波兰法律公报Markdown结构化数据集

政府统计
0 下载
6 浏览
2026-10-05

数据集简介

从官方PDF到结构化文本的转换流程

本项目以波兰众议院(Sejm RP)ELI API提供的《Monitor Polski》公报PDF为数据源,通过转换器eli2md将法令文本自动转换为Markdown文档与JSON单位树,并附带元数据与索引CSV。全部流程由GitHub Actions每日自动执行,确保数据随官方公报更新而持续同步。转换结果以目录结构组织,主文件路径遵循MP/年份/MP-年份-编号.md的命名规则,便于按年份与编号定位单件法令。

覆盖范围与文件组织

数据集覆盖2012年至2026年间共17,424件法令,全部完成转换且记录为零错误。其中2012年收录1,024件,2025年收录1,317件,2026年收录1,022件。全部文本合计98,973页,其中426件法令包含14,297页无文本层扫描页,这部分页面无法直接提取文字,转换时以相应方式保留。索引文件index.csv记录各法令条目及source_pdf字段,指向原始PDF来源;JSON单位树则提供法令内部结构的层级化表达。

为何采用Markdown与JSON双格式

《Monitor Polski》公报中的决议、公告、总统决定等非规范性法令,原以PDF形式发布,检索与比对不便。转换为Markdown后,文本可直接阅读与全文搜索;JSON单位树则保留法令的条款层级,便于程序化处理与跨文本比较。两种格式共用同一转换器eli2md,保证输出结构一致。项目明确为非官方自动转换版本,转换过程可能引入误差,使用者需自行核对关键条款。

当前数据状态与更新机制

数据集通过GitHub Actions每日自动更新,索引统计截至2026-10-22 05:19 UTC。所有集合采用相同文件格式与同一转换器,确保不同年份数据的一致性。发布记录日期为2026-10-05。

统一文本

项目提供TEKSTY_JEDNOLITE.md文件,汇集统一文本(Teksty jednolite)内容,作为Markdown文档体系的一部分,方便集中查阅经合并整理后的法令文本。

许可与获取方式

数据集采用CC0-1.0许可,公开免费,无需付费即可使用。下载入口为GitHub仓库与HuggingFace数据集页面,用户可直接获取Markdown、JSON、CSV及Parquet格式文件。

基本信息

记录数量未知
文件大小未知
文件格式md, json, csv, parquet
数据来源PolskiAgentW
许可协议CC0-1.0
更新频率每日
覆盖年份2012–2026
数据落地页https://github.com/PolskiAgentW/monitor-polski-md
发布日期2026-10-05
波兰法律公报Monitor Polski法律文本MarkdownJSON开放数据

上架信息

数据集市运营
平台统一选品上架,经质量审核后公开
0 次下载

价格

免费