这是一个非常全的文言文（古文）- 现代文平行语料，基本涵盖了大部分经典古籍著作。从文学角度出发，本项目将所有古文原文整理至文件夹 古文原文 中，并对每本古籍，按篇章/章节进行划分与展示，正文部分存于各章节下的 text.txt 中，例如 论语/学而篇/text.txt ，孟子/梁惠王章句上/第一节/text.txt 。对于平行数据，本项目整理至文件夹 双语数据 中，这些双语数据是以句子级别为单位进行划分，本项目提供了原文、译文、双语三种数据格式，例如：论语/学而篇/source.txt 、 论语/学而篇/target.txt 、 论语/学而篇/bitext.txt 。注：所有数据均按行保留了古文原文的相对顺序，即数据非打乱。
本语料数据来源于互联网1，所爬取到的原始数据是篇章级对齐的双语数据，经过脚本进行分句、对齐，处理成了句子级别对齐的双语（平行）数据，共计 972467 句。核心对齐思路采用归一化编辑距离算法与长度比指标。
需要注意 双语数据 文件夹中古文数据量少于 古文原文… See the full description on the dataset page:
https://huggingface.co/datasets/JiashuYang/kong.
