Dataset Viewer
Auto-converted to Parquet Duplicate
id
stringlengths
25
29
text
stringlengths
200
1.57M
source
stringclasses
1 value
added
stringdate
2026-10-07 00:00:00
2026-10-07 00:00:00
created
stringdate
2010-10-16 00:00:00
2026-10-01 00:00:00
token_count
int64
82
726k
license
stringclasses
1 value
author
stringclasses
1 value
source_url
stringlengths
34
248
title
stringlengths
3
217
page_id
int64
5
99.7k
text_sha256
stringlengths
64
64
cswikisource_literature_1731
Preambule Smluvní státy této smlouvy, připomínajíce ustanovení Charty Organizace spojených národů, podle kterých se všechny členské státy zavazují podnikat ve spolupráci s touto organizací společné i samostatné akce k dosažení všeobecného uznání a respektování lidských práv a základních svobod pro všechny bez rozdílu r...
cswikisource_literature
2026-10-07
2020-01-30
5,433
CC-BY-SA-4.0
komunita Wikizdrojů
https://cs.wikisource.org/wiki/Mezinárodní_úmluva_o_potlačení_a_trestání_zločinu_apartheidu
Mezinárodní úmluva o potlačení a trestání zločinu apartheidu
1,731
31ad1a81c9f0ecd764633d2f3e144dfb8b48cd4098f5039c9f4a72996a70deb5
cswikisource_literature_1756
__TOC__ o o hospodářských, sociálních a kulturních právech Státy, smluvní strany tohoto Paktu, majíce na zřeteli, že podle zásad vyhlášených v Chartě OSN, uznání přirozené důstojnosti a rovných a nezcizitelných práv všech členů lidské rodiny je základem svobody, spravedlnosti a míru ve světě, uznávajíce, že tato práva ...
cswikisource_literature
2026-10-07
2020-01-30
8,762
CC-BY-SA-4.0
komunita Wikizdrojů
https://cs.wikisource.org/wiki/Mezinárodní_pakt_o_hospodářských,_sociálních_a_kulturních_právech
Mezinárodní pakt o hospodářských, sociálních a kulturních právech
1,756
f8d45bcb33e658f9634f3c3542603e30647a487485bab51eafa3dbe62de6bea1
cswikisource_literature_1757
__TOC__ o občanských a politických právech Státy, smluvní strany tohoto Paktu, majíce na zřeteli, že podle zásad vyhlášených v Chartě Organizace spojených národů je uznání přirozené důstojnosti a rovných a nezcizitelných práv všech členů lidské rodiny základem svobody, spravedlnosti a míru ve světě, uznávajíce, že tato...
cswikisource_literature
2026-10-07
2023-08-08
15,696
CC-BY-SA-4.0
komunita Wikizdrojů
https://cs.wikisource.org/wiki/Mezinárodní_pakt_o_občanských_a_politických_právech
Mezinárodní pakt o občanských a politických právech
1,757
22de18198615a8d215f116152a05e7f315dab299bbfb92725901befb52c687c2
cswikisource_literature_1759
František Bartoš Kytice z národních písní moravských Karel Jaromír Erben Kytice z pověstí národních Kytice z pověstí národních/Kytice Václav Hanka (?) Rukopis královédvorský/Kytice Karel Havlíček Borovský Poesie sociální/Z veršů a epigramů Karla Havlíčka#Kytice literární almanach Kytice (almanach) Kytice (almanach pro ...
cswikisource_literature
2026-10-07
2019-10-18
162
CC-BY-SA-4.0
komunita Wikizdrojů
https://cs.wikisource.org/wiki/Kytice
Kytice
1,759
faa8c3ccad30621d267fd62934738ad39f661400423341a2210cf2cd5ffaa1bb
cswikisource_literature_1761
