Korpussuche – Suchmaschine und Suchabfragesprache

Abfragesyntax

Sie können Ihre Anfrage mittels einer einfachen Ein-Wort-Abfrage formulieren. Darüberhinaus unterstützt die Suchmaschine im DWDS Boolesche Operatoren, Phrasensuche, Filter auf Tokenebene, Filter nach Metadaten, Sortieroperationen und vieles mehr.

Die formale Beschreibung und Dokumentation der Abfragesyntax für DDC finden Sie hier.

Generell folgen Abfragen diesem Muster:

KLAUSEL [KLAUSEL, ...] [FLAGS] [FILTER]

Klauseln sind einzelne oder mit Booleschen Operatoren verbundene Filter auf Tokenebene.

Boolesche Operatoren

Hinweis

Die logische Negation ist nicht auf alle Klauseln anwendbar, meist nur in Verbindung mit nicht-negierten Klauseln oder Filtern. Außerdem gelten für die Abfrage über dwds.de weitere Einschränkungen.

Hinweise zur Abfragesprache

Sonderzeichen und Schlüsselwörter

Einige Zeichen und Wörter haben innerhalb der Abfragesprache eine besondere Bedeutung. Wenn explizit nach diesen gesucht werden soll, müssen diese mithilfe eines vorangestellen Backslashs maskiert werden. Alternativ können Sie auch das ganze Abfragewort in einfache Anführungszeichen setzen, falls es Sonderzeichen enthält.

Hinweis

Bitte beachten Sie, dass Sonderzeichen, die als eigenständige Satzzeichen fungieren, als separates Token gesucht werden müssen.

Folgende Schlüsselwörter haben innerhalb der Abfragesprache eine besondere Bedeutung, egal ob in Groß- oder Kleinschreibung. Möchten Sie nach solch einem Wort literal suchen, muss dieses in einfache Anführungszeichen gesetzt werden.

Beispiele

Unicode-Unterstützung

Die Abfragesprache und die Korpora unterstützen vollständig Unicode, entsprechend werden alle Treffer in UTF-8-Kodierung ausgeliefert. Sie können also direkt mit UTF-8-Zeichen suchen. Alternativ wird auch die von JSON entlehnte Schreibweise \uXXXX in einfachen und mit Single Quotes maskierten Filtern unterstützt. In regulären Ausdrücken können Sie die PCRE-Syntax \x{XXXX} nutzen.

Reguläre Ausdrücke

/REGEX/[MODIFIER]
!/REGEX/[MODIFIER]
s/REGEX/REPLACEMENT/[MODIFIER]

Reguläre Ausdrücke sind eine mächtige Möglichkeit, innerhalb von Texten (Zeichenketten) zu suchen. Eine anfängerfreundliche Einführung in die Thematik finden Sie im Blog von Daniel Fett. Eine umfängliche Referenz finden Sie in perlretut. Sie können reguläre Ausdrücke in Tokenfiltern und bei den meisten Metadatenfiltern mittels der Syntax von PCRE (Perl Compatible Regular Expressions) formulieren.

Negierte Suchen sind mittels vorangestelltem ! durchzuführen.

Für Ersetzungsoperationen in Verbindung mit Metadatenfiltern steht der s/REGEX/REPLACEMENT/-Operator bereit.

Hinweis

Bitte beachten Sie, dass reguläre Ausdrücke in der Suchmaschine per Default nicht verankert sind, es werden also (wenn nicht explizit angegeben) Teilausdrücke gesucht. Sie können den regulären Ausdruck mit /^(?:...)$/ oder /.../g auf das gesamte zu durchsuchende Indexfeld verankern.

Hinweis

Das Begrenzungszeichen eines regulären Ausdrucks ist immer der Slash /, für die literale Suche nach diesem Zeichen muss es mit einem Backslash maskiert werden: /\//.

Hinweis

Bitte beachten Sie, dass die Suche mit der Fehlermeldung too many expansions for regex /.../ (MaxRegExpExpansionSize=262144) quittiert wird, wenn der von Ihnen eingegebene reguläre Ausdruck auf mehr als 262144 Einträge im Index passt.

