數據集
本站頁面的一份元數據清單：275 頁（簡體母本 176、語言分支 99，歸 178 組），正文 600,900 字、配圖 467 張。數據快照 2026-10-24，與站上已發佈頁面同步。做成 CSV 一份，供檢索、統計與機器讀取。
一、裡面有什麼
一行一個頁面，十三列。列的是元數據，不是正文——正文留在頁面上，這裡只告訴你「有哪幾頁、分別是什麼、多長、有沒有配圖與來源」。
| 字段 | 含義 |
|---|---|
czid |
條目標識符，格式 cz:<路徑含尾斜槓>；根頁為 cz: |
title |
頁面標題（本行為單語字符串，一句一條） |
slug |
URL 路徑的最後一段，改動須 301 |
url |
頁面規範地址 |
section |
所屬板塊。譯文頁寫母本的中文欄目名，頁面機讀塊裡寫的是該語種的欄目名 |
pageType |
頁面本身是什麼：Article / CollectionPage / WebPage / Dataset / FAQPage / DefinedTermSet |
subjectType |
頁面主要描述的對象是什麼：Person / Place / TouristAttraction / Event / czns:* / Thing |
lang |
語言分支：zh-hans / zh-hant / en / ja / ko |
cluster |
跨語言對應關係：同一母本的各語言分支共用同一個值（即母本 slug） |
chars |
正文用字數（去標籤、去空白） |
images |
正文 <img> 數量 |
has_sources |
是否有「來源」節：yes / no |
modified |
WordPress 記錄的保存時間（ISO 8601）。頁面頂上另有「最後修訂時間」，只在實質改動時變，兩者可以不同 |
二、下載
- chaoshanwiki-pages.csv（276 行：1 行表頭 ＋ 275 行數據；UTF-8，字段以逗號分隔）
JSON 版沒有單獨託管：本站平台的白名單不含 .json／.txt，上傳會被拒。同一批數據可從站點自帶的 REST 接口取——https://chaoshanwiki.com/wp-json/wp/v2/pages?status=publish&context=edit&per_page=100&page=1，逐頁翻到沒有返回為止。接口返回的是 WordPress 原始字段，需自行折算成上表的列。
CSV 便於進表格與數據庫；REST 接口適合程序直接讀，但要自己映射字段。文件不加密、不壓縮、不設限。
三、兩層類型與跨語言對應
有兩列容易看錯，單說。第一，pageType 與 subjectType 不是一回事：前者說頁面本身是什麼（Article／CollectionPage／WebPage 等），後者說頁面描述的對象是什麼（Person／Place／czns:IntangibleHeritage 等）。一個潮劇頁面是 Article，它描述的對象是 czns:IntangibleHeritage——兩層同時成立，不該壓成一列。這兩列的取值不另立一套，直接抄各頁自帶的 JSON-LD 機讀塊；頁面改了什麼，重出時跟著改。
第二，cluster 記跨語言對應。同一內容的中、繁、英、日、韓頁面共用同一個 cluster 值（母本 slug），機器據此把幾個語言版本認作同一對象的不同版本，而不是幾個互不相干的條目。當前 275 個頁面歸為 178 組。
類型與字段的完整定義在 命名空間。
四、覆蓋範圍
收錄的是已發佈的頁面，含簡體母本與 zh-hant／en／ja／ko 四種語言分支。當前統計：
| 項 | 數 |
|---|---|
| 頁面 | 275 |
| 其中簡體母本 | 176 |
| 其中語言分支 | 99 |
| 正文用字（去標籤、去空白） | 600,900 |
| 正文配圖 | 467 |
| 設「來源」節的頁面 | 199 |
275 是 2026-10-24 快照時站上已發佈頁面的實數，含首頁。此後新發的頁面要等下一次重出才進表，這期間會差開。
五、不收什麼
四樣，明說：一是不收正文全文——那等於把站點拆成數據集，與「頁面上帶圖注、帶麵包屑、帶修訂時間」的閱讀形態衝突；二是不收圖片文件本身，只記數量，圖片的許可狀態逐張標在圖注裡；三是不收未核實的說法，所以清單裡沒有「主張」字段，主張另見 事實清單；四是只收已發佈的頁面，草稿與私密頁不入；本版快照即 2026-10-24 當日站上全部已發佈頁，此後新發的頁面在下一次重出時補入。
六、許可與引用
本數據集以 CC BY 4.0 發佈，可複製、可分發、可改造，須署名「潮俗網」並鏈回數據頁。引用格式：
潮俗網：《潮俗網頁面與詞條清單》，版本 2026-10-24，https://chaoshanwiki.com/dataset/
正文文字的許可是 CC BY-SA 4.0，與數據集不同——數據集是 CC BY 4.0，因為它是事實性清單，不含表達。圖像著作權保留，商用須另籤，見版權與許可。
七、更新與核查時點
隨站點發布更新，不做固定週期承諾。每個文件在頁面頂部標版本日期，字段結構改動時同步改字段表。上一版的清單不保留——需要歷史版本請來信說明用途。
三個日期不是一回事，分開記：本表整批核查的時點是 version 字段（當前 2026-10-24，即數據快照日）；逐頁保存時間見 modified 列；單條事實的核查日期見 事實清單 的 verified 字段。引用時請按需取用，不要拿版本日期冒充某條事實的核查日期。
八、相鄰文件
命名空間定義 cz 與 czns 兩個前綴、兩層類型與字段；事實清單給出一條一個斷言的可引文本；史料文獻說明出處規則。
首頁 › 機器可讀 › 數據集
最後修訂時間：2026年11月3日