Staré pověsti české Úvod /O Čechovi/ /O Krokovi a jeho dcerách/ /O Bivoji/ /O Libuši/ /O Přemyslovi/ /Libušina proroctví/ /Dívčí válka/ /O Křesomyslu a Horymírovi/ /Lucká válka/ /Durynk a Neklan/ Pověsti doby křesťanské Úvod /O králi Svatoplukovi/ /O králi Ječmínkovi/ /Praporec sv. Václava/ /O Bruncvíkovi/ /Opatovický ...
cswikisource_literature
2026-10-07
2023-04-11
370
CC-BY-SA-4.0
komunita Wikizdrojů
https://cs.wikisource.org/wiki/Staré_pověsti_české_(1959)
Staré pověsti české (1959)
1,761
6d6b889f2e68ed027f8ebe777cebe3ca00ade6b832ce49b8f5ea3a9429a3c0e2
cswikisource_literature_1765
Preambule Státy, které jsou stranou této Úmluvy, berouce v úvahu, že v souladu se zásadami vyhlášenými v Chartě OSN je uznávání stejných a nezadatelných práv všech členů lidské společnosti základem svobody, spravedlnosti a míru ve světě, uznávajíce, že tato práva vyplývají z přirozené důstojnosti člověka, berouce v úva...
cswikisource_literature
2026-10-07
2020-01-30
13,294
CC-BY-SA-4.0
komunita Wikizdrojů
https://cs.wikisource.org/wiki/Úmluva_proti_mučení
Úmluva proti mučení
1,765
667cee39ebb797447fbf1e3d83d3095e20211f7c2f49032ccffc5ce80b838651
cswikisource_literature_1766
Preambule Členské státy Rady Evropy a ostatní státy, které podepsaly tuto rámcovou Úmluvu, majíce na zřeteli, že cílem Rady Evropy je dosažení větší jednoty mezi jejími členy za účelem zachování a uskutečňování ideálů a zásad, jež jsou jejich společným dědictvím; majíce na zřeteli, že jednou z metod, jimiž má být tohot...
cswikisource_literature
2026-10-07
2020-01-30
7,722
CC-BY-SA-4.0
komunita Wikizdrojů
https://cs.wikisource.org/wiki/Rámcová_úmluva_o_ochraně_národnostních_menšin
Rámcová úmluva o ochraně národnostních menšin
1,766
14d579afdd3b98ba8ba43501d40ca72e3626a8ae72b57febfee916c4caae4efe
cswikisource_literature_1767
Preambule Státy, které jsou smluvní stranou tohoto Protokolu, majíce na zřeteli, že pro dosažení cílů Mezinárodního paktu o občanských a politických právech (dále jen Pakt) a provedení jeho ustanovení by bylo vhodné umožnit Výboru pro lidská práva zřízenému podle části IV Paktu (dále jen Výbor), aby v souladu s ustanov...
cswikisource_literature
2026-10-07
2020-01-30
2,981
CC-BY-SA-4.0
komunita Wikizdrojů
https://cs.wikisource.org/wiki/Opční_protokol_k_Mezinárodnímu_paktu_o_občanských_a_politických_právech
Opční protokol k Mezinárodnímu paktu o občanských a politických právech
1,767
c8de39c534da85d5b52ea5068bb0a8cb742fe73f4a91089d097b6c290859020e
cswikisource_literature_1768
Jelikož článek 104 Charty Organizace Spojených národů stanoví, že Organizace požívá na území každého ze svých členských států takové právní způsobilosti, jaké je třeba, aby konala své úkoly a plnila své cíle, a jelikož článek 105 Charty Organizace Spojených národů stanoví, že Organizace požívá na území každého ze svých...
cswikisource_literature
2026-10-07
2020-01-30
6,587
CC-BY-SA-4.0
komunita Wikizdrojů
https://cs.wikisource.org/wiki/Úmluva_o_výsadách_a_imunitách_Organizace_Spojených_národů