Achtung

Die Suche mit regulären Ausdrücken kann zu teuren Berechnungen und Timeouts führen. Besonders Operatoren wie * und + nutzen Backtracking und sollte daher vermieden werden. Verzichten Sie daher, wenn möglich, auf Konstrukte wie .* und .+. Meist führen auch Anfragen in Mengennotation {TERM,TERM,...} oder Präfix-/Suffixnotation TERM*, *TERM zu den gewünschten Ergebnissen.

Abfragen mit negierten Bedingungen

Abfragen, die rein negierte Bedingungen auf Token-Ebene beinhalten, werden vom Suchsystem auf der DWDS-Webseite mit einer Fehlermeldung zurückgewiesen, da dieser Typ von Abfragen u. U. recht teuer zu berechnen ist. Sie können allerdings das dstar-System nutzen, um dort unsere Korpora abzufragen. Im Folgenden ein paar Beispiele, in denen Sie Negationen auf Tokenebene einsetzen können:

Sätze, in denen Haus, aber nicht weiß vorkommt:

Haus && !weiß

Sätze, in denen die Phrase weißen Haus, aber nicht die Phrase im weißen Haus vorkommt:

"@weißen Haus" && !"im @weißen Haus"

falsch (Syntaxfehler): "!im @weißen Haus"

Hinweis

Sie können negierte Bedingungen auch auf Metadatenfilter anwenden.

Filter auf Tokenebene

Ein einzelner Suchterm bezieht sich immer auf ein Token. Folgende Bedingungen können gesetzt werden:

Hinweis

Die Mengensuche funktioniert auch mit den Präfix-, Suffix- und Infixoperatoren:

{TERM,TERM,...}*
*{TERM,TERM,...}
*{TERM,TERM,...}*

Alle diese Bedingungen können auch genutzt werden, um gezielt einzelne Tokenindices mittels $INDEX=BEDINGUNG abzufragen.

Für die logische Verknüpfung der Bedingungen auf Tokenebene stehen folgende Operatoren bereit:

Abfragbare Indices

Beispiele

Hinweis

¹ Für die Suche nach typografischen Attributen mittels $Rend empfiehlt sich die Benutzung von regulären Ausdrücken in Verbindung mit Word-Boundaries wie \b, um zwischen Phänomenen wie <hi rendition="#in"> und <hi rendition="#i"> unterscheiden zu können.

Hinweis

² Für die Suche nach textstrukturellen Attributen mittels $Context sind folgende DTABf-Elemente indiziert: text front body back div head argument hi cit fw lg stage speaker formula table. @type-Attribute von div-Elementen werden durch einen Unterstrich plus entsprechendem Wert markiert. Entsprechendes gilt für Werte des @place-Attributs in note-Elementen: <note place="foot|left|right"> via note_foot, note_left und note_right, andere note-Elemente sind via note_other abfragbar.

Hinweis

³ Die XPath-Suche ist (momentan) sehr limitiert und als statisches Textfeld implementiert, welches den reinen Pfad im Dokumentbaum repräsentiert, z. B. als body/div/p/note.

Filter nach Wortarten (Part-of-Speech)

Alle Wörter in den DWDS-Korpora sind anhand des STTS-Tagsets (Stuttgart-Tübingen-Tagset) annotiert worden. Sogenannte Part-of-Speech-Tags (PoS) sind syntaktische Kategorien, die etwas genauer ausdifferenziert sind als die üblicherweise unterschiedenen Wortarten. Die Abfrage erfolgt über den entsprechenden Index $p=PoS.

Zusätzlich zu den 54 Tags in der unten stehenden Liste können die DWDS-Korpora auch PoS-Tags der Form FM.LANG enthalten, wobei LANG die ISO 639-1-Bezeichnung einer erkannten Fremdsprache ist. Solche Tags werden dann vergeben, wenn die computerlinguistische Vorverarbeitung den entsprechenden Satz einer erkannten Fremdsprache zugeordnet hat, z. B. FM.en im Falle von Englisch. Des Weiteren kann das Tag FM.xy bei „Sätzen“ vergeben werden, die größtenteils aus Abkürzungen, Satzzeichen und/oder mathematischen Formeln bestehen.

