Datasets:

tartuNLP
/

finepdfs-et

text stringlengths 51 8.09M	id stringlengths 36 47	dump stringclasses 104 values	url stringlengths 18 825	date stringlengths 19 25	file_path stringlengths 125 155	offset int64 235k 1.54B	token_count int64 12 3.02M	language stringclasses 1 value	page_average_lid stringclasses 1 value	page_average_lid_score float64 0.95 1	full_doc_lid stringclasses 27 values	full_doc_lid_score float64 0 1	per_page_languages listlengths 1 3.92k	is_truncated bool 2 classes	extractor stringclasses 2 values	page_ends listlengths 1 3.92k
EBÜ üldkoosolek Aeg: 12.03.2010, algus kell 12.30 Koht: Kopli 116, Tallinn Kohal viibis 13 liiget (sh. kõik juhatuse liikmed) Päevakava tutvustus. Ülo Kask'i ettekanne teemal "Statistic slides for AEBIOM members". 2009 aastal toimunud ning 2010 aastal plaanitud tegevuste tutvustamine. Järgmine õppepäev ja koosol...	<urn:uuid:ac4eafc0-5353-4f26-a23c-9b1227499503>	CC-MAIN-2018-05	http://eby.ee/eby_uld.pdf	2018-01-21T16:30:25Z	s3://commoncrawl/crawl-data/CC-MAIN-2018-05/segments/1516084890795.64/warc/CC-MAIN-20180121155718-20180121175718-00226.warc.gz	103,415,294	343	ekk_Latn	ekk_Latn	0.999945	ekk_Latn	0.999945	[ "ekk_Latn" ]	false	rolmOCR	[ 826 ]
Venoosse haavandi käsitlus Töörühma ja sekretariaadi koosoleku protokoll nr 8 \| Kuupäev \| 15.jaanuar 2016 \| \|---\|---\| \| Koht \| Lastekodu 48, Tallinn \| \| Algus Lõpp \| kl 12.00 kl 15.40 \| \| Osalejad \| Töörühma liikmed: Evo Kaha, Tiiu Kaha, Hepp Nigol, Tiiu Rehe, Kadi Tarasova, Heli Järve, Maire Karelson, Tiit Meren, Ül...	<urn:uuid:89a61231-737b-4c4e-8b00-701cd42610a5>	CC-MAIN-2018-05	https://www.ravijuhend.ee/attachments/guides/11/485?action=download	2018-01-21T16:42:32Z	s3://commoncrawl/crawl-data/CC-MAIN-2018-05/segments/1516084890795.64/warc/CC-MAIN-20180121155718-20180121175718-00227.warc.gz	982,232,189	6,136	ekk_Latn	ekk_Latn	0.999971	ekk_Latn	0.999962	[ "ekk_Latn", "ekk_Latn", "ekk_Latn", "ekk_Latn", "ekk_Latn", "ekk_Latn", "ekk_Latn" ]	false	rolmOCR	[ 2363, 5124, 7689, 9879, 12091, 15030, 15638 ]
EKL PÕHJAMAISTE KELGUKOERTE KATSETE KOGU ÜLDKOOSOLEKU PROTOKOLL Pärnumaal Jõulumäe Tervisespordikeskuses , 5.11.2016. Algus kell 17.00, lõpp kell 17.35 Juhataja: Ülle Aaslav-Kaasik, protokollija: Marit Kuus Osalesid 6 liiget (2 liiget esindatud volikirja alusel). Protokollile lisatud osalenud liikmete nimekiri nin...	<urn:uuid:6a625b66-4017-4a0a-8854-f380bb6aad7f>	CC-MAIN-2018-05	http://kennelliit.ee/wp-content/uploads/2013/06/05.11.2016-%C3%BCldkoosoleku-protokoll.pdf	2018-01-21T16:44:56Z	s3://commoncrawl/crawl-data/CC-MAIN-2018-05/segments/1516084890795.64/warc/CC-MAIN-20180121155718-20180121175718-00229.warc.gz	192,544,813	435	ekk_Latn	ekk_Latn	0.999682	ekk_Latn	0.999682	[ "ekk_Latn" ]	false	rolmOCR	[ 1015 ]
