一、简介
BCC 汉语在线语料库总字数约 62 亿字，覆盖当代社会语言生活的多个领域，包括： 新闻、文学、口语、近代汉语、古汉语以及多领域等。
其中，多领域为平衡语料库，从新闻、文学、口语三类现代汉语语料中等规模抽样，并补充同等规模的科技类文本而成。
下表按领域列出语料库各部分的字符规模：
| 领域 | 字符数 | 约计 |
|---|---|---|
| 新闻 | 1,899,226,784 | 19.0 亿 |
| 文学 | 185,016,332 | 1.85 亿 |
| 口语 | 232,250,341 | 2.32 亿 |
| 近代汉语 | 1,537,547,831 | 15.4 亿 |
| 古汉语 | 1,595,262,026 | 16.0 亿 |
| 多领域 | 751,699,675 | 7.52 亿 |
| 合计 | 6,201,002,989 | 62.0 亿 |
上表为各领域语料规模；如需各领域的字词频统计数据，可前往下载中心检索或下载。
数据统计时间：2026 年 5 月 21 日
二、主要功能
1. 多频道与子频道检索
-
一、多频道选择首页支持在多领域、新闻、文学、口语、近代汉语、古汉语六个主频道之间切换。
-
二、子频道/范围选择
频道 可选项 说明 多领域 无 不可再选择子频道/范围，直接进入检索。 口语 无 口语由对话语料构成。不可再选择子频道/范围，直接进入检索。 新闻 子频道 + 时间范围 子频道：人民日报、新闻联播时间选择：支持多种时间粒度与范围设置，包括起止年份、某年某月、某年某日、某年某月某日。例如“1946–2026年1月1日”表示检索或统计1946年至2026年间，每年1月1日对应的语料数据。除常规起止年份区间检索外，系统还支持特定日期的精确定位检索，既可用于特殊事件节点定点分析，也可用于跨年度周期性对比。近代汉语 时间范围 由《申报》（1872–1949年）构成。时间范围可选起止年份。 文学 子范围 按作者或作品限定。 自定义子范围：在自定义范围搜索框内进行搜索 古汉语 子范围 按藏类、作品集、作品等限定。藏类包括： 自定义子范围：在自定义范围搜索框内进行搜索 -
三、语料结构与标注情况
频道 标注层级 说明 新闻 分词+词性 句法结构 篇章结构 版面属性 支持词性检索与句法结构检索。篇章结构区分“标题/正文”（写在限制条件中， pos=标题/正文）。 示例：n改革{pos=正文}、n改革{pos=标题}人民日报子语料另含版面字段：BanCi、BanMing（写在限制条件中）。 示例：n改革{BanCi=1}、n改革{BanMing=要闻}文学 分词+词性 句法结构 支持词性检索与句法结构检索。 口语 分词+词性 可进行词性检索；不支持句法结构检索。 近代汉语 分词+词性 可进行词性检索；不支持句法结构检索。 古汉语 仅字切分 可进行字符串检索；不支持词性检索与句法结构检索。 多领域 分词+词性 可进行词性检索；不支持句法结构检索。
2. 上下文检索（KWIC）与结果阅读
- KWIC 展示：默认关键词居中显示，便于观察搭配与共现。
- 显示模式切换：支持“关键词居中 / 整句显示”两种阅读方式。
- 高亮显示：结果行的高亮内容由检索式的输出对象决定。默认情况下，输出对象为完整检索对象，可通过添加条件限制修改输出对象。例如，检索式
喜欢n会高亮并统计"喜欢+名词"整体；而喜欢(n){print($1)}只会高亮并统计"喜欢"后紧邻的名词，"喜欢"本身不再作为高亮对象。（具体见检索语言 · 输出限制） - 浏览控制：支持上下文窗口大小、每页条数和翻页控制。
- 来源查看：每条结果可查看“出处”信息，便于回溯语料来源。
- 检索结果下载：检索结果支持下载。
3. 实例统计
- 实例统计：对检索结果进行词形-频次统计，快速识别高频表达。（给出前1000项）
- 词形联查：在频率统计面板中可点击词形，系统会在新窗口打开该词的检索结果，便于从统计结果快速回看上下文实例。
- 结果下载：统计结果支持下载。
4. 二次筛选
- 包含筛选（AND）：在已有结果中保留满足二次检索条件的实例。
- 排除筛选（NOT）：在已有结果中剔除满足二次检索条件的实例。
- 注意：筛选条件会在“整段上下文”范围内进行匹配。若筛选后某条结果在当前页面显示的上下文窗口中看不到匹配痕迹，通常是因为匹配位置落在该条结果的显示窗口之外。
5. 历时分析
- 历时分布分析：当前支持新闻与近代汉语语料按年份分布进行统计分析。
- 双检索式对比：在新闻或近代汉语频道中，可输入“检索式 + 对比检索式”，并在选定子频道与时间范围内同图比较两条检索式的频次变化。