Hinweis

Bitte beachten Sie, dass für die „rechte Seite“ des Ausdrucks $p=… (also …) gilt, dass auch da Sonderzeichen, falls diese ohne spezielle Bedeutung gemeint sind, entsprechend maskiert werden müssen. Für eine Suche nach satzbeendender Interpunktion müssen Sie also schreiben: $p=\$. (oder, dasselbe: $p='$.').

Markierung von Suchtreffern

Für eine explizite Markierung bzw. Nummerierung von Suchtreffern können die einzelnen Tokenbedingungen mittels nachgestelltem =N (1 ≤ N ≤ 255) markiert werden. Sinnvoll ist das vor allem bei Phrasensuchen oder unbestimmten Reihenfolgen der gewünschten Suchwörter. Die markierten Tokens werden in der Trefferansicht mit einem tiefgestellten Index dargestellt. Beim Export der Suchtreffer können Sie diese Tokens wie folgt identifizieren:

Hier ein Beispiel für die Suchabfrage Farbe|ot-asi=1 && Lebensmittel|ot-asi=2 (Farbe bzw. ein Unterbegriff von Farbe und Lebensmittel bzw. ein Unterbegriff von Lebensmittel ohne bestimmte Reihenfolge):

...,"Hit"
...,"Ich trank doch keinen Alkohol/2, nur schwarzen/1 Kaffee/2."

Hinweis

Auch in COUNT()-Abfragen kann diese Funktion nützlich sein, um z. B. Gruppierungsfunktionen sinnvoll zu nutzen.

Termexpansion

Bevor im Index der Suchmaschine nach den eingegebenen Termen gesucht wird, werden diese expandiert und anschließend wird nach diesen Expansionen im Index gesucht. Sie können diese Expansion mit der Syntax TERM|Expandierer steuern, mehrere Expandierer können durch weiteres Anhängen von |Expandierer angegeben werden (Expansionskette).

Sie können die Termexpansion mit folgendem Tool ausprobieren. Mehrere Eingabeworte bzw. Expander sind durch Leerzeichen zu trennen. (Datengrundlage: DWDS-Kernkorpus)

Folgende Expandierer stehen in den DWDS-Korpora zur Verfügung:

Default-Expandierer in den DWDS-Korpora

Explizite Angabe der Default-Expansion können Sie durch TERM|- erreichen. Die Defaults sind für die einzelnen Indexfelder wie folgt definiert:

Thesaurus-Annotationen

Die DWDS-Korpora sind durchgängig sowohl mit den beiden Thesaurus-Systemen GermaNet als auch OpenThesaurus annotiert. Sie können die entsprechenden Expandierer nutzen, um Synonyme und Unter- oder Oberbegriffe zu suchen.

Eine Abfrage nach Bank|ot-syn entspricht beispielsweise einer Suche nach {Bank, Bankhaus, Finanzinstitut, Finanzinstitution, Geldhaus, Geldinstitut, Geschäftsbank, Kreditanstalt, Kreditinstitut, Sitzbank, Sparkasse}.

Die folgende (zur Vereinfachung gekürzte) Abbildung veranschaulicht die verschiedenen Thesaurus-Expandierer am Beispiel des Wortes Bank. Klicken Sie auf einen Button, um die entsprechenden Felder rot hervorzuheben, deren Stichworte gesucht werden, wenn der entsprechende Expandierer genutzt wird.

Phrasen- und Abstandssuche

Mehrere, direkt aufeinander folgende Wörter (bzw. Tokens) können mithilfe des Konstrukts "BEDINGUNG BEDINGUNG [BEDINGUNG,...]" gefunden werden.

Hinweis

Bitte beachten Sie, dass Satzzeichen separate Tokens sind, also als eigene Bedingung formuliert werden müssen.

Hinweis

Die Eingabe mehrerer Bedingungen ohne " oder andere Boolesche Operatoren auf der DWDS-Webseite ist per Default eine Phrasensuche (und keine Boolesche UND-Verknüpfung). Das ist ein anderes Verhalten als bei Suchen im dstar-System (dort: UND-Verknüpfung) und dem bequemen Nutzungsverhalten angepasst. Wir halten Sie dennoch an, Phrasensuchen mit "…" zu formulieren, um über alle Systeme hinweg konsistente Suchergebnisse zu erzielen.

