供的资源不仅是ASCII码格式的，你需要自己转换，甚至文档都是xml结构的，你还需要自己提取，mmp，折腾我好久，当然我是个有毅力的人，最后当然是选择放弃了，哈哈哈哈哈～

虽然我失败了，但是给你们提供一个案例，祝你们能实现：