ganjoor-data

Ganjoor诗歌内容的数据集导出，包含诗人、分类和诗歌，不包含用户账户相关数据（评论、书签、编辑历史等）。当前追踪234位诗人、132591首诗。Dataset export of poetry content from Ganjoor, which includes poet information, poetic categories and individual poems, and excludes all user account-related data such as comments, bookmarks, and edit histories. Currently, this dataset covers 234 poets and a total of 132,591 poems.

原始信息汇总

数据集概述

该数据集是Ganjoor诗歌网站的公开、Git追踪导出内容，包含波斯诗歌的诗人、分类和诗作，不包含任何与用户账户相关的数据（如评论、书签、编辑历史等）。数据集由GanjoorService生成，当前追踪234位诗人和132591首诗作，生成时间为2026年8月16日。

数据集内容

• 诗人信息：ID、昵称、路径
• 诗作分类：诗歌分类结构
• 诗作内容：完整的诗歌文本

使用指南

• manifest.json：包含所有诗人的完整列表（ID、昵称、路径），以及数据集的模式版本和其他文件类型的URL模板，是构建客户端时的起点。
• API.md：说明如何通过HTTPS（通过jsDelivr）获取任何数据，包括如何将纯数字ID解析为路径。

未包含内容

• 评论、书签、阅读历史、编辑/更正历史以及任何与用户账户关联的数据均不包含在内。各文件类型包含与不包含的内容详见API.md。

在线演示

该数据集支持一个完全基于此数据构建的最小阅读应用，完全在浏览器端运行，无需服务器。可访问演示页面体验。

其他说明

• 数据集是从GanjoorService导出的，如需了解导出该数据的应用程序或要在本地使用此数据运行自己的Ganjoor副本，请参阅该仓库。

搜集汇总

数据集介绍

构建方式

该数据集源自Ganjoor诗歌库的公开内容，通过GanjoorService导出并经由Git版本控制追踪。构建过程中严格过滤，确保不包含任何与用户账户关联的数据，如评论、书签、编辑历史等，仅保留诗人、分类和诗歌等核心文学内容。数据集以结构化的JSON格式组织，包含manifest.json清单文件，列出全部诗人的ID、笔名及路径，并提供统一资源标识符模板，便于程序化访问。目前涵盖234位诗人及132591首诗歌，生成时间戳明确，保证了数据的时效性和可追溯性。

使用方法

使用者可从manifest.json入手，获取诗人ID与路径的映射关系，进而通过API.md中定义的HTTPS请求模板，利用数值ID解析对应资源。数据支持纯客户端解析，可在浏览器环境中直接加载，便于构建轻量级阅读应用或进行离线分析。对于开发者，可借助jsDelivr加速数据访问，无需自建服务器。此外，该数据集允许本地化部署，通过GanjoorService复现完整Ganjoor实例，满足个性化需求。使用时应严格遵守许可条款，确保数据用途的合规性。

背景与挑战

背景概述

ganjoor-data数据集由Ganjoor项目团队创建，旨在提供波斯诗歌的公共、可追踪的开放数据资源。该数据集于2026年8月16日生成，包含234位诗人和132,591首诗歌，覆盖了从古典到现代的广泛波斯文学作品。作为Ganjoor.net网站内容的精简导出，数据集剔除了所有与用户账户相关的数据，如评论、书签和编辑历史，确保了数据的纯净性和隐私合规性。该数据集的核心研究问题在于为自然语言处理、计算文学和数字人文领域提供结构化的波斯诗歌语料，支持诗歌分类、韵律分析、作者识别等研究。其影响力体现在为全球研究者提供了一个统一、可访问的波斯诗歌数据基准，促进了跨学科研究的发展，并推动了波斯文化遗产的数字化保存与传播。

当前挑战

ganjoor-data数据集面临的挑战涵盖多个层面。在领域问题方面，波斯诗歌的复杂韵律、隐喻和语义多样性对自然语言处理模型提出了高要求，现有技术难以完全捕捉诗歌的深层美学和语境特征，导致自动分类和情感分析等任务精度受限。在构建过程中，团队需处理大规模文本的清洗与标准化，以消除拼写变体、历史语域差异和手稿勘误带来的噪声；同时，确保数据集的版权合规和隐私保护，严格过滤用户生成内容，这对数据治理架构提出了严格的技术与伦理标准。此外，持续更新的数据版本（如当前生成的日期）要求维护高效的版本控制与分发机制，以确保研究可复现性和数据一致性。

常用场景

经典使用场景

ganjoor-data数据集作为波斯诗歌数字人文研究的基石，其经典使用场景在于构建轻量级的诗歌阅读应用与文本分析工具。凭借其结构化、无用户关联数据的特性，研究者可依托manifest.json清单快速定位234位诗人及逾13万首诗歌的元数据，进而开发客户端应用或进行语料库建设。该数据集通过纯HTTPS接口即可访问，无需服务器支持，极大降低了技术门槛，使文学研究者能够便捷地进行诗歌检索、分类与版本对比，成为波斯文学数字化的标准数据源。

解决学术问题

该数据集有效解决了波斯诗歌领域数字化资源分散、元数据不统一及访问受限等核心学术难题。通过提供公开、git追踪且定期更新的结构化语料，它支持了大规模诗篇的计量分析、诗人创作风格的历史演变研究以及诗歌互文性探索。其不含用户关联数据的严格过滤机制，保障了文本纯粹性，规避了隐私伦理争议，为文学计算、语料库语言学及数字人文学科提供了可靠、可复现的基础设施，推动了波斯诗歌研究的量化与实证转向。

实际应用

在实际应用层面，ganjoor-data数据集驱动了多种波斯诗歌数字产品与服务。其轻量级设计支持在浏览器端运行的纯客户端阅读应用，如演示版مین‌گنجور，无需后端即可实现流畅的诗歌浏览体验。此外，数据集的公开性和版本控制特性，使其成为教育平台、移动应用及诗歌推荐系统的底层语料来源。在文化遗产保护领域，该数据集亦被用于构建高保真数字档案，辅助诗歌的语音合成与多语言翻译，显著拓展了波斯诗歌的全球传播与可及性。

数据集最近研究

最新研究方向

在数字人文与波斯古典文学研究交汇的前沿，ganjoor-data作为一份纯净、结构化的波斯诗歌语料库，正驱动着多维度创新。其最新研究方向聚焦于利用该数据构建无服务器化的小说阅读应用，实现浏览器端的即时交互，展现了开放数据在文化传播中的巨大潜力。与此同时，研究者们依托其涵盖234位诗人、逾13万首作品的庞大文本集，结合自然语言处理与机器学习技术，探索波斯诗歌的风格计量学、情感分析与主题建模，旨在揭示文学演变的内在规律。该数据集的公开性与可追溯性，为跨学科合作提供了范式，促进了对波斯文化遗产的数字化保护与智能化解读，成为连接传统诗学与现代计算方法的桥梁。