Text 新闻文章数据集

我正在做一个新闻分类的项目。基本上，该系统将根据预定义的主题（如体育、政治、国际）对新闻文章进行分类。为了构建这个系统，我需要免费的数据集来训练这个系统

到目前为止，经过几个小时的谷歌搜索和链接，我能找到的唯一合适的数据集是。虽然这已经足够了，但我想我会努力找到更多

请注意，我需要的数据集包括：

包含完整的新闻文章，而不仅仅是标题

它是用英语写的

以.txt格式，而不是XML或db格式

---

有人能帮我吗

您可以构建它，您可以编写一个Python/Perl/PHP脚本，在其中运行搜索，然后当您找到答案时，您可以使用regex隔离属性。。。我认为这是最好的选择。虽然不容易，但应该很有趣，最后您可以与我们共享此数据集。

您尝试过使用吗？它是最常见的文本分类数据集。它是用SGML格式化的，但解析和转换为txt格式非常简单。

是的，我正在尝试查找数据集，因为我将忙于项目，所以我尝试减少要做的事情。此外，我不知道如何用Python/Perl/PHP编写脚本。