thiagobodruk/bible

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

这是什么

Bible: XML and JSON 是一个数据仓库，包含 85种语言的141个圣经版本（包括英语、葡萄牙语、中文、阿拉伯语、法语、德语、日语等）。文本按逐节组织，提供两种格式——JSON和XML。其目标声明是让人们无需自行抓取或清理文本，即可构建圣经应用、经文搜索工具和NLP/AI数据集。

数据是如何创建的

这些文件是使用 基于Python的爬虫 生成的。README警告说，这意味着文件 可能包含轻微的编码或语法问题。

数据格式

XML — UTF-8编码，结构如下：

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

JSON — UTF-8编码，是一个书卷对象的数组，每本书包含：

abbrev：稳定的标识符（在所有语言中相同）
name：该版本语言中的书卷名称（例如，英语中的“Genesis”，日语中的“創世記”）
chapters：数组的数组——每个内部数组是一章，每个元素是一节经文字符串。章节和经文编号来自数组索引。

JSON示例：

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

覆盖范围详情

文件遵循 json/<code>.json 和 xml/<code>.xml 的模式（例如，json/pt_nvi.json）。
json/index.json 以机器可读形式列出完整目录。
json/book_names.json 列出每个版本的书卷名称。
有些版本是 不完整的：例如，几个只有新约（27卷），有些只有诗篇加新约（28卷），少数缺少以斯帖记和但以理书等书卷。
README记录了已知的特殊之处：一些版本中玛拉基书有3章而不是4章，一个土耳其语版本丢失了无点“ı”变音符号，两个奥罗莫语书卷名称可能转写错误。

许可证

代码和数据采用 MIT许可证。圣经版本本身归各自所有者所有——所有权利归他们保留。

如何贡献

README邀请帮助：审查代码、增强结构、添加新版本。通过PayPal接受捐赠。

总结

这是一个免费、许可宽松、即用型的结构化圣经文本集合，面向应用开发者和AI/LLM工作流（嵌入、RAG管道、微调、跨语言对齐），但需要注意数据来自网络抓取，可能包含小的瑕疵。