- 图表交互：统计图与对比图均支持点击柱状条，跳转新窗口显示对应范围的检索实例结果；同时支持通过横轴滑动轴拖拽或鼠标滚轮放大/缩小可视范围，便于在全局分布与局部细节之间切换。
- 结果下载：统计结果支持下载。
6. 下载中心
- 下载中心当前提供 BCC 在线语料库的字词频统计数据，均可免费下载使用；如在研究中使用相关数据，请规范引用 BCC 论文。
- 入口：首页右上角“下载”可进入下载中心页面。
- 在线浏览与检索：按频道切换数据集，支持“按字/按词”查询频次、查看排名与命中情况。
- 多视图分析：支持柱状图、折线图、表格三种展示方式。可滑动或换组浏览，通过横轴滑动轴拖拽或鼠标滚轮放大/缩小可视范围，便于在全局分布与局部细节之间切换。
- 跨频道对比：可开启“对比”模式，选择另一频道并行展示同一批词项在不同频道中的频次。
- 数据下载：支持从数据集列表直接下载原始频次文件，也可通过图表工具栏快速下载当前数据文件。
7. 帮助与反馈
- 全站可达：页面右下角提供“帮助”浮动入口，任意页面均可打开。
- 问答回复：集中展示管理员已公开回复的问题，支持分页查看。
- 我要提问：可提交具体问题（支持填写邮箱/电话等联系方式），并在“我的提问记录”中查看处理状态与回复内容。
- 联系我们：如有其他需求，可查看平台公开联系人信息，获取进一步沟通渠道。
三、检索式示例
下表给出了一些常用检索表达式模板。你可以将其中的 词语、词性或结构 替换为自己的研究对象，直接在检索框中使用。
点击下方任一示例检索式，也可直接带入右下角的检索式构造器，边看文档边继续改写。
| 序号 | 检索式 | 含义 |
|---|---|---|
| 1 | 高大的n | 高大的 + 名词(n) |
| 2 | v了一v | 动词(v) + 了一 + 动词(v) |
| 3 | 洗*澡 |
洗 后面离合出现 澡
（不跨标点）。
注中间字符数任意，且不跨标点，如“洗个澡”“洗个热水澡”
|
| 4 | 买^水果 |
买 后面离合出现 水果
（可跨标点）。
注中间字符数任意，可以跨标点，如“卖些水果”“买些苹果、香蕉等水果”
|
| 5 | 是*的w |
检索 是……的 句式。
检索逻辑
是 后面离合出现 的，
中间字符数任意，不跨标点，
的 后接 标点(x)
|
| 6 | 把*v过来 |
检索 谓语中心含趋向补语“过来”的把字句。
检索逻辑
把 后
离合出现
接 动词(v)+ 过来
|
| 7 | 洗(*)澡{len($1)=1} | 洗 后 隔 1 个字 接 澡 | 8 | 洗(~)澡{len($1)=2} | 洗 + 任意一个词(~) + 澡， 词为双音节 |
| 9 | 是*的(w){$1!=[“ ‘]} | 检索 是……的 句式，并排除“的”后标点为引号的句子（例如：阔叶乔木是吸附PM2.5的“高手”）。 |
| 10 | (v)一(v){$1=$2} | 动词(v)1 + 一 + 动词(v)2， 动词(v)1 和动词(v)2相同， 如“跳一跳”“看一看” |
| 11 | (v)一(v){$1!=$2} | 动词(v)1 + 一 + 动词(v)2， 动词(v)1 和动词(v)2不相同， 如“算一算帐”“回头一看” |
| 12 | (nr)说{len($1)>2} | 人名(nr) + 说， 且 人名(nr)长度超过2 |
| 13 | (nr)说{len($1)>1;beg($1)=[老]} | 人名(nr) + 说， 且 人名(nr)长度超过1， 并且 以“老”字开头， 如“老张说”“老谭说” |
| 14 | VP-PRD[]MOD[过来] | 谓语(VP-PRD) + 修饰语(MOD)， 且 修饰语为“过来”， 即“过来”充当补语的中补结构 |
| 15 | VP-PRD[(v)一(v)]{$1=$2} | 动词(v)1 + 一 + 动词(v)2， 动词(v)1 和动词(v)2相同， 且该结构充当 谓语或谓语中心 |
| 16 | 打击NP-OBJ[*犯罪] | 打击 + 名词性宾语(NP-OBJ)， 且 宾语以“犯罪”结尾， 如“打击犯罪”“打击经济犯罪”等名词性宾语的中心语为“犯罪”的动宾结构 |
| 17 | MOD[把*]VP-PRD[] | 修饰语(MOD) + 谓语(VP-PRD)， 且 修饰语以“把”开头， 即检索把字句 |
| 18 | 发挥(NP-OBJ[*性]) | 发挥 + 名词性宾语(NP-OBJ)， 且 宾语以“性”结尾， 如“发挥积极性”“发挥主动性”等动宾结构 |
