在码农港湾
做一个实实在在的内行人

GitHub上最全中华古诗词数据库又火了

近期,GitHub 上最全中华古诗词数据库再次登上热榜,又火了一把。根据介绍,chinese-poetry 最全中华古诗词数据库集合了唐宋两朝近一万四千古诗人, 接近 5.5 万首唐诗加 26 万宋诗. 两宋时期 1564 位词人,21050 首词。该项目已经获得了 22.6k 个「star」以及 4.2k 个「fork」。

GitHub 项目:https://github.com/chinese-poetry/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、2.1 万首宋词和其他古典文集。诗人包括唐宋两朝近 1.4 万古诗人,和两宋时期 1.5 千古词人。数据来源于互联网。

为什么要做这个仓库? 项目作者表示,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。此数据库通过 JSON 格式分发,可以让你很方便的开始你的项目。

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。

高频词分析图

宋词受欢迎的词牌名

宋词高频词

宋词作者作品榜

唐诗高频词

唐诗作者作品榜

宋诗高频词

宋诗作者作品榜

数据集


码农刷题必备工具 VS 码农进阶必读书籍

IT面试宝典宝典書城