Chinese-Poetry-Corpus

本语料库收集自互联网，包含了从先秦到当代的古诗词数据，以CSV格式进行存储。经过去重后，包含诗词共计1014508首。

数据说明

1. 古诗词按朝代进行划分，存储于文件夹"诗歌数据集"下，命名规则为"朝代.csv"。诗词数量多的朝代被分成多个文档，以避免单个文档过大；
2. 跨朝代的诗人，以诗人出生的朝代进行划分，如若诗人出生于明末，生活在清初，则该诗人的作品仅收录在文件"明.csv"中；
3. 每首诗词数据包含五个字段，分别为"标题"、"朝代"、"作者"、"体裁"、"内容"。其中"体裁"字段记录着该诗的文学体裁，如"五言绝句"、"词"、"古风"……；
4. 针对词这种体裁，词的标题一般由"词牌名"和"题目"构成，本语料库在整理时将词标题的命名格式统一成"词牌名[空格]题目"。PS：（1）某些词数据不包含题目，而仅由词牌名构成，针对该情况，本语料库将标题统一成"词牌名"。（2）某些词同一个词牌和标题下会有好几首，作为区分诗人会添加"其一"/"其二"等标识，本语料库将该情况下的标题信息统一成"词牌名[空格]其X[空格]题目"，其中X代表一二三……；

各朝代诗词数量统计信息

朝代	数量
先秦	576
秦	9
汉	753
魏晋	2425
南北朝	4705
隋	1266
唐	54156
宋	268665
辽	25
金	8357
元	70574
明	294587
清	246698
近现代	30372
当代	31340

先秦至清朝诗词统计信息

先秦至清朝的诗词曲等体裁共计952816首，其中词、五言绝句、五言律诗、七言绝句、七言律诗具体信息如下表所示

体裁	数量
词	83364
五言绝句	35574
五言律诗	145068
七言绝句	196356
七言律诗	217215