AS Narva Vesi Joogivee kvaliteet Narva ja Narva-Jõesuu linnade veevõrkude joogivee kvaliteedi tavakontroll Aprill 2018 proovivõtjad: N. Atonen, tunnistuse nr 518 (kehtiv kuni 07.11.2018); S. Shlypkina, tunnistuse nr 573 (kehtiv kuni 19.03.2019); I. Gorlova, tunnistuse nr 515 (kehtiv kuni 07.11.2018) Piirsisaldus* ...	<urn:uuid:1e7e76ea-630c-47c8-805b-f28cd5325944>	CC-MAIN-2020-16	http://narvavesi.ee/759est.pdf	2020-04-09T19:32:14+00:00	s3://commoncrawl/cc-index/table/cc-main/warc/crawl=CC-MAIN-2020-16/subset=warc/part-00184-5e0433ee-fa15-4837-b2dc-d6f38301af97.c000.gz.parquet	121,601,234	1,282	ekk_Latn	ekk_Latn	0.999519	ekk_Latn	0.999519	[ "ekk_Latn" ]	false	rolmOCR	[ 2450 ]
Standard F urnaces & Ovens Switzerland www.borelswiss.com Üle 300 mudeli vahemikus 200 kuni 2000 °C, tootmisvõimsusega 1 kuni 8000 liitrini Labori kuivatuskapid <500 °C Tööstuslikud kuivatuskapid <500 °C Labori kuivatuskapid vaba- või sundkonvektsiooniga Kõrge temperatuuriga ahjud >1300 °C Kõrge temperatuuriga a...	<urn:uuid:ea5914d4-4a25-400c-966c-d0b83c931413>	CC-MAIN-2020-16	https://www.borelswiss.fr/wp-content/uploads/2019/03/FLY-BO-EE-V022017.pdf	2020-04-09T19:20:11+00:00	s3://commoncrawl/cc-index/table/cc-main/warc/crawl=CC-MAIN-2020-16/subset=warc/part-00190-5e0433ee-fa15-4837-b2dc-d6f38301af97.c000.gz.parquet	790,910,902	930	ekk_Latn	ekk_Latn	0.999958	ekk_Latn	0.999961	[ "unknown", "ekk_Latn", "ekk_Latn", "ekk_Latn" ]	false	rolmOCR	[ 58, 502, 864, 2333 ]
Hiiu valla koalitsiooni valitsemisleping aastateks 2013 –2017 Lepinguosalised: - Valimisliit Üks Hiiumaa - Erakond Isamaa ja Res Publica Liit Valitsemislepingus sisalduvad aastatel 2013 kuni 2017 Hiiu valla volikogu töös aluseks võetavad põhimõtted. Koalitsiooni valitsemislepingu aluseks on võetud: -Valimisliit Ü...	<urn:uuid:d895ecfb-0771-4c85-915e-9bf8de6379d9>	CC-MAIN-2018-09	http://hiiuvald.ee/images/hiiu_valla_teataja/hiiu_valla_teataja_nr_1_vaheleht.pdf	2018-02-19T11:46:04Z	s3://commoncrawl/crawl-data/CC-MAIN-2018-09/segments/1518891812584.40/warc/CC-MAIN-20180219111908-20180219131908-00085.warc.gz	145,612,601	3,493	ekk_Latn	ekk_Latn	0.999928	ekk_Latn	0.999943	[ "ekk_Latn", "ekk_Latn" ]	false	rolmOCR	[ 5721, 8833 ]
"Kristuse teed\n\nJeesus Kristus, meie spirituaalne elu ja maailm:\n\nJeesus Kristuse Teed, tema pan(...TRUNCATED)	<urn:uuid:542affe5-a39f-4461-a823-833421b24ddd>	CC-MAIN-2018-09	http://www.ways-of-christ.com/print/et.pdf	2018-02-19T11:37:02Z	"s3://commoncrawl/crawl-data/CC-MAIN-2018-09/segments/1518891812584.40/warc/CC-MAIN-20180219111908-2(...TRUNCATED)	612,219,475	170,148	ekk_Latn	ekk_Latn	0.999967	ekk_Latn	0.999988	["ekk_Latn","ekk_Latn","ekk_Latn","ekk_Latn","ekk_Latn","ekk_Latn","ekk_Latn","ekk_Latn","ekk_Latn",(...TRUNCATED)	false	rolmOCR	[344,523,3801,7324,12353,16527,21342,26170,30760,34937,38772,43133,46773,51036,55425,59793,63524,675(...TRUNCATED)