速查表
词性标记集
BCC 基于pku词性体系，构建了一套词性标记系统。下表按词类分组，列出词性及其含义：
| 词性编码 | 词性名称 | 词性编码 | 词性名称 | 词性编码 | 词性名称 | 词性编码 | 词性名称 |
|---|---|---|---|---|---|---|---|
| n | 名词 | nr | 人名 | ns | 地名 | nt | 机构团体 |
| nz | 其他专名 | Ng | 名语素 | ||||
| v | 动词 | vd | 副动词 | vn | 名动词 | Vg | 动语素 |
| a | 形容词 | ad | 副形词 | an | 名形词 | Ag | 形语素 |
| b | 区别词 | z | 状态词 | ||||
| d | 副词 | Dg | 副语素 | ||||
| m | 数词 | q | 量词 | ||||
| r | 代词 | ||||||
| t | 时间词 | Tg | 时语素 | s | 处所词 | f | 方位词 |
| p | 介词 | c | 连词 | u | 助词 | y | 语气词 |
| e | 叹词 | o | 拟声词 | ||||
| i | 成语 | l | 习用语 | j | 简称略语 | ||
| g | 语素 | h | 前接成分 | k | 后接成分 | ||
| w | 标点符号 | x | 非语素字 | un | 未知词 | ||
速查表
组块属性标记集
组块属性标记用于表示句法结构中的不同成分。本系统共包含 18 个组块标签。 参考：卢露,矫红岩,李梦,荀恩东.基于篇章的汉语句法结构树库[J].自动化学报,2022,48(12):2911-2921.
| 组块属性标记 | 组块属性名称 | 组块属性标记 | 组块属性名称 |
|---|---|---|---|
| ROOT | 根节点 | IP | 小句或句子 |
| NP-SBJ | 体词性主语组块 | VP-SBJ | 谓词性主语组块 |
| UNK-SBJ | 谓词与体词并列的主语组块 | ||
| VP-PRD | 谓词性谓语组块 | NP-NPRE | 体词性谓语 |
| NP-OBJ | 体词性宾语组块 | VP-OBJ | 谓词性宾语组块 |
| UNK-OBJ | 谓词与体词并列的宾语组块 | ||
| MOD | 修饰组块（状语块或补语块） | CON | 连接组块 |
| AUX | 辅助组块 | w-CON | 标点作衔接组块 |
| NP-HLP | 体词性独词句或片段 | VP-HLP | 谓词性独词句或片段 |
| HLP | 独词句或片段（非体词性/谓词性） | ||
四、检索语言
BCC 在线版的检索表达式由 查询对象（Query） 和 限制条件（Conditions） 两部分构成，基本形式为：
Query{Condition1;Condition2;……}
其中 Query 表示要检索的对象，花括号 {} 内是限制条件集合，多个限制条件之间用英文分号 ; 分隔。
如果对括号、引用对象或条件写法还不熟，可以先打开 右下角的检索式构造器， 从基础 Query 开始逐步添加限制条件。
查询对象（Query）
常见查询对象类型如下表所示：
| 类型 | 符号 | 作用 | 示例 |
|---|---|---|---|
| 字符 | 字 / 字符串 | 直接匹配文本 | 洗澡 |
| 词性符号 | 词性标记集 | 匹配指定词性 | 喜欢n |
| 组块符号 | 组块属性标记集 | 匹配相应属性的组块。可再进一步对其单元内部进行描述，形式为“标记符号[单元内部描述]” | VP-PRD[喜欢]NP-OBJ[] |
| 通配符 | . | 一个字符 | 洗..澡 |
| 通配符 | ~ | 一个词 | 洗~澡 |
| 限定符 | () | 用于标出Query中的限定内容，在Condition中用$n引用（n为其限定顺序，如$1、$2、$3） | (v)一(v){$1=$2} |
| 离合符 | * | 表示不跨完句标点的离合或接续 | 洗*澡 |
| 离合符 | ^ | 表示离合或接续 | 吃^水果 |
限制条件（Conditions）
多个限制语句用英文分号 ";" 在 "{}" 内隔开。
内容限制
| 形式 | 含义 | 示例 |
|---|---|---|
$n=[] |
内容属于集合 | VP-PRD[](MOD[]){$1=[过来 下来]} |
$n!=[] |
内容不属于集合 | (a)的女生{$1!=[漂亮 可爱 美丽]} |
$n=$k |