Abstandssuche mit bestimmter Reihenfolge

Ist die Reihenfolge der Tokenbedingungen im Satz bestimmt, kann der Abstand zwischen einzelnen Bedingungen mit den folgenden Operatoren bestimmt werden:

Abstandssuche ohne bestimmte Reihenfolge

Ist die Reihenfolge der Tokenbedingungen im Satz unbestimmt, kann der Abstand zwischen einzelnen Bedingungen mit dem NEAR()-Operator bestimmt werden:

Hinweis

Sie können den NEAR()-Operator auch mit Phrasen nutzen, z. B. NEAR(kommen,"nach Hause",2).

Flags

Sie können mittels der Flags #SEP, #JOIN und #WITHIN die Anzahl der Suchtreffer bestimmen:

#WITHIN file ist z. B. nützlich, wenn Sie nur einen „Treffer“ pro Dokument erhalten wollen. Für normale Textabfragen erhalten Sie bei dieser Art Abfragen einen Ausschnitt, der ggfls. auch mehrere Vorkommen der gesuchten Tokens mit ... separiert anzeigt. In COUNT()-Abfragen wird jedes Dokument nur einfach gezählt.

Filtern und Sortieren

Filtern nach Metadaten

Das Filtern nach Metadaten geschieht mit dem Operator #HAS[FELD,BEDINGUNG]. Mehrere dieser Filter können hintereinander geschrieben werden und werden dann als logische UND-Verknüpfung angewandt.

Folgende Metadatenfelder stehen zur Verfügung:

Hinweis

Beachten Sie, dass Groß-/Kleinschreibung bzgl. der Namen der Metadatenfelder signifikant ist. Ein Filtern nach pubplace wird z. B. wahrscheinlich einen Fehler werfen.

Bedingungen auf Metadatenfelder können wie folgt gesetzt werden:

Sortieren nach Metadaten

Folgende Sortieroperatoren stehen für die Metadatensuche zur Verfügung:

Negierungen

Negierungen auf Metadatenfiltern können mittels vorangestelltem ! formuliert werden.

Filtern und Sortieren nach Datum

Datumsangaben von Dokumenten sind, je nach Korpus, im Format YYYY-MM-DD, YYYY-MM oder YYYY kodiert. Die Suche nach YYYY entspricht dabei YYYY-01-01.

Beispiele

Sortieren nach Satzkontext

Diese Art von Sortierung ist besonders in der KWIC-Ansicht sinnvoll.

Die vorgenannten Operatoren sind auch mittels nachgestellten eckigen Klammern parametrisierbar:

Hinweis

Beachten Sie, dass die Schrankenwerte an ASCII orientiert sind, Großbuchstaben also z. B. nach Ziffern und vor Kleinbuchstaben einsortiert sind. Eine entsprechende Tabelle finden Sie in der Wikipedia.

Sortieren und Filtern nach Satzlänge

Die Operatoren #LESS_BY_SIZE und #GREATER_BY_SIZE lassen sich mit nachgestellten eckigen Klammern parametrisieren:

Zufälliges Sortieren

Mit dem #RANDOM-Operator (Alias: #RAND) werden die Suchergebnisse zufällig sortiert. Sie können mithilfe von #RANDOM[N] einen (Integer-)Seed N (Default: 0) setzen, um die Reproduzierbarkeit von Ergebnissen zu gewährleisten.

Beschränkte Stichproben

Neben der Verwendung von #RANDOM[N] können Sie auch mit dem #PRUNE-Operator die Treffermenge einschränken und so nur eine eingeschränkte Stichprobe aus der Gesamttreffermenge erhalten: #PRUNE[N, FILTER, ...].

Beispiele:

Hinweis: Der #PRUNE-Operator wirkt als Sortieroperator, die Treffer werden also aufsteigend nach Filterkriterium sortiert. Möchten Sie absteigend sortieren, nutzen Sie stattdessen #PRUNE_DESC. Möchten Sie eine zufällig ausgewählte Stichprobe, nutzen Sie ... #RANDOM #PRUNE[...] (in dieser Reihenfolge!).