Úmluva o výsadách a imunitách Organizace Spojených národů
1,768
66d9544b3dbd57b5e5913501314b8c48b9c9454f8e7291533d305300c4315980
cswikisource_literature_1769
Přilítlo jaro z daleka Já jsem ten rytíř z pohádky Umlklo stromů šumění Vše na světě teď usnulo Na nebi na sta hvězdiček Divoucí div to — Bože můj Bůh povolal mne do ráje Kdyby ten slavíček Mám ti to sladké tajemství Má milá, pojď a poklekni Jsem jako lípa košatá Tak často mně to připadá Ty jenom ještě poupátko Ten sla...
cswikisource_literature
2026-10-07
2023-12-28
877
CC-BY-SA-4.0
komunita Wikizdrojů
https://cs.wikisource.org/wiki/Večerní_písně
Večerní písně
1,769
29878e5e46fa812cbde1290a06995622d2f2e5ba95eb5c0b3940d25d00a5f7f3
cswikisource_literature_1770
Přilítlo jaro z daleka, a všude plno touhy, vše tlačilo se k slunci ven, že snilo sen tak dlouhý. Vylítly z hnízda pěnkavy a drobné děti z chýše, a pestré kvítí na lukách přesladkou vůni dýše. Z větví se lístek tlačí ven a ptáčkům z hrdla hlásky, a v ňadrech v srdci mlaďounkém — tam klíčí poupě lásky.
cswikisource_literature
2026-10-07
2023-12-22
166
CC-BY-SA-4.0
komunita Wikizdrojů
https://cs.wikisource.org/wiki/Večerní_písně/1
Večerní písně/1
1,770
0f2beb1da14d891d7d688e99931e7b76d70de7aadfc27ec2b71d7347bb787a33
cswikisource_literature_1771
Já jsem ten rytíř z pohádky, jenž hrdě vyjel do světa, abych tu pannu uviděl, jež jako růže vykvétá. O ní šla věsť: kdo spatří ji — ten s kletbou prý to odnese, budže se v kámen promění, budže mu srdce vyrve se. I myslil jsem si u sebe: Snad přec je někdo vyjmutý! A vyjel jsem, a za ten hřích teď — v zpěváka jsem zakle...
cswikisource_literature
2026-10-07
2023-12-22
168
CC-BY-SA-4.0
komunita Wikizdrojů
https://cs.wikisource.org/wiki/Večerní_písně/2
Večerní písně/2
1,771
e6cea84319799395d92264f1adf13b9fa2aee5a5336f9148e6803a568995dbe8
cswikisource_literature_1772
Umlklo stromů šumění, a lístek sotva dýše, a ptáček dřímá krásný sen tak tichounce, tak tiše. Na nebi vzešlo mnoho hvězd, a kolem je tak volno, jenom v těch ňadrech teskno tak a u srdce tak bolno. Ve kvítku pěkný kalíšek se bílá rosa skládá — můj Bože, a ta rosa též se v moje oči vkrádá.
cswikisource_literature
2026-10-07
2023-12-22
154
CC-BY-SA-4.0
komunita Wikizdrojů
https://cs.wikisource.org/wiki/Večerní_písně/3
Večerní písně/3
1,772
76e7185334fb43f07ccd50addf709f2e3295a4a10176ecbaa2fc20ac849c3c67
cswikisource_literature_1773
Vše na světě teď usnulo, až na to srdce v těle. Bůh sám ví, že to srdce jen si nikdy neustele. V tom božím světě zmlklo vše, až na zvuk srdce hravý. Bůh sám ví, že to srdce jen se nikdy neunaví. Myšlenku spánek přemáhá, noc se dnem se v bdění střídá — jen srdce v prsou stále bdí a tam si lásku hlídá.
cswikisource_literature
2026-10-07
2023-12-22
154
CC-BY-SA-4.0
komunita Wikizdrojů
https://cs.wikisource.org/wiki/Večerní_písně/4
Večerní písně/4
1,773
d5b2509ab26114b63343fc6cc3876d2d4945ea797b815072db23a165d784ae61
cswikisource_literature_2220
