本数据集包含从小学到高中各年级的教育部审定教科书 PDF。原始数据来自 TapXWorld/ChinaTextbook,由本项目自动合并碎片化文件后托管在 Hugging Face Datasets 上。
处理代码:
https://github.com/rainewhk/china-textbook-2021-hf
教材按学段、学科、版本、年级分层存放:
小学/
├── ...
初中/
├── ...
初中(五•四学制)/
├── ...
小学(五•四学制)/
├── ...
高中/
└── ...
上游 PDF 存在碎片化存储(.1, .2 等分片),本项目通过 Rust 合并器 自动合并为完整文件。
部分教材同时存在完整 PDF 和 _merge_folder… See the full description on the dataset page:
https://huggingface.co/datasets/RainPPR/china-textbook-2021-hf.