Textklassen

Jedes Korpus bringt seine eigene Textklassifikation mit. Auf unserer Statistikseite erhalten Sie eine Übersicht über die verwendeten Textklassen. Bitte beachten Sie, dass dort und auch in den Eingabeformularen für die Korpussuche stets nur eine sog. Hauptklassifikation angegeben wird. In den Metadaten der einzelnen Dokumente ist im Feld textClass die gesamte Angabe zur Textklasse verzeichnet. Die Hauptklassifikation steht dabei stets vor einem (bzw. manchmal auch zwei) Doppelpunkt(en). Sie können nach der Hauptklassifikation mittels regulärem Ausdruck filtern: ... #HAS[textClass,/^Textklasse:/].

Listen- und Frequenzabfragen

Einfache Listen- und Frequenzabfragen

Möchten Sie nur Listen abfragen, ohne die Satzkontexte oder Metadaten dabei auszuwerten, nutzen Sie bitte die bereitstellten lexikalischen Datenbanken via lexdb.

Beispiele für diese Art von Abfragen sind:

• Wörter einer bestimmten Wortart,
• Wörter mit einer bestimmten Endung, einem bestimmten Wortbestandteil,
• die häufigsten N Wörter mit einem bestimmten Kriterium.

COUNT()-Abfragen

Mittels COUNT()-Abfragen können Sie Zahlen über die Ergebnisse von Korpussuchen erhalten. Dabei besteht auch die Möglichkeit, nach diversen Kriterien zu gruppieren. Eine COUNT()-Abfrage gestaltet sich nach folgendem Muster:

COUNT ( KLAUSEL [KLAUSEL, ...] [FLAGS] [METADATENFILTER] ) [COUNT_BY] [COUNT_SORT]

Der (runde) Klammerausdruck ist dabei die DDC-Abfrage über Korpora, so wie oben in diesem Dokument beschrieben. Für eine eventuelle Gruppierung der Treffer können die einzelnen Tokenbedingungen explizit mittels nachgestelltem =N (1 ≤ N ≤ 255) markiert werden.

Sie können in COUNT_BY mittels der Syntax #BY[key[,...]] optionale Angaben zur Gruppierung machen.

Hinweis

Sie können auch mehrere Gruppierungsfunktionen auf einmal verwenden: COUNT ( KLAUSEL ... ) #BY[key,key,...].

Gruppierung nach Metadaten

Es können alle Metadatenfelder zur Gruppierung benutzt werden. Besonders sinnvoll ist dies in folgenden Fällen:

• date – Datum des Dokuments. Es empfiehlt sich (da in einigen Korpora die Datumsangaben auf den Tag genau vermerkt sind), auf ganze Jahresangaben zu filtern: date/1. Eine Gruppierung nach Dekade¹ erreichen Sie entsprechend durch date/10. Allgemeiner: date/INTEGER macht zwei Dinge:
  1. Es normalisiert vollständige Datumsangaben auf Jahreszahlen, also z. B. 2010-03-21 auf 2010.
  2. Es schneidet, ausgehend vom gewünschten Startzeitpunkt (entweder qua Korpus-Default oder explizit angegeben via Datumsfilter) in INTEGER breite Jahresscheiben, also z. B. date/3 mit Startzeitpunkt 2012:
     • 2012 bis 2014
     • 2015 bis 2017
     • 2018 bis 2020
• textClass – Textklasse des Dokuments. Es empfiehlt sich (da oft Haupt- und Untertextklasse durch : oder :: getrennt vermerkt sind), nur nach Haupttextklasse zu gruppieren. Dies erreichen Sie, indem Sie eine Substitutionsoperation auf das entsprechende Feld ausführen: textClass~s/:.*// (dies schneidet alles nach dem ersten : ab).

Gruppierung nach Indexfeldern

Es können alle Tokenindices wie z. B. $p (Part-of-Speech-Tag), $l (Lemma) oder $w (Oberflächenform) zur Gruppierung benutzt werden.

Achtung

Bitte beachten Sie, dass Abfragen mit #BY in Verbindung mit der Angabe von Indexfeldern teuer in der Berechnung sind. Sie müssen im DWDS eingeloggt sein, um diese Funktion nutzen zu können.

