# 转发：安娜档案馆收到有人送的754万本非小说类中文电子书，来自读秀，正在征求OCR识别 **URL:** \ **Category:** 闲聊吹水\ **Tags:** 电子书\ **Created:** [2023 年11 月 6 日 00:10 UTC](https://forum.freemdict.com/t/topic/24540 "2023-11-06T00:10:36Z")\ **Posts on this page:** 7\ **Page:** 1
作者： ![Perf](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/p/e68b1a/32.png) [@Perf](https://forum.freemdict.com/u/Perf)\ 发布日期： [2023 年11 月 6 日 00:10 UTC](https://forum.freemdict.com/t/topic/24540/1 "2023-11-06T00:10:36Z")
看到有人发的消息后转发 > **[Exclusive access for LLM companies to largest Chinese non-fiction book...](https://annas-blog.org/duxiu-exclusive.html)** > > Anna’s Archive acquired a unique collection of 7.5 million / 350TB Chinese non-fiction books — larger than Library Genesis. We’re willing to give an LLM company exclusive access, in exchange for high-quality OCR and text extraction. ---
作者： ![Perf](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/p/e68b1a/32.png) [@Perf](https://forum.freemdict.com/u/Perf)\ 发布日期： [2023 年11 月 6 日 01:28 UTC](https://forum.freemdict.com/t/topic/24540/2 "2023-11-06T01:28:15Z")
同链接中给出的链接，发现了一些东东，比如中文词典及庄子诠释书籍方面的评价： 辭海：主打現代卻過時了。 教育部重編國語辭典：收詞不多，例句多生造，輕聲詞注音錯誤極多，其他注音錯誤也不少（比如把「劉禪」的「禪」就標錯了，看來編纂者不知道還有個「劉封」）。 現代漢語詞典：定位欠準，詞量硬傷，幾乎沒例句（有也是生造句），好處是注音正確率高、有詞性。 新華字典：小學生都嫌的垃圾。語文作業每個字要組三個詞，這垃圾常組不出。 中華字海：無限類推簡化字，收字標準過於寬鬆，反正毛病不少。 精讀：王力 + 故訓 + 康煕 泛讀：漢大詞 + 漢大字 + 辭源 替補：中大辭 + 大漢和 偏門：異體 + 現漢大 + 近漢大 ## [愛好者類] #### [莊子新釋 張默生] × 齊魯 1993 ， × 新世界出版社 2007 ，樂天 1971 ，大夏 1978 大陸版雖然都是簡化字的，不過有張翰勳於 1989 年的校補。此書文字通透，用哲學化的語言來詮釋莊子的思想。 #### [白話譯解莊子 葉玉麟] × 大達圖書供應社， × 天津古籍 1987 版，香港實用書局 1961 版，華聯 1975，最新的 × 科學技術文獻出版社 2007 版是簡化字版 解釋非常詳細，校刊也花了不少功夫，解完又譯，保證清楚。遺憾的是，此書僅選取了部分篇目。原版排版比較擠，讀起來不太舒服，簡化字版沒看，擔心存在錯誤。如果要挑一本給習慣繁體直排的人當隨手翻看的讀物，這本絕對是首選。 #### [莊子淺注 曹礎基] × 中華書局 1982 初版， × 2007 增訂重排 初版較差，增訂重排後還不錯。音義該註的基本都註了，註文不帶出處，所以非常短，適合速食。可惜是簡化字的。如果要挑一本給語文較好的中學生，這本最宜。不過需要注意的是，他以王孝魚點校的莊子集釋爲底本，底本不好，錯誤難免多些，語文好的大學生還是找個好本子看罷（語文不好的反正也不會看）。 #### [莊子詮評 方勇 陸永品] × 巴蜀書社 1998 初版， × 2007 修訂 入門級巔峯，註釋詳細，但很多沒標出處。兩個作者在訓詁方面下了不少功夫，而且一作對歷代莊學的研究比較多，作爲一般讀本，此書相當足夠了。 ## [常用類] #### [莊子集釋 郭慶藩] × 中國書店 1988 （影印埽葉山房本）， × 上海古籍 續修四庫全書 2002 （影 × 光緒思賢講舍本） 原書影印，沒什麼可吐槽（爲什麼我總想吐槽）。 #### [莊子集釋 郭慶藩集釋 王孝魚點校] × 中華書局 新編諸子集成 1961, 2004, 2012 ，中華書局 中華國學文庫 2013 （簡化字），頂州文化 2001 ，萬卷樓圖書有限公司 1993, 2007 ，世界書局 1971 （題校正莊子集釋），華正 2004 這是目前讀莊治莊最常用的本子，但主校本爲世德堂本，問題很多——個人認爲學界亟待出現一本「新校莊子集釋」。就算拋開校勘，此書仍不是好讀本——實在太冗繁了，而且不知道是我個人錯覺，註釋選得很「隔」，簡直存心讓人看不懂（好吧我知道你就是不喜歡郭慶藩）。 #### [莊子集解 王先謙] × 上海古籍 續修四庫全書 2002 （影 × 宣統思賢書局刻本）， × 中華書局 1954 （影 × 商務 萬有文庫國學基本叢書 1934）， × 成都古籍 1988 （影商務 萬有文庫國學基本叢書 1934）， × 上海書店 1988 （影 × 世界書局 1935 ）， × 廣陵古籍 1991 （影 × 廣益書局 1936 ），現代化點校本有 × 中華書局 新編諸子集成 1987 （沈嘯寰點校，和劉武的補正編成一本）， × 三秦 2005 （陳凡點校，簡化字），上海古籍 2013 （方勇點校，看版權頁應該是簡化字的），樂天 1970 （附在莊子連詞今訓之後）， 東大 2004 ，黃山 2008 ，漢京文化 1988 （與劉武的補正編成一本），臺灣商務 1967 ，華正 1975 ，蘭臺 1971 我比較喜歡王先謙的書，普遍簡明不簡陋。就是細節問題顯得有點多。 #### [莊子集解內篇補正 王先謙集解 劉武補正] 商務 1949 （樣本），古籍出版社 1958 ， × 中華書局 新編諸子集成 1987 （與集解編成一本），木鐸 1988 ，漢京文化 1988 （與集解編成一本） 補正非常詳細，基本上能夠保持王書風貌，沒有過於囉嗦，文字也比集釋通透。 #### [莊子纂箋 錢穆] 版本很多，知道的有三民 1974 ， × 東大圖書 1985, 1993, 2006， × 聯經 1995 ，三聯 2010 ， × 九州 2011 等；又，初版應爲香港 1951 版，臺灣初版爲 1969 版，疑似自行出版 錢穆認爲馬其昶的莊子註是好本子，就用來敷衍。註釋方面，被王叔岷評爲在他之前的近人裏收集資料最備的。 #### [莊子校詮 王叔岷] × 中研院史語所集刊 1988, 1994 ，× 中華書局 2007 此書重「校」，所以比較多的提到版本問題。中華書局定價比較搶錢。 讓人比較生氣的是，正文錯漏很多，標點符號亂用，還經常漏標點。 #### [莊子纂要 方勇] × 學苑 2012 以覆宋本南華眞經註疏爲底本，按時間順序加入作者收集到的歷代校、詁、解，另外還加了一堆論文目錄之類的東西，相當於莊學工具書。出版社沒改原稿，可能是因爲懶得看？總而言之，這就是方便到爆的一本書。 莊子彙校考訂.蔣門馬 ---
作者： ![endnote](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/e/9de0a6/32.png) [@endnote](https://forum.freemdict.com/u/endnote)\ 发布日期： [2023 年11 月 6 日 03:49 UTC](https://forum.freemdict.com/t/topic/24540/3 "2023-11-06T03:49:55Z")
知识的广泛传播、低成本传播是好事。 以后的分布式系统、分布式存储、分布式计算、分布式网络发展起来，现有的知识产权保护模式有必要做出改变了，需要新的激励方式鼓励知识创造。 网上貌似有些人担心这些中文资料到了国外，会被训练成多么牛叉的AI语言模型，纯粹是多虑了。AI语言模型的质量并不是输入的资料量越多就越好 ---
作者： ![last\_idol](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/last_idol/32/2205_2.png) [@last\_idol](https://forum.freemdict.com/u/last_idol)\ 发布日期： [2023 年11 月 6 日 03:58 UTC](https://forum.freemdict.com/t/topic/24540/4 "2023-11-06T03:58:20Z")
不知道谁上传的，350TB的数据，只可惜要一年后开放，不知道为什么要加这个限制，不知道 LibGen 会不会收录这批数据，安娜还没有经过考验。 网上的讨论可以看这里： > **[Exclusive access for LLM companies to largest Chinese nonfiction book collection](https://news.ycombinator.com/item?id=38149093)** > > 216 points — > 131 comments — > sillysaurusx — > 7:30 AM - 5 Nov 2023 ---
作者： ![shaoshi](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/shaoshi/32/14529_2.png) [@shaoshi](https://forum.freemdict.com/u/shaoshi)\ 发布日期： [2023 年11 月 6 日 05:35 UTC](https://forum.freemdict.com/t/topic/24540/5 "2023-11-06T05:35:46Z")
> [@last\_idol](#): > > 只可惜要一年后开放，不知道为什么要加这个限制 让不懂中文的外国人来整理中文电子书，要ocr，还要把数据和书对起来，整个检索系统可能得翻新，花一年不足为奇。一年未必做得完， 安娜现在是在拿这批书与想要数据的AI公司讨价还价。我给你一批书，你得把ocr后的数据给我。AI公司想要书做中文大数据，但是肯定不乐意给出自己处理过的数据。现在先不发布，假如想要的公司多，就可能谈出好条件。都发布了，可以自由下载，那就不必谈了。 我感觉这对安娜馆会是一个转捩点，对世界的电子书圈子也是大事啊。在一年后，想想看，中文电子书的数量赶上英文电子书了？中文圈子的人都冲到那里去检索中文资料了？ ---
作者： ![last\_idol](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/last_idol/32/2205_2.png) [@last\_idol](https://forum.freemdict.com/u/last_idol)\ 发布日期： [2023 年11 月 6 日 05:45 UTC](https://forum.freemdict.com/t/topic/24540/6 "2023-11-06T05:45:47Z")
读秀数据开放后，安娜肯定比 ZLib 受欢迎，只是安娜还没有被美国政府制裁过，不知道能不能长久，ZLib 已经开始接受版权投诉了。AI 公司真看不上这批数据，没有版权根本不敢用，路子野的自己能搞定数据。 ---
作者： ![shaoshi](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/shaoshi/32/14529_2.png) [@shaoshi](https://forum.freemdict.com/u/shaoshi)\ 发布日期： [2024 年4 月 6 日 05:27 UTC](https://forum.freemdict.com/t/topic/24540/7 "2024-04-06T05:27:10Z")
书上架了，有500万个文件。具体有多少本？不知道。自己去看看吧。我把能找到的镜像都列出来了。 主站+官方镜像 3个 zh开头镜像 2个 网上读书园地 1个 csdn博客 2个 [安娜档案馆(Anna’s Archive)新增几百万中文书](https://forum.freemdict.com/t/topic/27819)