内容相同 | (v)一(v){$1=$2} |
$n!=$k |
内容不同 | (v)一(v){$1!=$2} |
beg($n)=[] |
以某元素开头 | beg($1)=[被] |
beg($n)!=[] |
不以某元素开头 | beg($1)!=[被] |
end($n)=[] |
以某元素结尾 | end($1)=[犯罪] |
end($n)!=[] |
不以某元素结尾 | end($1)!=[犯罪] |
mid($n)=[] |
包含某元素 | mid($1)=[打击] |
mid($n)!=[] |
不包含某元素 | mid($1)!=[打击] |
长度限制
| 形式 | 含义 | 示例 |
|---|---|---|
len($n)=x |
长度等于 x | (a)的女生{len($1)=2} |
len($n)>x |
长度大于 x | (nr)说 m q{len($1)>1} |
len($n)<x |
长度小于 x | (nr)说 m q{len($1)<4} |
len($n)=len($k) |
两者长度相同 | (v)一(v){len($1)=len($2)} |
len($n)!=len($k) |
两者长度不同 | (v)一(v){len($1)!=len($2)} |
词性限制
| 形式 | 含义 | 示例 |
|---|---|---|
word/pos |
限定词 word 的词性为 pos，取值参见 词性标记集 | 理想/a |
输出限制
| 形式 | 含义 | 示例 |
|---|---|---|
print($n) |
将输出对象限定为第 n 个限定成分（结果高亮以该成分为准） | 喜欢(n){print($1)} |
五、常见问题（FAQ）
如何快速上手 BCC 检索？
推荐
建议从上文“检索式示例”中选择一个与你研究主题接近的模板，直接在检索框中尝试运行，然后再逐步替换其中的
词语、词性或结构，观察结果变化。
检索结果为空怎么办？
可按以下步骤排查：
① 检查是否使用了正确的 词性标记 或 组块符号；
② 确认条件限制使用的是英文输入法的半角符号（如
③ 检查所选频道是否支持当前检索类型：
— 句法结构检索目前不支持口语、近代汉语、古汉语、多领域；
— 词性检索目前不支持古汉语；
④ 先去掉部分限制条件，仅用核心检索式测试是否有结果。
① 检查是否使用了正确的 词性标记 或 组块符号；
② 确认条件限制使用的是英文输入法的半角符号（如
{}、[]、()、;）；
③ 检查所选频道是否支持当前检索类型：
— 句法结构检索目前不支持口语、近代汉语、古汉语、多领域；
— 词性检索目前不支持古汉语；
④ 先去掉部分限制条件，仅用核心检索式测试是否有结果。
可以同时使用多个限制条件吗？
可以。多个限制条件用英文分号
; 分隔，并放在同一对花括号中，例如：
{len($1)>1;beg($1)=[老]}。
条件限制里符号输入有什么注意事项？
请使用 英文输入法，并确保符号为 半角（如
{}、[]、()、;、=、!=、>、<）。
若误用中文全角符号（如“；”“（ ）”“【 】”），系统可能无法正确解析条件限制。
六、引用
若 BCC 语料库及在线检索系统对您的研究有所帮助，欢迎在论文中引用以下文献。
GB/T 7714 格式
- 荀恩东, 饶高琦, 肖晓悦, 臧娇娇. 大数据背景下BCC语料库的研制[J]. 语料库语言学, 2016, 3(01): 93-109+118.
- 荀恩东, 饶高琦, 谢佳莉, 黄志娥. 现代汉语词汇历时检索系统的建设与应用[J]. 中文信息学报, 2015, 29(03): 169-176.
BibTeX 格式
@article{YLYY201601009,
author = {荀恩东 and 饶高琦 and 肖晓悦 and 臧娇娇},
title = {大数据背景下BCC语料库的研制},
journal = {语料库语言学},
volume = {3},
number = {01},
pages = {93-109+118},
year = {2016},
}
@article{MESS201503025,
author = {荀恩东 and 饶高琦 and 谢佳莉 and 黄志娥},
title = {现代汉语词汇历时检索系统的建设与应用},
journal = {中文信息学报},
volume = {29},
number = {03},
pages = {169-176},
year = {2015},
issn = {1003-0077},
}