今年找素材又踩了坑，花300买的某诗词API用了半年就跑路了。偶然发现了个宝藏项目，直接解决了我的所有问题！chinese-poetry项目居然收录了全唐诗、全宋词等超15万首古诗词，而且是结构化的JSON格式，拿来就能用。
项目介绍
chinese-poetry可能是目前互联网上最全的中文诗词数据库，完全开源免费，无任何使用限制。这个项目收录了从先秦到清代的诗词，不仅有常见的唐诗宋词，还包括了楚辞、论语、诗经等经典。所有数据都以JSON格式存储，对开发者极其友好。
看了下它的数据量，真的很惊人：
-
• 5.5万首唐诗
-
• 2.2万首宋词
-
• 近1.4万首宋诗
-
• 全部的《诗经》305首
-
• 楚辞19篇
-
• 《论语》20篇
-
• 《四书五经》等古籍
这玩意跟市面上那些收费API比起来，简直就是降维打击。我之前用的那个付费API才收录了1万首诗词，还动不动就限流，真是交智商税。
数据格式
整个项目的数据组织非常清晰，全部采用JSON格式。比如唐诗的数据结构是这样的：
[
{
"title":"春望",
"author":"杜甫",
"paragraphs":[
"国破山河在，城春草木深。",
"感时花溅泪，恨别鸟惊心。",
"烽火连三月，家书抵万金。",
"白头搔更短，浑欲不胜簪。"
],
"strains":[
"平仄仄平仄，平平仄仄平。",
"仄平平仄仄，仄仄仄平平。",
"平仄平平仄，平平仄仄平。",
"仄平平仄仄，平仄仄平平。"
]
}
]
看起来简单，但这种结构设计特别巧妙。不仅包含了基本的标题、作者、内容，还标注了平仄信息！对于想做古诗词应用的开发者来说，简直是天赐的礼物，省去了自己处理分词、断句的麻烦。
宋词的数据格式也差不多，还额外标注了词牌名：
[
{
"author":"苏轼",
"paragraphs":[
"十年生死两茫茫，不思量，自难忘。",
"千里孤坟，无处话凄凉。",
"纵使相逢应不识，尘满面，鬓如霜。",
"夜来幽梦忽还乡，小轩窗，正梳妆。",
"相顾无言，惟有泪千行。",
"料得年年肠断处，明月夜，短松冈。"
],
"rhythmic":"江城子",
"title":"江城子·乙卯正月二十日夜记梦"
}
]
与其他数据源对比
说实话，中文诗词数据库项目不少，但chinese-poetry 把别人甩出十条街的地方在于：
1. 数据量最全（15万诗词，其他项目基本都在5万以下）
2. 数据质量高（有专人校对，错误率低）
3. 结构化存储（全部是标准JSON，拿来就能用）
4. 完全开源（MIT许可，想怎么用就怎么用）
市面上常见的诗词API基本都是收费的，而且质量参差不齐。有些还限制调用次数，稍微流量大点就要你加钱。更别提那些只提供网页爬虫的方案，既不稳定又容易违规。
这个项目直接把数据给你，想怎么用完全看你，不用担心API挂了、限流或者突然改收费策略。而且本地部署后，响应速度能快10倍以上。
快速上手
想用这些数据超级简单，我试了几种方法，分享给大家：
方法1：直接克隆仓库
git clone https://github.com/chinese-poetry/chinese-poetry.git cd chinese-poetr# 然后就可以访问json文件了
方法2：使用官方API
项目维护者提供了一个开源的API服务，叫做chinese-poetry-server：
# 安装 npm install chinese-poetry-server -g # 运行 cp-server 启动后可以通过HTTP接口查询：http://localhost:8080/poem/random # 随机一首诗
http://localhost:8080/poem/author/李白 # 搜索李白的诗
方法3：使用python包
pip install chinese-poetry
#然后在代码中：
from chinese_poetry import ChinesePoetry
cp = ChinesePoetry()
poem = cp.random_poem() # 随机一首诗
print(poem['author'], poem['title'])
print('\n'.join(poem['paragraphs']))
不管哪种方式，都比调用那些随时可能跑路的API靠谱多了。我现在的小程序后台就直接用git clone下载整个仓库，然后用Node.js提供API服务，一个月流量几百万都没问题，响应速度稳定在20ms以内。
应用场景
有了这个宝藏数据库，能做的事情太多了：
-
• 开发诗词搜索引擎
-
• 做古诗词小程序
-
• 训练AI写诗模型
-
• 研究古典文学用词规律
-
• 中文NLP数据集
-
• 制作诗词卡片、日历等文创产品
实际上很多市面上的诗词APP背后用的就是这个数据库。我前阵子做了个"每日一诗"的公众号定时推送，短短两个月涨粉5000+，全靠这个数据源支撑。每次推送不仅有原诗，还能加上平仄、创作背景等信息，内容特别丰富。
项目亮点
深入研究后发现，这个项目的成功不是偶然的：
1. 数据清洗做得特别好。每个JSON文件都经过了格式验证，错别字极少，还保留了原有的标点符号。
2. 社区协作模式高效。有大量志愿者参与校对和补充数据，使得项目一直保持活力。
3. 完美的分类组织。按朝代、作者、体裁等多维度组织，查找极其方便。比如你想找宋代苏轼的词，直接进入song/ci目录下搜索即可。
4. 持续更新。项目从2016年开始，一直活跃至今，不断有新数据加入。最近还增加了《纳兰词》、《唐诗三百首》等专题集合。
网上那些付费API动辄一年几百上千，还各种功能限制。而这个项目完全开源，甚至连服务器都不需要，直接把JSON文件放到CDN上就能用。就算是流量再大的应用，也能稳如泰山。
技术价值
作为一个开发者，我特别欣赏这个项目的技术设计：
1. 选择JSON而非XML或CSV。JSON处理起来最方便，几乎所有编程语言都有原生支持。
2. 扁平化的数据结构。没有复杂的嵌套，便于快速检索和处理。
3. Unicode编码。全部采用UTF-8编码，无乱码问题。
4. 最小化冗余。数据设计遵循了最小化原则，没有多余字段。
这些设计让项目即使涵盖15万首诗词，总体积依然保持在200MB左右，放到手机里都完全没压力。
项目地址：
https://github.com/chinese-poetry/chinese-poetry
