Wikipedia-Korpus: Korpusquellen der deutschsprachigen Wikipedia im TEI-Format

Das Wikipedia-Korpus auf dwds.de enthält Volltexte aus den Artikeln aus der deutschsprachigen Wikipedia auf der Basis des Datenbank-Abzugs vom 1.1. 2025. Texte aus anderen Seitenarten (Diskussionen etc.) wurden nicht aufgenommen.

Das Korpus wurde so konzipiert, dass es sich insbesondere für die Recherche nach (fach)sprachlichen lexikographischen Belegen eignet. Deshalb wurden bei der automatischen Korpuskuration die Artikeltexte so weit wie möglich um Textteile bereinigt, die nicht satzförmig oder nicht deutschsprachig sind. Dies betrifft unter anderem Überschriften, Tabellen, Literaturangaben und fremdsprachliche Zitate, soweit diese in den Wikipedia-Quellen als solche ausgezeichnet sind.

Verfügbar sind hier die Quellen des Wikipedia-Korpus auf dwds.de im XML/TEI-Format als teiCorpus-Datei. Wie die originalen Wikipedia-Artikel stehen sie unter der Lizenz "Creative Commons Attribution/Share Alike".