EUROPARL

source: http://www.isi.edu/~koehn/europarl/
(a parallel corpus compiled by Philipp Koehn)

11 languages, 55 bitexts
total number of files: 5214
total number of tokens: 296113192
total number of sentence fragments: 11545129

Download

Upper-right triangle: sample files (test = sentence alignment samples, language IDs = XML file samples)
Bottom-left triangle: XML-files (ces = sentence alignment files in XCES format, language IDs = gzipped tar-archives of corpus files in XML)

	da	de	el	en	es	fi	fr	it	nl	pt	sv
da	da	test	test	test	test	test	test	test	test	test	test	da
de	ces	de	test	test	test	test	test	test	test	test	test	de
el	ces	ces	el	test	test	test	test	test	test	test	test	el
en	ces	ces	ces	en	test	test	test	test	test	test	test	en
es	ces	ces	ces	ces	es	test	test	test	test	test	test	es
fi	ces	ces	ces	ces	ces	fi	test	test	test	test	test	fi
fr	ces	ces	ces	ces	ces	ces	fr	test	test	test	test	fr
it	ces	ces	ces	ces	ces	ces	ces	it	test	test	test	it
nl	ces	ces	ces	ces	ces	ces	ces	ces	nl	test	test	nl
pt	ces	ces	ces	ces	ces	ces	ces	ces	ces	pt	test	pt
sv	ces	ces	ces	ces	ces	ces	ces	ces	ces	ces	sv	sv
	da	de	el	en	es	fi	fr	it	nl	pt	sv

Statistics

Number of files, tokens, and sentence fragments per language
Number of aligned sentences per target language


language	files	tokens	sentences	da	de	el	en	es	fi	fr	it	nl	pt	sv
da	492	27656016	1153375		1056534	855950	1034584	1080083	955929	1049407	1003924	1065129	1039528	968546
de	492	27759028	1123309	1056534		833521	1025028	1043179	949117	1041898	999471	1054422	1031209	973560
el	398	23482881	838998	855950	833521		811554	860702	731473	825801	794903	841494	817823	742585
en	488	28842367	1064462	1034584	1025028	811554		1028839	943014	1025108	982322	1035031	1017770	943646
es	492	30548440	1137428	1080083	1043179	860702	1028839		950664	1044014	1000425	1048760	1037257	957005
fi	442	18942061	997845	955929	949117	731473	943014	950664		947501	901206	956290	940095	962084
fr	492	33238913	1089670	1049407	1041898	825801	1025108	1044014	947501		996800	1049117	1035640	951073
it	492	28912189	1044101	1003924	999471	794903	982322	1000425	901206	996800		1004992	991634	906339
nl	492	29188340	1198081	1065129	1054422	841494	1035031	1048760	956290	1049117	1004992		1034587	963475
pt	492	23808099	840450	1039528	1031209	817823	1017770	1037257	940095	1035640	991634	1034587		941592
sv	442	23734858	1057410	968546	973560	742585	943646	957005	962084	951073	906339	963475	941592