wzy816/zhwiki_20230701

该数据集是基于zhwiki-20230701-pages-articles-multistream.xml.bz2清洗的训练语料，仅包含中文、英文、标点符号、数字等常规字符，已清理表格、列表说明等无效内容，并进行了normalize处理。示例内容包括地理和历史人物的详细描述。

This dataset is a cleaned training corpus derived from the zhwiki-20230701-pages-articles-multistream.xml.bz2 source file. It only contains conventional characters including Chinese, English, punctuation marks and numerals. Irrelevant contents such as tables and list descriptions have been removed, and normalization processing has been conducted. The sample contents include detailed descriptions of geographical locations and historical figures.

原始信息汇总

zhwiki 20230701

基于 zhwiki-20230701-pages-articles-multistream.xml.bz2 清洗的训练语料。

• 只保留中文、英文、标点符号、数字等常规字符。
• 已清理表格、列表说明等无效内容。
• 已normalize。

示例

187/715360_雀儿山口.txt

txt 雀儿山口又称为错拉山口,是中国四川省甘孜州德格县横跨雀儿山的山口。山口的高度达 ,并且可能全年被雪覆盖。山口是德格县更庆镇与四川省其他地区之间的重要纽带。从历史上看,它是藏区和汉地之间通过康区德格王的部分贸易路线。山口的西侧和东侧分别流入色曲和错曲。新路海是一个冰川湖,位于山口的东边。在雀儿山下修建的隧道现在绕过山口,是世界上最高的车辆隧道。隧道于2016年竣工。

88/600717_宫伟镠.txt

txt 宫伟镠,字紫阳,一字紫玄,号紫悬、组弦,又号桃都漫士 ,直隶泰州(今江苏泰州市)人,祖籍直隶静海(今天津市静海区),明末政治人物,同进士出身。 广东兵备道副使宫继兰之子,自小便天资聪慧,才思敏捷。崇祯十五年(1642年)中壬午科应天府乡试第三十二名。次年连捷癸未科进士。选庶吉士,授翰林院检讨,充永悼王朱慈炤讲官。崇祯十七年(1644年)三月,李自成陷京师,宫伟镠幸免于难,遂归乡隐居不出。不久,清朝定都建国,两次荐举宫伟镠出仕,都被宫伟镠以自己为独子,需奉养父母为由给回绝。再次隐居著书,常放浪山水,就连亲朋好友都很少跟他见上一面。后在小西湖的遗址上建春雨草堂,啸傲其中。《康熙泰州志》是其亲手撰写使其定稿,康熙二十九年(1690年)卒,享寿七十岁 。 著有《春雨草堂集》五十卷、《庭闻州世说》六卷、《先进风格》一卷、《微尚录存》(即康熙泰州志稿)六卷。 宫伟镠于崇祯十六年(1643年)中癸未科第十八名会魁,而其孙宫懋言亦于康熙四十二年(1703年)中癸未科第十八名会魁,且都是以诗经四房中式,会试时分房阅卷的同考官也刚好都姓李。