点击上方“Github中文社区”，关注

看遍Github好玩的项目

第015期原创分享 作者:huber

大家好，我是hub妹，咱们又见面了！

最近看到小侄女整天抱着pad背诵古诗词，让我想起了自己曾经背诵诗词的苦逼时代，那时候没pad,  都是抱着课本啃，背不完当天任务就不让回家，现在想起来都有阴影……

那么问题来了：她们pad里的古诗词，数据都是哪来的？APP厂家自己收集的？还是有公共数据资源？  好奇之下网上查了一下，居然发现了GitHub上有这么个让人鸡冻的项目 ： chinese-poetry

这可真是一个情怀项目啊，来自几十位贡献者，搜集出了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、2.1 万首宋词和其他古典文集。诗人包括唐宋两朝近1.4 万古诗人，和两宋时期 1.5 千古词人。数据基本都是来源于互联网。

而且目前已经收获 Star 近 30k ！

这么受欢迎的数据，把诗人们都给激动坏了：

为什么要做这个仓库?

据官方简介：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。此数据库通过 JSON 格式分发，可以让你很方便的开始你的项目。

词频分析

项目对数据库做了一个初步的词频分析，不过用现代技术去分析古诗词，总感觉怪怪的呢？????  这里列举部分词频分析图：

宋词受欢迎的词牌名：

宋词高频词：

宋词作者榜：

唐诗高频词：

唐诗作者榜：

已含数据集

每一个集合可直接点击进入子集，比如我点击诗经后，进入了诗经的子集页面，有进一步介绍：

诗经

中国最早诗歌总集, 《诗经》，是中国古代诗歌开端，最早的一部诗歌总集，收集了西周初年至春秋中叶（前11世纪至前6世纪）的诗歌，共311篇，其中6篇为笙诗，即只有标题，没有内容，称为笙诗六篇（南陔、白华、华黍、由康、崇伍、由仪），反映了周初至周晚期约五百年间的社会面貌。来自百科

数据格式

shijing.json

[

{

"title": "关雎",

"chapter": "国风",

"p": "周南",

"content": [

"关关雎鸠，在河之洲。窈窕淑女，君子好逑。",

"参差荇菜，左右流之。窈窕淑女，寤寐求之。",

"求之不得，寤寐思服。悠哉悠哉，辗转反侧。",

"参差荇菜，左右采之。窈窕淑女，琴瑟友之。",

"参差荇菜，左右芼之。窈窕淑女，钟鼓乐之。"

]

}

应用案例

项目还提供了数个应用案例：

咱们就点第一个案例看一下效果：

关于贡献

目前已经聚集了近30位贡献者

贡献的方式也很简单，可用自己的方式将采取到的古诗词以JSON格式按照项目官方标准提交即可

传送门

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

写在最后

中文诗词，之所以让人们从古至今都在学习，是因为那都是古人们思想与智慧的结晶，大家来随便欣赏几句李白被网友们评为最狂的诗句：

这个项目是一个典型的，拿GitHub当公共数据库使用的项目????????，这种方式简单并且方便维护，贡献者直接上传json文件就行，应用端对数据获取也很方便直接，开发者们能如此快捷的使用这些数据，都要归功于这些无私的贡献者们

大家请起立，为贡献者们鼓掌

OK！到这就是这期分享

如果觉得文章有意思，请点赞在看，分享。

历史原创

★ 卧槽！红色警戒游戏源代码被开源了！

★ 毫无破绽！用这个开源项目换了张脸后，连女朋友都难分真假，能否骗过刷脸支付？

★ 强！这个GitHub官方终端命令行工具！星标10K！真是让人相见恨晚啊

★ 当年锤子的大爆炸，如今12个语言版本都可轻松搞定！

点个在看呗！