thiagobodruk/bible

Bible text in JSON and XML — 141 versions across 85 languages, ready for apps, verse search, and NLP/AI datasets

これは何か

Bible: XML and JSON は、85言語の141の聖書バージョン（英語、ポルトガル語、中国語、アラビア語、フランス語、ドイツ語、日本語など）を含むデータリポジトリです。テキストは 節ごと に、JSONとXMLの2形式で整理されています。目的は、ユーザーが自分でスクレイピングやテキスト整形をせずに、聖書アプリ、節検索ツール、NLP/AIデータセットを構築できるようにすることです。

データの作成方法

ファイルは Pythonベースのクローラー を使用して生成されました。READMEは、これによりファイルに 軽微なエンコーディングや構文の問題が含まれる可能性がある と警告しています。

データ形式

XML — UTF-8エンコード、構造は以下の通り：

<bible>
  <b id="abbrev" n="Book Name">
    <c n="1">
      <v n="1">Verse text</v>
    </c>
  </b>
</bible>

JSON — UTF-8エンコード、書のオブジェクトの配列で、各書には：

abbrev：安定した識別子（全言語で同じ）
name：そのバージョンの言語での書名（例：英語で「Genesis」、日本語で「創世記」）
chapters：配列の配列 — 各内部配列は章で、各要素は節の文字列。章番号と節番号は配列インデックスから得られます。

JSONの例：

[
  {
    "abbrev": "en_kjv",
    "name": "Genesis",
    "chapters": [
      ["Verse 1", "Verse 2"],
      ["Verse 1", "Verse 2"]
    ]
  }
]

カバレッジの詳細

ファイルは json/<code>.json と xml/<code>.xml のパターンに従います（例：json/pt_nvi.json）。
json/index.json は機械可読形式で完全なカタログを一覧表示します。
json/book_names.json はすべてのバージョンの書名を一覧表示します。
一部のバージョンは 不完全 です：例えば、いくつかは新約のみ（27書）、いくつかは詩篇と新約のみ（28書）、少数はエステル記やダニエル書などの書が欠けています。
READMEには既知の癖が記録されています：一部の版ではマラキ書が4章ではなく3章、あるトルコ語版ではドットなしの「ı」のダイアクリティカルが失われ、2つのオロモ語の書名が誤転写されている可能性があります。

ライセンス

コードとデータは MITライセンス の下にあります。聖書バージョン自体はそれぞれの所有者の財産であり、すべての権利は彼らに留保されています。

貢献方法

READMEは、コードのレビュー、構造の強化、新しいバージョンの追加への協力を求めています。PayPalでの寄付も受け付けています。

結論

これは、アプリ開発者とAI/LLMワークフロー（埋め込み、RAGパイプライン、ファインチューニング、言語間アライメント）を対象とした、無料で寛容なライセンスの、すぐ使える構造化聖書テキストのコレクションです。ただし、データがウェブスクレイピング由来で小さな不完全さを含む可能性があるという注意点があります。