chinese-poetry
最全的中华古典文集数据库, 包含5.5万首唐诗、26万首宋诗和2.1万首宋词. 唐宋两朝近1.4万古诗人, 和两宋时期1.5K词人. 数据来源于互联网.
为什么要做这个仓库? 古诗是中华民族乃至全世界的瑰宝, 我们应该传承下去, 虽然有古典文集, 但大多数人并没有拥有这些书籍. 从某种意义上来说, 这些庞大的文集离我们是有一定距离的。而电子版方便拷贝, 所以此开源数据库诞生了. 你可以用此数据做任何有益的事情, 甚至我也可以帮助你.
古诗采集没有记录过程, 因为古诗数据庞大,目标网站有限制, 采集过程经常中断超过了一个星期.2017年新加入全宋词, 全宋词爬取过程及数据分析.
数据分析
一些简单的高频分析
唐诗高频词 | 唐诗作者作品榜 |
---|---|
![]() |
![]() |
宋诗高频词 | 宋诗作者作品榜 |
![]() |
![]() |
宋词高频词 | 宋词作者作品榜 |
![]() |
![]() |
两宋喜欢的词牌名 |
---|
![]() |
数据分发形式
古诗数据分发采用繁体字的分组JSON文件, 保留繁体能更大程度地保存原数据. 宋词数据分发采用sqlite数据库, 使用简体字(无原因, 采集源就是简体, 如需繁体请自行转换).
其他类型结构数据
- chinese-poetry / chinese-poetry-zhCN 简体中文版本数据
- KomaBeyond / chinese-poetry-mysql 适用于mysql数据库的格式数据
古诗JSON结构
[
{
"strains": [
"平平平仄仄,平仄仄平平。",
"仄仄平平仄,平平仄仄平。",
"平平平仄仄,平仄仄平平。",
"平仄仄平仄,平平仄仄平。"
],
"author": "太宗皇帝",
"paragraphs": [
"秦川雄帝宅,函谷壯皇居。",
"綺殿千尋起,離宮百雉餘。",
"連甍遙接漢,飛觀迥凌虛。",
"雲日隱層闕,風煙出綺疎。"
],
"title": "帝京篇十首 一"
},
... 每单个JSON文件1000条唐诗记录.
]
作者JSON结构
[
{
"name": "太宗皇帝",
"desc": "帝姓李氏,諱世民,神堯次子,聰明英武。貞觀之治,庶幾成康,功德兼隆。由漢以來,未之有也。而銳情經術,初建秦邸,即開文學館,召名儒十八人爲學士。既即位,殿左置弘文館,悉引內學士,番宿更休。聽朝之間,則與討論典籍,雜以文詠。或日昃夜艾,未嘗少怠。詩筆草隸,卓越前古。至於天文秀發,沈麗高朗,有唐三百年風雅之盛,帝實有以啓之焉。在位二十四年,諡曰文。集四十卷。館閣書目,詩一卷,六十九首。今編詩一卷。"
},
...
]
案例展示
- animalize / QuanTangshi 离线全唐诗 Android
- justdark / pytorch-poetry-gen a char-RNN based on pytorch
- Clover27 / ancient-Chinese-poem-generator Ancient-Chinese-Poem-Generator
- chinese-poetry / poetry-calendar 诗词周历
- chenyuntc / pytorch-book 简体唐诗生成(char-RNN), 可生成藏头诗,自定义诗歌意境,前缀等
公众号
- PoemSearcher
贡献&讨论
提交issue来优化完善此数据库, 你也可以联系我的邮箱 [email protected]
创建和维护chinese-poetry
需要花费很多的时间和资源. 如果此数据库对您有很大的帮助, 请酌情考虑打赏作者.
License
MIT 许可证.