I Tma jako v hrobě, mráz v okna duje, v světnici teplo u kamen; v krbu se svítí, stará podřimuje, děvčata předou měkký len. „Toč se a vrč, můj kolovrátku, ejhle adventu již nakrátku a blízko, blizoučko Štědrý den! Mílotě děvčeti přísti, mílo za smutných zimních večerů; neb nebude darmo její dílo, tu pevnou chová důvěru...
cswikisource_literature
2026-10-07
2018-12-18
1,955
CC-BY-SA-4.0
komunita Wikizdrojů
https://cs.wikisource.org/wiki/Kytice_z_pověstí_národních/Štědrý_den
Kytice z pověstí národních/Štědrý den
2,220
8b38bdfa9024068537354ae893627e626ec9218d81d7c5bd90879631f25d4c60
cswikisource_literature_2221
Okolo hřbitova cesta úvozová; šla tudy, plakala mladá, hezká vdova. Plakala, želela pro svého manžela: neb tudy naposled jej doprovázela. — Od bílého dvora po zelené louce jede pěkný panic, péro na klobouce. „Neplač, nenaříkej, mladá, hezká vdovo, škoda by tvých očí, slyš rozumné slovo. Neplač, nenaříkej, vdovo, pěkná ...
cswikisource_literature
2026-10-07
2020-10-16
963
CC-BY-SA-4.0
komunita Wikizdrojů
https://cs.wikisource.org/wiki/Kytice_z_pověstí_národních/Holoubek
Kytice z pověstí národních/Holoubek
2,221
0e04b4382d9805f90723917fbd5ff0a4b7caaee93ea1524c6fbf4a0d18f39e5a
cswikisource_literature_2222
Umřela panna v době jarních let, jako když uschne mladé růže květ; umřela panna, růže v poupěti — škoda jí, škoda v zemi ležeti! „Nedávejte mne ve vsi na hřbitov, tam bývá nářek sirotků a vdov, tam slzí hořkých mnoho plynulo: srdéčko mé by hořem hynulo. Pochovejte mne vpod zelený les, tam na mém hrobě kvésti bude vřes;...
cswikisource_literature
2026-10-07
2018-12-18
1,357
CC-BY-SA-4.0
komunita Wikizdrojů
https://cs.wikisource.org/wiki/Kytice_z_pověstí_národních/Lilie
Kytice z pověstí národních/Lilie
2,222
8e9eacb0bc8dff022e3d9937e6a74ef885a972ad06de8f57068250aa36a659c2
cswikisource_literature_2223
Ráno sedá ke snídani, táže se své mladé paní: „Paní moje, paní milá, vždycky upřímná jsi byla, vždycky upřímná jsi byla — jednohos mi nesvěřila. Dvě léta jsme spolu nyní — jedno nepokoj mi činí. Paní moje, milá paní, jaké je to tvoje spaní? Večer lehneš zdráva, svěží, v noci tělo mrtvo leží. Ani ruchu, ani sluchu, ani ...
cswikisource_literature
2026-10-07
2020-05-15
1,416
CC-BY-SA-4.0
komunita Wikizdrojů
https://cs.wikisource.org/wiki/Kytice_z_pověstí_národních/Vrba
Kytice z pověstí národních/Vrba
2,223
a5d05dfe71d655eae0e6d68a725b772012eaa7440c53124e1adf1fd82da2d82e
cswikisource_literature_2224
I Na topole nad jezerem seděl vodník podvečerem: „Sviť, měsíčku, sviť, ať mi šije niť. Šiju, šiju si botičky do sucha i do vodičky: sviť, měsíčku, sviť, ať mi šije niť. Dnes je čtvrtek, zejtra pátek — šiju, šiju si kabátek: sviť, měsíčku, sviť, ať mi šije niť. Zelené šaty, botky rudé, zejtra moje svatba bude: sviť, měs...
cswikisource_literature
2026-10-07
2025-06-01
2,800
CC-BY-SA-4.0
komunita Wikizdrojů
https://cs.wikisource.org/wiki/Kytice_z_pověstí_národních/Vodník
Kytice z pověstí národních/Vodník
2,224
5df3b499ea23817bac86eecfa5a5f02b36898b48b4720744420e3c6eecf50002
End of preview. Expand in Data Studio