Gruppierung nach Kontext

Sie können nach den linken oder rechten Nachbarn eines markierten Tokens mittels Angabe eines Indexfelds und nachgestelltem -N bzw. +N gruppieren.

Sortierung der Ergebnisse von COUNT()-Abfragen

Für die Sortierung der Ergebnisse in COUNT_SORT stehen folgende Operatoren zur Verfügung:

Weitere Beispiele zu COUNT()-Abfragen finden Sie in der Beispielsammlung.

Häufig gestellte Fragen (FAQ)

Wie kann ich nach Kasus filtern?

Kasus sind in unseren Korpora nicht annotiert. Eine Hilfe ist, die Korpusergebnisse nach dem linken Nachbarn zu sortieren, dann kann man zumindest manuell schnell die uninteressanten Treffer aussortieren.

Beispiel: Pluralformen von Tunnel

Mit dem @-Operator suchen Sie nach exakter Wortform, d. h. @Tunnels findet auch nur genau diese Oberflächenform.

1. Suche nach @Tunnels.
2. Dort nutzen Sie dann den Button „Treffer exportieren“.
3. Innerhalb dieser Liste können dann „falsche“ Treffer (z. B. Genitivformen) aussortiert werden.

Für Tunneln kann dann genauso verfahren werden, oder Sie suchen zugleich nach beiden Formen mittels @{Tunnels,Tunneln}.

Kann ich Korpusabfragen für „Reduplikation“ stellen?

Abfragen mit Reduplikation a la Auge um Auge oder Tag für Tag sind leider nicht möglich, da die DDC-Abfragesprache keine Termvariablen bzw. Back-References unterstützt.

Wie kann ich (vermeintliche) Duplikate in den Treffern vermeiden?

Zwei Fälle sind hier zu unterscheiden:

1. Mehrere Treffer im selben Satz

Die Abfrage "$p=ART $p=NN" (Artikel gefolgt von Nomen) wird sehr wahrscheinlich für viele Sätze mehrere Treffer erbringen. Die Suche auf der DWDS-Webseite listet jedes dieser Vorkommen (auch innerhalb eines Satzes) als separaten Treffer; man kann sie leicht durch die verschiedene typografische Hervorhebung der passenden Tokens erkennen. Möchten Sie anstelle dieser Darstellung nur jeweils einen Satz pro Treffer, stellen Sie Ihrer Anfrage den #JOIN-Operator nach: "$p=ART $p=NN" #JOIN.

2. Vermeintlich identische Treffer in verschiedenen Dokumenten

Vor allem in Zeitungstexten ist das Recycling von bereits in anderen Artikeln verwendeten Textpassagen anzutreffen. Beispiele dafür sind Texte, deren Wortlaut von Presseagenturen übernommen wurde; mehrfache Berichterstattung über ein Thema im Verlauf weniger Tage oder das Verwenden von eingebetteten Subtexten (z. B. Bildunterschriften in Mediengalerien). Diese Art Duplikate sind streng genommen keine, zumindest anhand der Metadaten eines Dokuments oder auch über den erweiterten Kontext der Suchabfrage (Anzeige: maximal) kann man oft Unterschiede feststellen. Nichtsdestotrotz sind wir bemüht, unsere Korpora davon – so gut es geht – sauber zu halten und verbessern die Software zur Erkennung dieser Art Duplikate fortlaufend.

Wie kann man gegenderte Formen suchen?

Um gegenderte Formen wie z. B. Freund*in, Freund/in, Freund_in und Freund:in zu finden, müssen folgende Dinge beachtet werden:

• Sonderzeichen wie *, / und : müssen (mit einem Backslash) maskiert werden.
• Flektierte Formen (wie z. B. Freund:innen zu Freund:in) müssen separat gesucht werden, eine automatische morphologische Analyse findet für diese Formen also nicht statt.

Beispiele (die Links führen zu Suchergebnissen im Korpus WebXL, dafür ist ein Login erforderlich):

Wie suche ich Komposita mit und ohne Bindestrich?

