Skip to search
Skip to main content
Skip to first result
Search
Search Results
Creator:
Rosa, Rudolf
Publisher:
Charles University, Faculty of Mathematics and Physics, Institute of Formal and Applied Linguistics (UFAL)
Type:
text and corpus
Subject:
Wikipedia , text corpora , and monolingual corpus
Language:
Abkhazian , Achinese , Adyghe , Afrikaans , Akan , Tosk Albanian , Amharic , Old English (ca. 450-1100) , Arabic , Official Aramaic (700-300 BCE) , Aragonese , Egyptian Arabic , Assamese , Asturian , Atikamekw , Avaric , Aymara , South Azerbaijani , Azerbaijani , Bashkir , Bambara , Bavarian , Central Bikol , Belarusian , Bengali , Bislama , Banjar , Tibetan , Bosnian , Bishnupriya , Breton , Buginese , Bulgarian , Russia Buriat , Catalan , Min Dong Chinese , Cebuano , Czech , Chamorro , Chechen , Cherokee , Church Slavic , Chuvash , Cheyenne , Central Kurdish , Cornish , Corsican , Cree , Crimean Tatar , Kashubian , Welsh , Danish , German , Dinka , Dimli (individual language) , Dhivehi , Lower Sorbian , Dzongkha , Modern Greek (1453-) , English , Esperanto , Estonian , Basque , Ewe , Extremaduran , Faroese , Persian , Fijian , Finnish , French , Arpitan , Northern Frisian , Western Frisian , Fulah , Friulian , Gagauz , Gan Chinese , Scottish Gaelic , Irish , Galician , Gilaki , Manx , Goan Konkani , Gothic , Guarani , Gujarati , Hakka Chinese , Haitian , Hausa , Hawaiian , Serbo-Croatian , Hebrew , Herero , Fiji Hindi , Hindi , Hiri Motu , Croatian , Upper Sorbian , Hungarian , Armenian , Igbo , Ido , Inuktitut , Interlingue , Iloko , Interlingua (International Auxiliary Language Association) , Indonesian , Inupiaq , Icelandic , Italian , Jamaican Creole English , Javanese , Lojban , Japanese , Kara-Kalpak , Kabyle , Kalaallisut , Kannada , Kashmiri , Georgian , Kanuri , Kazakh , Kabardian , Kabiyè , Khmer , Kikuyu , Kinyarwanda , Kirghiz , Komi-Permyak , Komi , Kongo , Korean , Karachay-Balkar , Kölsch , Kurdish , Ladino , Lao , Latin , Latvian , Lak , Lezghian , Ligurian , Limburgan , Lingala , Lithuanian , Lombard , Northern Luri , Latgalian , Luxembourgish , Ganda , Literary Chinese , Marshallese , Maithili , Malayalam , Marathi , Moksha , Eastern Mari , Minangkabau , Macedonian , Malagasy , Maltese , Mongolian , Maori , Western Mari , Malay (macrolanguage) , Creek , Mirandese , Burmese , Erzya , Mazanderani , Min Nan Chinese , Neapolitan , Nauru , Navajo , Ndonga , Low German , Nepali (macrolanguage) , Newari , Dutch , Norwegian Nynorsk , Norwegian , Novial , Pedi , Nyanja , Occitan (post 1500) , Livvi , Oriya (macrolanguage) , Oromo , Ossetian , Pangasinan , Pampanga , Panjabi , Papiamento , Picard , Pennsylvania German , Pfaelzisch , Pitcairn-Norfolk , Pali , Piemontese , Western Panjabi , Pontic , Polish , Portuguese , Pushto , Quechua , Vlax Romani , Romansh , Romanian , Rusyn , Rundi , Macedo-Romanian , Russian , Sango , Yakut , Sanskrit , Sicilian , Scots , Samogitian , Sinhala , Slovak , Slovenian , Northern Sami , Samoan , Shona , Sindhi , Somali , Southern Sotho , Spanish , Albanian , Sardinian , Sranan Tongo , Serbian , Swati , Saterfriesisch , Sundanese , Swahili (macrolanguage) , Swedish , Silesian , Tahitian , Tamil , Tatar , Tulu , Telugu , Tama (Colombia) , Tetum , Tajik , Tagalog , Thai , Tigrinya , Tonga (Tonga Islands) , Tok Pisin , Tswana , Tsonga , Turkmen , Tumbuka , Turkish , Twi , Tuvinian , Udmurt , Uighur , Ukrainian , Urdu , Uzbek , Venetian , Venda , Veps , Vietnamese , Vlaams , Volapük , Võro , Waray (Philippines) , Walloon , Wolof , Wu Chinese , Kalmyk , Xhosa , Mingrelian , Yiddish , Yoruba , Yue Chinese , Zeeuws , Zhuang , Chinese , Zulu , and Dotyali
Description:
Wikipedia plain text data obtained from Wikipedia dumps with WikiExtractor in February 2018.
