一周 Github Trending 热门项目，最全中华古诗词数据库 | Github 项目推荐

Chinese-poetry 是本周 Github Trending 热门项目，截至 2 月 7 日，该项目已经获得了 2.5k 个「star」以及 199 个「fork」。

该诗词数据库包含5.5万首唐诗、26万首宋诗和 2.1 万首宋词. 唐宋两朝近 1.4 万古诗人, 和两宋时期 1.5K 词人，数据均来源于互联网。

数据库作者 Jackey Gao 认为，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，作者也可以帮助你。

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一个星期。2017年新加入全宋词，全宋词爬取过程及数据分析：https://jackeygao.io/words/crawl-ci.html。

Github 主页：https://github.com/chinese-poetry/chinese-poetry 数据库官方页面：http://shici.store/ 作者个人网站：https://jackeygao.io/

数据分析

一些简单的高频分析

数据分发形式

古诗数据分发采用繁体字的分组 JSON 文件，保留繁体能更大程度地保存原数据。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)。

其他类型结构数据

• KomaBeyond / chinese-poetry-mysql 适用于 mysql 数据库的格式数据
• （链接：https://github.com/KomaBeyond/chinese-poetry-mysql）

古诗 JSON 结构

[
  {
    "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

[
  {
    "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 离线全唐诗 Android
• （链接：https://github.com/animalize/QuanTangshi）
• justdark / pytorch-poetry-gen a char-RNN based on pytorch
• （链接：https://github.com/justdark/pytorch-poetry-gen）
• Clover27 / ancient-Chinese-poem-generator Ancient-Chinese-Poem-Generator
• （链接：https://github.com/Clover27/ancient-Chinese-poem-generator）
• chinese-poetry / poetry-calendar 诗词周历
• （链接：http://shici.store/poetry-calendar/）