cn-laws

# 中华人民共和国法律法规数据集

数据集基于 [RanKKI/LawRefBook](https://github.com/RanKKI/LawRefBook) 项目的数据文件构建，其源头为 [国家法律法规数据库](https://flk.npc.gov.cn/)。

## 构建过程

1. 克隆 [RanKKI/LawRefBook](https://github.com/RanKKI/LawRefBook) 项目，移动其中的法律数据文件到当前目录并解压：

```bash
git clone https://github.com/RanKKI/LawRefBook.git
mv LawRefBook/laws.zip .
unzip laws.zip
```

2. 删除不需要的目录和文件：

```bash
rm -rf LawRefBook __cache__ db.sqlite3 laws.zip requirements.txt 法律法规模版.md
rm -rf 案例 其他
```

3. 对所有数据文件进行预处理：

```bash
python preprocess.py
```

4. 对民法典数据进行额外的预处理：

1. 对于 `附则.md`，移除下列行：

```
##
```

2. 修改文件名：`总则.md` => `1总则.md`，`物权编.md` => `2物权.md`，以此类推。

3. 对民法典的数据文件进行预处理：

```
python civil_code_preprocess.py ./民法典
```

## 结构

数据文件为 Markdown 格式。如果存在编，则一、二、三、四级标题对应法律、编、章、节；否则一、二、三级标题对应法律、章、节。

# 中华人民共和国法律法规数据集

本数据集基于 RanKKI/LawRefBook 项目的数据文件构建，其数据源为国家法律法规数据库（https://flk.npc.gov.cn/）。

## 构建过程

1. 克隆 RanKKI/LawRefBook 项目，将其中的法律数据文件迁移至当前目录并解压：
bash
git clone https://github.com/RanKKI/LawRefBook.git
mv LawRefBook/laws.zip .
unzip laws.zip

2. 删除冗余目录与文件：
bash
rm -rf LawRefBook __cache__ db.sqlite3 laws.zip requirements.txt 法律法规模版.md
rm -rf 案例 其他

3. 对全量数据文件执行预处理操作：
bash
python preprocess.py

4. 针对民法典数据开展额外预处理操作：
1. 针对 `附则.md` 文件，移除如下行：`##`

2. 重命名文件：将`总则.md`重命名为`1总则.md`，`物权编.md`重命名为`2物权编.md`，依此类推。

3. 对民法典数据文件执行预处理：
bash
python civil_code_preprocess.py ./民法典

## 结构

数据文件采用Markdown格式。若法规包含编，则一级、二级、三级、四级标题分别对应法律、编、章、节；若不包含编，则一级、二级、三级标题分别对应法律、章、节。

搜集汇总

背景与挑战

背景概述

该数据集是一个中国法律法规数据集，基于国家法律法规数据库构建，包含以Markdown格式存储的法律文件，并经过详细的预处理流程。