这是一个非常全的文言文（古文）- 现代文平行语料，基本涵盖了大部分经典古籍著作。从文学角度出发，本项目将所有古文原文整理至文件夹 古文原文 中，并对每本古籍，按篇章/章节进行划分与展示，正文部分存于各章节下的 text.txt 中，例如 论语/学而篇/text.txt ，孟子/梁惠王章句上/第一节/text.txt 。对于平行数据，本项目整理至文件夹 双语数据 中，这些双语数据是以句子级别为单位进行划分，本项目提供了原文、译文、双语三种数据格式，例如：论语/学而篇/source.txt 、 论语/学而篇/target.txt 、 论语/学而篇/bitext.txt 。注：所有数据均按行保留了古文原文的相对顺序，即数据非打乱。
本语料数据来源于互联网1，所爬取到的原始数据是篇章级对齐的双语数据，经过脚本进行分句、对齐，处理成了句子级别对齐的双语（平行）数据，共计 972467 句。核心对齐思路采用归一化编辑距离算法与长度比指标。
需要注意 双语数据 文件夹中古文数据量少于 古文原文 文件夹中的古文数据，这是因为数据来源中部分古文没有译文，也有部分古文的译文残缺，故 双语数据 文件夹中仅收录了包含双语句对的数据。
本项目提供了本语料的处理过程及相关脚本，具体过程详见复现。
古文原文共包含327本书籍。双语数据共包含97本书籍，其中包含句子级别对齐句子共计 972467 个句对。详细统计信息可查看统计信息。
本语料数据均来自互联网。所有数据均注明了出处，可详见各书目下文件 数据来源.txt 。原始数据的最终解释权归相关数据来源方所有。
感谢为该语料库做出贡献的成员：谈修泽、罗应峰。
v2.0 2023年3月 重新整理数据，保留更加详尽的原始数据信息，并注明出处
v1.0 2022年2月 数据的初始整理
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent