77 lines
3.9 KiB
Markdown
77 lines
3.9 KiB
Markdown
chinese-poetry
|
|
==============
|
|
|
|
[](https://travis-ci.org/jackeyGao/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. 唐宋两朝斤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](http://jackeygao.io/words/crawl-ci.html).
|
|
|
|
|
|
## 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 |
|
|
|
|
|
|
|
|
|
|
<center>两宋喜欢的词牌名</center>
|
|
|
|
## 数据分发形式
|
|
|
|
古诗数据分发采用繁体字的分组JSON文件, 保留繁体能更大程序的保存原数据. 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).
|
|
|
|
### 古诗JSON结构
|
|
|
|
```text
|
|
[
|
|
{
|
|
"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
|
|
|
|
```json
|
|
[
|
|
{
|
|
"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。"
|
|
},
|
|
...
|
|
]
|
|
```
|
|
|
|
|
|
## 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 gaojunqi@outlook.com
|
|
|
|
|
|
|
|
|
|
## License
|
|
|
|
[MIT](https://zh.wikipedia.org/wiki/MIT%E8%A8%B1%E5%8F%AF%E8%AD%89) 许可证. |