数据集
本站页面的一份元数据清单：275 页（简体母本 176、语言分支 99，归 178 组），正文 600,900 字、配图 467 张。数据快照 2026-10-24，即当日导出时的全量。做成 CSV 一份，供检索、统计与机器读取。
一、里面有什么
一行一个页面，十三列。列的是元数据，不是正文——正文留在页面上，这里只告诉你「有哪几页、分别是什么、多长、有没有配图与来源」。
| 字段 | 含义 |
|---|---|
czid |
条目标识符，格式 cz:<路径含尾斜杠>；根页为 cz: |
title |
页面标题（本行为单语字符串，一句一条） |
slug |
URL 路径的最后一段，改动须 301 |
url |
页面规范地址 |
section |
所属板块。译文页写母本的中文栏目名，页面机读块里写的是该语种的栏目名 |
pageType |
页面本身是什么：Article / CollectionPage / WebPage / Dataset / FAQPage / DefinedTermSet |
subjectType |
页面主要描述的对象是什么：Person / Place / TouristAttraction / Event / czns:* / Thing |
lang |
语言分支：zh-hans / zh-hant / en / ja / ko |
cluster |
跨语言对应关系：同一母本的各语言分支共用同一个值（即母本 slug） |
chars |
正文用字数（去标签、去空白） |
images |
正文 <img> 数量 |
has_sources |
是否有「来源」节：yes / no |
modified |
WordPress 记录的保存时间（ISO 8601）。页面顶上另有「最后修订时间」，只在实质改动时变，两者可以不同 |
二、下载
- chaoshanwiki-pages.csv（276 行：1 行表头 ＋ 275 行数据；UTF-8，字段以逗号分隔）
JSON 版没有单独托管：本站平台的白名单不含 .json／.txt，上传会被拒。同一批数据可从站点自带的 REST 接口取——https://chaoshanwiki.cn/wp-json/wp/v2/pages?status=publish&context=edit&per_page=100&page=1，逐页翻到没有返回为止。接口返回的是 WordPress 原始字段，需自行折算成上表的列。
CSV 便于进表格与数据库；REST 接口适合程序直接读，但要自己映射字段。文件不加密、不压缩、不设限。
三、两层类型与跨语言对应
有两列容易看错，单说。第一，pageType 与 subjectType 不是一回事：前者说页面本身是什么（Article／CollectionPage／WebPage 等），后者说页面描述的对象是什么（Person／Place／czns:IntangibleHeritage 等）。一个潮剧页面是 Article，它描述的对象是 czns:IntangibleHeritage——两层同时成立，不该压成一列。这两列的取值不另立一套，直接抄各页自带的 JSON-LD 机读块；页面改了什么，重出时跟着改。
第二，cluster 记跨语言对应。同一内容的中、繁、英、日、韩页面共用同一个 cluster 值（母本 slug），机器据此把几个语言版本认作同一对象的不同版本，而不是几个互不相干的条目。当前 275 个页面归为 178 组。
类型与字段的完整定义在 命名空间。
四、覆盖范围
收录的是已发布的页面，含简体母本与 zh-hant／en／ja／ko 四种语言分支。当前统计：
| 项 | 数 |
|---|---|
| 页面 | 275 |
| 其中简体母本 | 176 |
| 其中语言分支 | 99 |
| 正文用字（去标签、去空白） | 600,900 |
| 正文配图 | 467 |
| 设「来源」节的页面 | 199 |
275 是 2026-10-24 那次快照的实数，含首页。此后新发的页面要等下一次重出才进表，这期间会差开。
五、不收什么
四样，明说：一是不收正文全文——那等于把站点拆成数据集，与「页面上带图注、带面包屑、带修订时间」的阅读形态冲突；二是不收图片文件本身，只记数量，图片的许可状态逐张标在图注里；三是不收未核实的说法，所以清单里没有「主张」字段，主张另见 事实清单；四是只收已发布的页面，草稿与私密页不入；本版快照即 2026-10-24 当日全部已发布页，此后新发的页面在下一次重出时补入。
六、许可与引用
本数据集以 CC BY 4.0 发布，可复制、可分发、可改造，须署名「潮俗网」并链回数据页。引用格式：
潮俗网：《潮俗网页面与词条清单》，版本 2026-10-24，https://chaoshanwiki.cn/dataset/
正文文字的许可是 CC BY-SA 4.0，与数据集不同——数据集是 CC BY 4.0，因为它是事实性清单，不含表达。图像著作权保留，商用须另签，见版权与许可。
七、更新与核查时点
随站点发布更新，不做固定周期承诺。每个文件在页面顶部标版本日期，字段结构改动时同步改字段表。上一版的清单不保留——需要历史版本请来信说明用途。
三个日期不是一回事，分开记：本表整批核查的时点是 version 字段（当前 2026-10-24，即数据快照日）；逐页保存时间见 modified 列；单条事实的核查日期见 事实清单 的 verified 字段。引用时请按需取用，不要拿版本日期冒充某条事实的核查日期。
八、相邻文件
命名空间定义 cz 与 czns 两个前缀、两层类型与字段；事实清单给出一条一个断言的可引文本；史料文献说明出处规则。
首页 › 机器可读 › 数据集
最后修订时间：2026年10月24日