「中国古典文献全文检索引擎」是一个专门用于检索中华传统典籍的现代化搜索平台。我们致力于让古代智慧在数字时代焕发新的光彩，为研究者、学者和传统文化爱好者提供便捷、精准的文献检索服务。
本站收录的原始「殆知阁」文本均为简体中文，后期更换的文本可能是繁体中文。需要注意的是很多「简化字」的字在古代是「俗字」，因此「繁体中文」的转录文本中偶尔出现的「简化字」不一定是「错字」。正因如此，对文本进行机械的繁简转换，结果是不可靠的。
本站收集的四库全书、古今图书集成等的文本，原始来源可能是相应的光盘版软件。依美国版权法，对公有领域古籍原文的忠实录入或复制缺乏独创性，不产生新的版权，其文本仍属公有领域。现代人新增加的标点、校记、提要，是否达到足以获得新版权的原创性门槛，本站不提供法律建议。其他国家或司法区域的法律（如数据库特别权利）或有不同。
- 原始项目及其说明 by @garychowcmu 项目已停止维护
- 殆知阁网站 daizhige.org 中国古典文献全文浏览与检索工具
本项目已将原始 TXT 文件全部转换为 Markdown 格式，并确保其渲染结果与原版保持一致。在此基础上，作为简单扩展，在文件头部增加了 YAML 格式的元数据。 这一改进为后续的自动化处理、内容索引与多平台展示提供了更大的灵活性与可拓展性。
原「殆知阁」数据集已被大量研究机构用于 AI 训练。然而，我们发现该数据集中存在相当数量的错误，并且可能已经污染了中文古文语料。为避免以讹传讹，本站致力于系统性解决数据错误的问题：
- 繁简转换错误：在古文献中发现了相当数量的「记忆体」(实际应为「内存」)、「香港脚」（实际应为「脚气」）、「利瓦伊」（实际应为「李维」）等，这些是某些繁简转换工具造成的错误，目前发现的已全部修复。
- 非文献内容：原始文本部分来自现已关闭的论坛；在复制过程中，部分文本被贴上了论坛的内容及链接。
- HTML及脚本：某些文本中存在 HTML 及脚本代码，数据清洗不够精确。
- 重新导入与互校：对重点典籍（如《宋史》《本草纲目》《全唐文》等），以维基文库校对文本或点校本重新导入、按卷拆分，并与其他传本互校，保留校勘记；修正之处以编校注及 frontmatter 元数据注明依据。
- 持续改进：我们正在努力查找和修正数据集中的错误内容。如果您发现任何新的错误或有改进建议，欢迎通过 GitHub Issues 提交反馈，或者直接提交 pull requests，帮助我们提升数据质量。
- 使用 AI 技术：有时修复不能通过简单的全文替换实现。我们会尝试使用 AI 技术查找一些 out of place 的内容，并将其更正。
- 与其他公开文库比对：我们会与「维基文库」、「中國哲學書電子化計劃」站内收录的同样文本及古籍影印本进行比对，确保修改均有依据。
典籍的新增、重新导入、拆分与校勘修订按时间倒序记录于 CHANGELOG.md。
本 fork 建立了一个基于 Elasticsearch 的可检索版本，包括导入脚本。 部署方法详见DEPLOYMENT.md。
如需获取完整的文本文件，可通过以下方式：
- 若仅需获取数据文件，可使用以下命令克隆仓库
data分支的最新版本：这将仅下载 data 分支的最新快照，不包含完整提交历史。git clone --branch data --depth 1 https://github.com/daizhige-org/daizhigev20.git
- 若要进行开发（例如代码修改或生成数据），应改为克隆
tools分支。data分支在此情境下作为一个 Git 子模块（submodule）管理，保持与主仓库同步。 - GitHub Pages 打包下载：访问 GitHub repo Actions 页面找到最新一次 "Deploy GitHub Pages" 运行，下载名为
github-pages的 artifact 压缩包（仅包含站点正文，不含原始数据快照等辅助文件）。截至 2026 年 7 月，此压缩文件的总体积约为 2.15GB。