Skip to content
/ Poetry Public

爬取自互联网的古诗词语料库,包含先秦至当代诗词,共计1014508首诗

Notifications You must be signed in to change notification settings

xiu-ze/Poetry

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

12 Commits
 
 
 
 

Repository files navigation

Chinese-Poetry-Corpus

本语料库收集自互联网,包含了从先秦到当代的古诗词数据,以CSV格式进行存储。经过去重后,包含诗词共计1014508首。

数据说明

  1. 古诗词按朝代进行划分,存储于文件夹"诗歌数据集"下,命名规则为"朝代.csv"。诗词数量多的朝代被分成多个文档,以避免单个文档过大;
  2. 跨朝代的诗人,以诗人出生的朝代进行划分,如若诗人出生于明末,生活在清初,则该诗人的作品仅收录在文件"明.csv"中;
  3. 每首诗词数据包含五个字段,分别为"标题"、"朝代"、"作者"、"体裁"、"内容"。其中"体裁"字段记录着该诗的文学体裁,如"五言绝句"、"词"、"古风"……;
  4. 针对词这种体裁,词的标题一般由"词牌名"和"题目"构成,本语料库在整理时将词标题的命名格式统一成"词牌名[空格]题目"。PS:(1)某些词数据不包含题目,而仅由词牌名构成,针对该情况,本语料库将标题统一成"词牌名"。(2)某些词同一个词牌和标题下会有好几首,作为区分诗人会添加"其一"/"其二"等标识,本语料库将该情况下的标题信息统一成"词牌名[空格]其X[空格]题目",其中X代表一二三……;

各朝代诗词数量统计信息

朝代 数量
先秦 576
9
753
魏晋 2425
南北朝 4705
1266
54156
268665
25
8357
70574
294587
246698
近现代 30372
当代 31340

先秦至清朝诗词统计信息

先秦至清朝的诗词曲等体裁共计952816首,其中词、五言绝句、五言律诗、七言绝句、七言律诗具体信息如下表所示

体裁 数量
83364
五言绝句 35574
五言律诗 145068
七言绝句 196356
七言律诗 217215

About

爬取自互联网的古诗词语料库,包含先秦至当代诗词,共计1014508首诗

Topics

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published