The data come from all Wikipedias for which dumps could be downloaded at [https://dumps.wikimedia.org/]. This amounts to 297 Wikipedias, usually corresponding to individual languages and identified by their ISO codes. Several special Wikipedias are included, most notably "simple" (Simple English Wikipedia) and "incubator" (tiny hatching Wikipedias in various languages).
For a list of all the Wikipedias, see [https://meta.wikimedia.org/wiki/List_of_Wikipedias].
The script which can be used to get new version of the data is included, but note that Wikipedia limits the download speed for downloading a lot of the dumps, so it takes a few days to download all of them (but one or a few can be downloaded fast).
Also, the format of the dumps changes time to time, so the script will probably eventually stop working one day.
The WikiExtractor tool [http://medialab.di.unipi.it/wiki/Wikipedia_Extractor] used to extract text from the Wikipedia dumps is not mine, I only modified it slightly to produce plaintext outputs [https://github.com/ptakopysk/wikiextractor].
Rights:
Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0) , http://creativecommons.org/licenses/by-sa/3.0/ , and PUB
Creator:
Ward, Stephen V.
Type:
text and monografie
Subject:
Územní plánování. Urbanismus. Památková péče , urbanismus , města anglická , Velká Británie , města, obce , světové dějiny 1789-1918 , and světové dějiny od r. 1918 do současnosti
Language:
English
Rights:
unknown
Creator:
Zaleski, Eugène,
Type:
text and monografie
Subject:
Dějiny SSSR a Ruska , plánování hospodářské , plánování centrální , SSSR , světové dějiny 1918-1945 , and hospodářské dějiny
Language:
English
Rights:
unknown
Creator:
Púčik, Miloslav
Subject:
represe komunistické , plány vojenské , armáda československá , perzekuce, politická emigrace , and Československo 1945-1992
Language:
English
Rights:
unknown
Creator:
Zahradníček, Tomáš,
Subject:
Masaryk, Tomáš Garrigue, , vztahy mezinárodní , unie středoevropská , politici čeští , politici USA , zahraniční politika, mezinárodní vztahy , vznik Československa 1918 , světové dějiny 1918-1945 , USA , and Československo 1918-1938
Language:
English
Rights:
unknown
Creator:
Pullmann, Michal,
Type:
text and studie
Subject:
Národní hospodářství a hospodářská politika , dějiny hospodářské , reformy hospodářské , plánování centrální , Československo 1969-1989 , and hospodářské dějiny
Language:
English
Rights:
unknown
Creator:
Fisher, Elizabeth A.
Subject:
Maximos Planoudes, , překlady , literatura římská , světové dějiny středověku (do r. 1492) , Byzanc , and literatura, spisovatelé
Language:
English
Rights:
unknown
Creator:
Smith, Simon
Format:
110-113
Type:
model:article , article , Text , and TEXT
Subject:
zdravotní péče - plánování--ekonomika--organizace a řízení--zákonodárství a právo , regionální zdravotnické plánování--ekonomika--metody--zákonodárství a právo , zákonodárství jako téma , modely ekonomické , and lidé
Language:
Czech and English
Description:
Simon Smith and Lit. 10
Rights:
http://creativecommons.org/publicdomain/mark/1.0/ and policy:public
Creator:
Koukalová, Martina,
Type:
text and monografie kolektivní
Subject:
Územní plánování. Urbanismus. Památková péče , urbanismus , plánování územní , architektura městská , plány architektonické , Československo 1945-1992 , architektura, architekti , and města, obce
Language:
Czech and English
Description:
Chronologický přehled
Rights:
unknown
Creator:
Dejmek, Jindřich,
Type:
text
Subject:
vztahy mezinárodní , politika zahraniční , zahraniční politika, mezinárodní vztahy , and Československo 1945-1948
Language:
English
Rights:
unknown