CWT200g数据集url编号说明

编号文件：cwt200g_url_no_0.txt(160MB), cwt200g_url_no_1.txt(141MB)
前2000万url编号在第一个文件中,后续的在第二个文件中.
分成两个文件是因为如果放在一个文件内,解开后大于2GB,window平台会吃不消.

文件格式：
数据集共有37482913个网页。编号文件共37482913行。
每个url一行，url和编号之间用tab键分开。 
e.g.
http://book.poptang.com/        CWT200g060412-00000000
http://book.poptang.com/include/ad.html CWT200g060412-00000001
http://book.poptang.com/include/ad4.html        CWT200g060412-00000002


url按如下顺序出现在编号文件中：
1.按站点大小排序（大站点的url出现在前，小站点的url出现在后）；
2.站内url顺序为网页在CWT200g数据集中保存的顺序