Manchmal möchte man bei der Suche nach Komposita nicht zwischen Schreibung mit und ohne Bindestrich unterscheiden. Dazu ein paar Vorbemerkungen:

• Die Groß-/Kleinschreibung ist für die Suche relevant.
• Bindestrichkomposita werden anders lemmatisiert (= auf eine Grundform abgebildet) als Komposita ohne Bindestrich, das heißt beispielhaft: Macht-Demonstration ist ein anderes Lemma als Machtdemonstration.

Bleiben wir beim Beispiel: Um Komposita mit dem Letztglied Demonstration mit und ohne Bindestrich zu suchen, nutzen Sie den Suffixoperator *… in Verbindung mit der Mengennotation {…, …}. Dazu müssen Sie explizit auf dem Lemma-Index $l suchen, da der Suffixoperator auf der Oberflächenform (Index $w) filtert und flektierte Formen wie Plural sonst nicht gefunden werden:

$l=*{demonstration,-Demonstration}

Für Frequenzabfragen gilt entsprechend:

COUNT($l=*{demonstration,-Demonstration}) #BY[$l] #DESC_COUNT

Hinweis

Für diese Abfrage müssen Sie im DWDS eingeloggt sein.

Diese Abfrage gruppiert nach dem Lemma (Index $l) und sortiert absteigend nach Frequenz. Hier können Sie dann auch den Substitutionsoperator ~s/REGEX/REPLACEMENT/ (PCRE-Syntax) anwenden und das Lemmafeld „nachbehandeln“, um so Schreibungen mit und ohne Bindestrich zusammen zu zählen:

COUNT($l=*{demonstration,-Demonstration}) #BY[$l~s/-D(emonstration)/d$1/] #DESC_COUNT

Wie suche ich Sätze ohne Verb (bzw. andere Wortarten)?

Da rein negierte Suchen in den DWDS-Korpora nicht erlaubt sind, muss man sich hier mit einem Hilfskonstrukt behelfen: Jeder Satz hat ein erstes Token, das mit $.=0 abfragbar ist. Dazu kann man dann die Bedingung && !$p=V* (= … und enthält kein Verb, für andere Wortarten siehe die Liste der abfragbaren Wortarten) setzen, also $.=0 && !$p=V*. Eine solche Art der Suche nur auf Teilsätzen (also z. B. Nebensätzen) ist leider nicht möglich.

Kann ich komplette Korpora herunterladen?

Das DWDS bietet keine Korpora zum Download an, auch nicht für den sog. internen Gebrauch oder wissenschaftliche Zwecke, bis auf diese Ausnahmen:

• Bzgl. der Webkorpora im DWDS empfehlen wir das Tutorial: DWDS-Korpusdaten reproduzieren.
• Bitte beachten Sie die Nutzungs- bzw. Lizenzbedingungen der Korpora, die auf den jeweiligen Seiten vermerkt sind.

Das Crawling kompletter Korpora über die Suchmaschine ist nicht erlaubt und dafür ist die Suchmaschine auch nicht gedacht. Kontaktieren Sie uns gerne, wenn Sie ein spezielles Anliegen haben.

Wo finde ich Statistiken (Tokenzahlen, Verteilung über Zeiträume, Textklassen etc.)?

Statistiken zu diversen Kenngrößen finden Sie auf einer separaten Seite.

Was man tun und nicht tun sollte

Verzichten Sie auf teure Abfragen mit Platzhaltern oder Stoppwörtern wie der, die, das, sinnfreie Präfix-/Suffixsuchen oder nichtssagende reguläre Ausdrücke.

Seien Sie geduldig, wenn eine Ergebnisseite mal länger braucht. Erneutes oder gar paralleles Aufrufen erzeugt nur mehr Last und bringt keine schnelleren Ergebnisse.

Hinweise zu geskripteten Abfragen

Das Crawling kompletter Korpora über die Suchmaschine ist nicht erlaubt und dafür ist die Suchmaschine auch nicht gedacht. Kontaktieren Sie uns gerne, wenn Sie ein spezielles Anliegen haben. Das DWDS bietet keine Korpora zum Download an, auch nicht für den sog. internen Gebrauch oder wissenschaftliche Zwecke, bis auf diese Ausnahmen.

