chinese-poetry 中华古诗词数据库

项目简介

chinese-poetry 是目前最全面的中华古典文集开源数据库，把散落在各类古籍与网站中的诗词整理成结构化的 JSON 数据，让开发者不必自己爬取和清洗，就能直接开始诗词类项目。

数据规模大致如下：

• 唐诗约 5.5 万首，宋诗约 26 万首
• 宋词约 2.1 万首，涉及两宋 1564 位词人
• 唐宋两朝近 1.4 万位诗人
• 另含论语、诗经、四书五经、蒙学、纳兰性德、御定全唐詩等文集

数据集结构

仓库按文集分目录组织，每个目录下是若干 JSON 文件，常见字段包括标题、作者、段落（诗句数组）等。示意：

{
  "author": "李白",
  "paragraphs": ["床前明月光，疑是地上霜。"],
  "title": "静夜思"
}

主要目录包括：

• 全唐诗 / 宋诗
• 宋词
• 五代诗词（花间集、南唐二主词）
• 论语、诗经、四书五经、蒙学
• 纳兰性德、幽梦影、御定全唐詩

如何使用

1. 克隆或下载仓库，按需读取对应目录下的 JSON 文件。
2. 前端项目可直接 fetch JSON 静态资源；后端可导入 MySQL、SQLite、Elasticsearch 等做检索。
3. 做 NLP 或 LLM 训练时，可把诗句字段抽取为纯文本语料。

注意：仓库只提供数据，不包含查询接口或服务端，检索、分页、拼音搜索等功能需要自行实现。

适用与注意事项

• 适合诗词网站、小程序、App、教育工具、数据可视化以及诗词生成模型等场景。
• 数据来自互联网采集，个别条目可能存在错漏，正式产品建议做抽样校验。
• 采用 MIT 许可证，可自由使用与二次分发。
• 欢迎通过 PR 或 Issue 参与纠错与扩充，贡献时建议标明出处。