青空文庫TEIコーパス / Aozora Bunko TEI corpus

青空文庫の作品をTEI P5に変換し、ハッシュ値で一意に特定できる署名付きリリースとして公開しています。各作品につき、TEI XML、プレーンテキスト、Markdown、検証レポートの4形式を提供しています。 / Works from Aozora Bunko converted to TEI P5 and published in signed releases identified by hash. Each work is provided in four formats: TEI XML, plain text, Markdown and a validation report.

v0.2 · 初期リリース / v0.2 · early release 公開初期のコーパスです。署名と検証は本番と同じ方式で行っており、内容も検証済みです。外字や図版の扱いには既知の未完了作業があります。不具合のご報告やご意見をお寄せください。 / Initial corpus release. Signatures and verification are in production use and the contents are verified; gaiji coverage and figure markup have known outstanding work. Defect reports and feedback are welcome.

17308作品 / works
4形式 / formats
CC0符号化のライセンス / encoding licence

作品を探す / Find a work

一覧から探せます： / Or browse the indexes: 著者 / authors · 作品名の読み / title readings · NDC分類 / NDC classes

直接アクセス / Direct access

/catalog.json: 全作品の書誌目録（署名済みリリースの一部） / Catalog of every work in this release; part of the signed record.
/releases/HEAD: 現在のリリースのハッシュ / Hash of the current release.
/releases/latest: 現在のリリースのマニフェスト / Manifest of the current release.
/works/<識別子>/tei: 個別作品のファイル（plaintext・markdown・tei-validationも同一のURL形式で取得できます） / Files for an individual work; plaintext, markdown, and tei-validation follow the same URL pattern.

まとめてダウンロード / Download in bulk

本リリースの全作品を一つのZIPアーカイブにまとめています。著者別・NDC分類別のアーカイブは各一覧ページからダウンロードできます。 / All works in this release collected in a single archive. Bulk archives by author and NDC class are available on their respective index pages.

TEI XML ZIP
プレーンテキスト / Plain text ZIP

各ZIPアーカイブの最上階層に、各作品の識別子・作品名・著者・底本・初出・分類・文字数・リリースなどを収めたcatalog.csvを同梱しています。引用には識別子・底本ハッシュ・リリースの列を使用してください（ファイル名は利便性のためのものです）。 / Included at the root of each ZIP archive is catalog.csv, with bibliographic details for each work: identifier, title, author, source edition, first publication, classification, character count and release. For citations, use the identifier, source hash and release; filenames are provided for convenience.

解説 / Documentation

符号化の方針、識別子の体系、収録判定の基準をまとめています。概要は「はじめに」を参照してください。 / How the texts are encoded, how works are identified, and how they are admitted. For an overview, see Start here.

解説一覧 / All documents

権利と引用 / Rights and citation

底本とした作品は、著作権の保護期間が満了しているか、または権利者がクリエイティブ・コモンズ表示ライセンス（CC BY）で公開しているものです。Soranohaの符号化データはCC0 1.0で提供しています。作品ごとの権利状態は各作品のページとcatalog.jsonに記載しています。 / The source works are either out of copyright or published by their rightsholder under a Creative Commons Attribution (CC BY) licence. Soranoha's encoding is CC0 1.0. The rights status of each work is recorded on its page and in catalog.json.

権利について / Rights and licensing · 引用のしかた / Citing Soranoha

このリリース / This release

リリース / Release: c373bb085971c6a88d8aa1c164788c53ebf304ab501a6f5188c3077ac5482916
作品数 / Works: 17308
目録 / Catalog: /catalog.json
履歴 / History: リリース履歴一覧 / All releases up to this one