一周 Github Trending 熱門項目，最全中華古詩詞資料庫

Chinese-poetry 是本周 Github Trending 熱門項目，截至 2 月 7 日，該項目已經獲得了 2.5k 個「star」以及 199 個「fork」。

該詩詞資料庫包含5.5萬首唐詩、26萬首宋詩和 2.1 萬首宋詞. 唐宋兩朝近 1.4 萬古詩人, 和兩宋時期 1.5K 詞人，數據均來源於互聯網。

資料庫作者 Jackey Gao 認為，古詩是中華民族乃至全世界的瑰寶，我們應該傳承下去，雖然有古典文集，但大多數人並沒有擁有這些書籍。從某種意義上來說，這些龐大的文集離我們是有一定距離的，而電子版方便拷貝，所以此開源資料庫誕生了。你可以用此數據做任何有益的事情，作者也可以幫助你。

古詩採集沒有記錄過程，因為古詩數據龐大，目標網站有限制，採集過程經常中斷超過一個星期。2017年新加入全宋詞，全宋詞爬取過程及數據分析：https://jackeygao.io/words/crawl-ci.html。

Github 主頁：https://github.com/chinese-poetry/chinese-poetry

資料庫官方頁面：http://shici.store/

作者個人網站：https://jackeygao.io/

數據分析

一些簡單的高頻分析

數據分發形式

古詩數據分發採用繁體字的分組 JSON 文件，保留繁體能更大程度地保存原數據。宋詞數據分發採用 sqlite 資料庫，使用簡體字(無原因，採集源就是簡體，如需繁體請自行轉換)。

其他類型結構數據

KomaBeyond / chinese-poetry-mysql 適用於 mysql 資料庫的格式數據

（鏈接：https://github.com/KomaBeyond/chinese-poetry-mysql）

古詩 JSON 結構

[

{

"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"

},

... 每單個JSON文件1000條唐詩記錄.

]

作者 JSON 結構

[

{

"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 離線全唐詩 Android

（鏈接：https://github.com/animalize/QuanTangshi）

justdark / pytorch-poetry-gen a char-RNN based on pytorch

（鏈接：https://github.com/justdark/pytorch-poetry-gen）

Clover27 / ancient-Chinese-poem-generator Ancient-Chinese-Poem-Generator

（鏈接：https://github.com/Clover27/ancient-Chinese-poem-generator）

chinese-poetry / poetry-calendar 詩詞周曆

（鏈接：http://shici.store/poetry-calendar/）

公眾號

PoemSearcher

貢獻&討論

創建和維護 chinese-poetry 需要花費很多的時間和資源。如果此資料庫對您有很大的幫助，請酌情考慮打賞作者（https://jackeygao.io/donation.html）。

新人福利

關注 AI 研習社（okweiwu），回復1領取

【超過 1000G 神經網路 / AI / 大數據，教程，論文】

玩機器學習要知道哪些開源資料庫？

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！