《全唐诗》的字形、注文与纯数字卷目分别如何处理?
底本少数卷页为简体,本库统一转繁后再统计,故作者与字频不因字形分裂;正文内嵌的非异文〈…〉归入题注,不混入诗句;卷目标题格只写零一、四百九十六一类纯数字者,视为分卷序号而非类名,记为空标题。九百卷中空标题 899 卷,有类名者 1 卷。这三项都写进 dataset_meta 与 anomaly,读者可据口径复算,不会因静默处理而误读。
当前库中:volume 900 行、poem 45996 行、author 2502 行、collation 22459 行、char_freq 8384 行、anomaly 5 行、qa 50 行。各行数均可由明细现算。
字形、注文、卷目三项处理,都写进 dataset_meta 与 anomaly。读者若发现某卷作者数或字频与预期不符,应先查这三项口径,再查原始卷页。库是成品,只读打开即可;若要二次写入,须自行开启外键约束。
表清单:book 1 行、volume 900 行、poem 45996 行、author 2502 行、collation 22459 行、char_freq 8384 行、qa 50 行。缺口记录 5 条:author_unassigned;volume_title_blank;inline_variant_residual;body_no_punct;inline_note_residual。
本卷共 101 条(诗 100、序跋 1),最长《咏司马彪续汉志》264 字,最短《于太原召侍臣赐宴守岁》20 字,本条序号为第 1 条。
口径原文:体例:诗文总集(卷 → 诗人 → 诗);底本:维基文库《全唐诗》九百卷;作者归属口径:卷头作者格优先;杂曲歌辞一类取诗题尾〈作者〉;两路皆无则记未署,不就近取名;校记口径:底本「一作」「一本」异文原样保留,不合并、不择优;正文内嵌〈一作…〉抽出单列;字形口径:底本少数卷页为简体,统一转繁后统计,作者与字频不因字形分裂;注文口径:正文内嵌〈…〉非异文者归入题注,不混入诗句;计数口径:诗数只计 kind=poem;序跋单列;字频只统计汉字正文字符。缺口:author_unassigned(卷011-卷866);volume_title_blank(899 卷);inline_variant_residual(卷048-卷856);body_no_punct(742 条);inline_note_residual(14 条)。
本卷署名作者与诗数:李世民 100 首。
全库诗题去重后 36410 个,诗 45881 首;一人一题的组诗以 full_title 区分,故题名数少于条目数。
本卷诗题按序为「一」「二」「三」「四」「五」「六」「七」「八」「九」「十」「饮马长城窟行」「执契静三边」「正日临朝」「幸武功庆善宫」「重幸武功」「经破薛举战地」「一」「二」等,可按卷内序号逐条回检。
字形归一与卷目标签过滤,都会改变表面计数:前者合并了简繁同名的作者,后者把纯数字标题算作空标题。读者若与旧版数字比较,应先看这两项口径,再判断差异是否来自数据修正。
版本口径卷 1
« 回到析疑列表 | 共 50 问