thiagobodruk/bible

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

이것이 무엇인가

Bible: XML and JSON은 85개 언어의 141개 성경 버전(영어, 포르투갈어, 중국어, 아랍어, 프랑스어, 독일어, 일본어 등 포함)을 포함하는 데이터 저장소입니다. 텍스트는 절별로 JSON과 XML 두 가지 형식으로 구성되어 있습니다. 목표는 사용자가 직접 스크래핑하거나 텍스트를 정리하지 않고도 성경 앱, 절 검색 도구, NLP/AI 데이터셋을 구축할 수 있게 하는 것입니다.

데이터 생성 방법

파일은 Python 기반 크롤러를 사용하여 생성되었습니다. README는 이로 인해 파일에 약간의 인코딩 또는 구문 문제가 포함될 수 있음을 경고합니다.

데이터 형식

XML — UTF-8 인코딩, 구조는 다음과 같습니다:

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

JSON — UTF-8 인코딩, 책 객체의 배열이며, 각 책에는:

abbrev: 안정적인 식별자(모든 언어에서 동일)
name: 해당 버전의 언어로 된 책 이름(예: 영어로 "Genesis", 일본어로 "創世記")
chapters: 배열의 배열 — 각 내부 배열은 장이고, 각 요소는 절 문자열입니다. 장/절 번호는 배열 인덱스에서 얻습니다.

JSON 예시:

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

적용 범위 세부 사항

파일은 json/<code>.json 및 xml/<code>.xml 패턴을 따릅니다(예: json/pt_nvi.json).
json/index.json은 기계 판독 가능한 형태로 전체 카탈로그를 나열합니다.
json/book_names.json은 모든 버전의 책 이름을 나열합니다.
일부 버전은 부분적입니다: 예를 들어, 여러 개는 신약만(27권), 일부는 시편과 신약만(28권), 소수는 에스더와 다니엘 같은 책이 누락되어 있습니다.
README에는 알려진 특이점이 기록되어 있습니다: 일부 판본은 말라기서가 4장이 아닌 3장이고, 한 터키어 버전은 점 없는 "ı" 발음 구별 부호를 잃었으며, 두 오로모어 책 이름이 잘못 음역되었을 수 있습니다.

라이선스

코드와 데이터는 MIT 라이선스 하에 있습니다. 성경 버전 자체는 각 소유자의 재산이며, 모든 권리는 그들에게 있습니다.

기여 방법

README는 코드 검토, 구조 개선, 새 버전 추가에 대한 도움을 요청합니다. PayPal을 통한 기부도 받습니다.

결론

이것은 앱 개발자와 AI/LLM 워크플로우(임베딩, RAG 파이프라인, 파인튜닝, 교차 언어 정렬)를 대상으로 하는 무료, 허용적 라이선스, 즉시 사용 가능한 구조화된 성경 텍스트 모음입니다. 단, 데이터가 웹 스크래핑에서 비롯되어 작은 불완전함이 있을 수 있다는 주의사항이 있습니다.