Czech Wikisource literature (cswikisource_literature) - classics, translations, encyclopedic works

Czech literature and reference texts (Wikizdroje, Czech Wikisource, namespace 0, non-redirect) from the pinned cswikisource pages-meta-current dump (2026-10-01): classics (Neruda, Jirásek, Hašek, Čapek), translations (e.g. Don Quijote), encyclopedic and dictionary works, public speeches and historical documents.

  • Source pages: 58,112 retained from 92,646 dump pages (all namespaces)
  • Retained records: 39,496 (67.9% of content pages)
  • Measured cl100k_base proxy tokens: 81,133,114
  • Characters: 172,200,065
  • Time span (revision dates): 2010-10-16 - 2026-10-01
  • Source snapshot: cswikisource-latest-pages-meta-current.xml.bz2 (91,990,530 bytes, md5 050313c569c1ff86fb43d3feac31c49c - verified against publisher md5sums; dumps index https://dumps.wikimedia.org/cswikisource/latest/)

License - evidence at the origin

  • Wiki-layer license: CC BY-SA 4.0 - verbatim siteinfo rightsinfo: "Creative Commons Attribution-Share Alike 4.0" (https://cs.wikisource.org/w/api.php?action=query&meta=siteinfo&siprop=rightsinfo, checked 2026-10-07). Per-record license field: CC-BY-SA-4.0.
  • Underlying works are hosted as public domain (Czech classics, author death + 70) or free-licensed texts; per-work status remains a review item [INFERENCE: Wikisource hosting policy, not per-work counsel-verified]. release: None until the review ruling (same policy as legal-sk and justicecorp-sk).
  • Per-record provenance in artifacts/attribution.jsonl.gz: page id, title, source URL (https://cs.wikisource.org/wiki/<title>), revision date and text_sha256.

Samples

Verbatim records from artifacts/sample.jsonl, truncated with [...].

Sample 1 (obituary notice, 1918 press)

id: cswikisource_literature_62558
source: cswikisource_literature
created: 2020-01-23
token_count: 315

Úmrtí. Dne 16. října t. r. zemřel v Olomouci profesor české reálky, ředitel dívčího ref. reál. gymnasia v Olomouci Jindřich . Narodil se r. 1887 v Oplocanech u Tovačova. Působil na českém gymnasiu v O [...]

Sample 2 (translated classic - Don Quijote)

id: cswikisource_literature_21165
source: cswikisource_literature
created: 2026-09-23
token_count: 9201

Cide Hamete Benengeli, arabský a mancheský spisovatel, vypravuje v této převážné, veleslavné, roztomilé, utěšené a důvtipné historii, že po oné ku konci dvacáté první kapitoly pověděné rozmluvě slovut [...]

Sample 3 (encyclopedic entry)

id: cswikisource_literature_43509
source: cswikisource_literature
created: 2026-04-14
token_count: 1900

Aequivalent (z lat.), , nazývá se vůbec částka ustanovená jakožto náhrada za věc zcizenou, zhoršenou nebo za věc, která by v jiné způsobě měla býti poskytnuta; pak jako výkupné za nějaký požadavek. Ve [...]

Filtering

From the pages-meta-current dump: namespace 0 only, redirect pages skipped (<redirect/> element), latest revision per page; wikitext stripped with mwparserfromhell (strip_code(normalize, collapse)) after raw-level removal of galleries, file/image links (Soubor:/File:/Image:/Media:), interwiki links and category lines (Kategorie:).

Rejections (18,616 records, one final decision per record in artifacts/decisions.jsonl.gz):

{
  "low_letter_ratio": 79,
  "near_duplicate": 20,
  "non_czech_text": 313,
  "normalized_duplicate": 18,
  "too_little_text": 18182,
  "too_little_text_after_redaction": 4
}

Minimum final text is 200 characters (short poems and dictionary stubs must survive). Language gate: langid == cs on the first 1000 characters.

PII redaction (redact_pii() in the builder): labelled patterns only - e-mail, labelled phone, labelled IP address ("IP adresa"), labelled national identifier ("rodné číslo"), CZ IBAN candidates. Pattern counts: 3 e-mail, 1 labelled phone, 0 everything else. Residual pattern documents after redaction: 0 across all patterns. Bare dotted quads are content and are deliberately not redacted.

Layout filter (drop_layout_lines()): bullet-only lines and page fractions (577 line instances removed). Boilerplate: lines with document frequency above 395 (1% of gated documents) dropped (1,545 line instances removed).

Deduplication: exact dedup on 128-bit truncated sha256; near dedup with Jaccard >= 0.90 on capped 25 x 5-word shingle sets (first-owner-per-shingle majority vote candidates, >= 20 shared shingles). Records sharing a source id are rejected as duplicate_id (first occurrence wins).

Known limitations

  • Mixed literary and reference register: novels, poems, translations, encyclopedic/dictionary entries, press excerpts and speeches.
  • Wikitext stripping leaves occasional layout fragments and proofreading markup notes.
  • Per-work copyright status of underlying texts is a review item (hosted as PD/free per Wikisource, not per-work counsel-verified).
  • created is the latest revision date of the source page.

See artifacts/ for attribution, per-record decisions, QA counts, samples and checksums. verify() passes: 39,496 rows, unique IDs, token counts recomputed and text_sha256 re-checked against the emitted text. Tests: 9 (pytest).

Downloads last month
49