Wenn große Ergebnismengen zu erwarten sind oder die Abfragen teuer (= langsam) sind:

• Nutzen Sie das dstar-System auf kaskade.dwds.de – nicht die Korpussuche auf der DWDS-Webseite, nicht die dstar-Wrapper auf www.dwds.de.
• Beachten Sie: Das dstar-System behandelt Abfragen anders als das Korpussuche-Formular auf www.dwds.de (keine implizite Phrasenbildung, keine impliziten Korpusfilter).
• Lesen Sie die Dokumentation zur DDC-Abfragesprache.
• Wenn Sie „viel Text“ mit Ihrer Abfrage einsammeln möchten: Nutzen Sie nicht den #CNTXT n-Operator (= Ansicht „max“ auf www.dwds.de). Das erhöht die ausgegebene Textmenge um 2n und bringt letzten Endes Duplikate.
• Schreiben Sie Ihr Skript so, dass zwischen zwei Abfragen mind. 1 s gewartet wird.
• Der Parameter limit kann bis auf einen Wert von 1000 gesetzt werden, höher aber bitte nicht.
• Überlegen Sie sich gut, welches Exportformat sie benötigen (Text, JSON, YAML etc.), damit dieselben Abfragen nicht noch einmal gestellt werden.
• Wichtig: Verzichten Sie auf eine Treffersortierung und Korpusfilter, wenn es einfach nur viel Text sein soll.
• Wenn Sie eine definierte (= Anzahl ist definiert) zufällige Menge an Text abfragen wollen, nutzen Sie den #RANDOM[seed]-Operator.
• Keine parallelen Abfragen.
• Seien Sie geduldig, wenn eine Ergebnisseite mal länger braucht.
• Wenn der Server Timeouts wirft, 10 min warten (das sollte auch in einem Skript bedacht sein).
• Wenn der Server die Meldung std::bad_alloc zurückgibt, warten Sie 10 min. Wenn die Meldung dann immer noch erscheint, ist alle Hoffnung verloren.
• Bei größeren Projekten: Geskriptete Abfragen in diesem Ausmaß bitte erst abends (CEST) starten und morgens beenden/pausieren. Wenn Ihr Skript bis dahin nicht fertig ist, setzen Sie es am nächsten Abend an selber Stelle fort.
• Rechnen Sie damit, dass die DWDS-Administratoren ihre IP (auf Zeit) blockieren, falls die Last auf unsere Server zu hoch wird.

Beispielsammlung Korpusabfragen

Beispiele für COUNT()-Abfragen

API

Dokumentation zu den Schnittstellen der Korpussuche finden Sie auf folgender Seite: API (Schnittstellen zum DWDS).

dstar

Alle unsere Korpora sind auch über das dstar-System zugänglich. Dort finden Sie außerdem weitere Schnittstellen und Exportmöglichkeiten.

Lexikalische Datenbanken (LexDB)

Für einige Korpora bieten wir eine Frequenzdatenbank (LexDB) an. Bitte nutzen Sie zunächst immer die entsprechende LexDB, wenn Sie an Frequenzinformationen interessiert sind.

Weiterführende Informationen

• DDC Projekt-Webseite
• DDC Query Language Documentation (in englischer Sprache)
• Dokumentation zu den Verlaufskurven im DWDS
• Blog-Artikel: Suche nach substantivierten Verben in den DWDS-Korpora
• Video-Tutorial: Recherche im DWDS-Korpus „Politische Reden“
• Lothar Lemnitzer: Nadeln im Heuhaufen oder die Recherche in den Korpora des DWDS, Artikelserie im Blog des Digitalen Wörterbuchs der Deutschen Sprache (2023):
  • Teil 1: Einführung
  • Teil 2: Terminologie und interessante Korpora
  • Teil 3: Der Abfrageassistent
  • Teil 4: Die Einwortsuche
  • Teil 5: Die Verbindung der Einwortsuche mit Filtern auf Tokenebene
  • Teil 6: Komplexe Abfragen mit mehr als einem Wort als Treffer
  • Teil 7: Aggregation und Gruppierung von Korpusdaten
  • Teil 8: Das Filtern von Trefferlisten