"TOETUSE KASUTAMISE LEPINGU NR 4-7/131 MUUTMISE KOKKULEPE NR 1\n\nTallinn,\n\nEesti Vabariik, Justii(...TRUNCATED)	<urn:uuid:1e896fda-a440-4fae-82f3-7fa02f65802c>	CC-MAIN-2019-22	http://www.akadeemia.ee/_repository/file/RIIGIOIGUS/Toetuse_Kasutamise_lepingu_muutmine_nr%201.pdf	2019-05-21T19:52:18Z	"s3://commoncrawl/crawl-data/CC-MAIN-2019-22/segments/1558232256546.11/warc/CC-MAIN-20190521182616-2(...TRUNCATED)	223,371,421	652	ekk_Latn	ekk_Latn	0.999924	ekk_Latn	0.999924	[ "ekk_Latn" ]	false	rolmOCR	[ 1595 ]
"Kallaste Kooli õppekava\n\nKallaste Kooli õppekava\n\nKehtestatud direktori 31.08.2015. a käskki(...TRUNCATED)	<urn:uuid:ae380a8b-6fd2-4cf0-ada2-35adc9ceb05b>	CC-MAIN-2019-22	http://www.kallastekool.edu.ee/wp-content/uploads/2016/01/Kallaste_Kooli_%C3%B5ppekava_%C3%BCldosa.pdf	2019-05-21T18:40:43Z	"s3://commoncrawl/crawl-data/CC-MAIN-2019-22/segments/1558232256546.11/warc/CC-MAIN-20190521182616-2(...TRUNCATED)	280,757,081	28,050	ekk_Latn	ekk_Latn	0.999725	ekk_Latn	1.000003	["ekk_Latn","ekk_Latn","ekk_Latn","ekk_Latn","ekk_Latn","unknown","ekk_Latn","ekk_Latn","ekk_Latn","(...TRUNCATED)	false	rolmOCR	[128,2648,4621,7217,7913,10623,11091,12311,13395,15881,18576,22031,25347,28034,31208,33187,35495,380(...TRUNCATED)
"Enefit Green AS keskkonnapõhimõtted ja olulised keskkonnaaspektid\n\nEnefit Green AS-s toimib IS(...TRUNCATED)	<urn:uuid:e94aa735-9954-4ae6-8488-775edd91d19b>	CC-MAIN-2019-22	https://www.enefitgreen.ee/-/doc/8532612/ettevottest/pdf/2019_Enefit_Green_AS_keskkonnapohimotted_ja_keskkonnaaspektid.pdf	2019-05-21T19:20:59Z	"s3://commoncrawl/crawl-data/CC-MAIN-2019-22/segments/1558232256546.11/warc/CC-MAIN-20190521182616-2(...TRUNCATED)	764,473,316	1,165	ekk_Latn	ekk_Latn	1.000003	ekk_Latn	1.000003	[ "ekk_Latn" ]	false	rolmOCR	[ 2930 ]

End of preview. Expand in Data Studio

FinePDFs-et

The Estonian subset of HuggingFaceFW/finepdfs reuploaded for ease of access.

Licensing Information

The dataset is released under the Open Data Commons Attribution License (ODC-By) v1.0 license. The use of this dataset is also subject to CommonCrawl's Terms of Use.

Citation Information

@misc{kydlicek2025finepdfs,
      title={FinePDFs}, 
      author={Hynek Kydl{\'\i}{\v{c}}ek and Guilherme Penedo and Leandro von Werra},
      year={2025},
      publisher = {Hugging Face},
      journal = {Hugging Face repository},
      howpublished = {\url{https://huggingface.co/datasets/HuggingFaceFW/finepdfs}}
}

Downloads last month: 216