中国裁判文书网是什么、能查到什么
中国裁判文书网（wenshu.court.gov.cn）由最高人民法院主办,是国内最权威的裁判文书公开平台,收录全国各级法院公开的民事、刑事、行政、赔偿、执行等类型的裁判文书。平台按案件类型分类,支持按法院、案由、审理程序、裁判日期等条件检索,也提供蒙、藏、维、朝鲜、哈萨克等少数民族语言文书的检索入口。
从功能定位上看,裁判文书网解决的是“查阅”这件事——研究者、律师、企业合规人员可以按关键词、案由、地域、时间范围检索到具体案件的裁判文书全文。但检索查阅和“批量获取用于研究的数据集”是两个不同的需求层次,后者往往需要更系统的数据整理和技术手段,不是简单点开网页逐篇复制能解决的。
实测访问该网站目前可以正常打开,首页会提示“近期对中国裁判文书网进行了升级维护,在此期间部分功能可能受到影响”,并留有联系邮箱供用户反馈问题。检索等功能通常需要先完成账号注册。
可得性这几年发生了什么变化
如果你几年前用过裁判文书网,或者读过早期基于该网站构建的大型数据集论文,可能会对“上亿份文书随时可查”有比较乐观的印象。但需要如实说明的是:近年来裁判文书网上的公开文书数量出现了明显下滑趋势,平台的检索和访问方式也比之前收紧,包括要求手机号注册验证等身份核验环节。具体到某一年公开了多少份文书、下滑比例是多少,这类数字在不同信息源之间存在差异,而且平台自身也未必会实时公开准确统计口径,建议不要把网络上流传的某个具体数字当作定论,而是以你实际登录检索时看到的结果为准。
对做研究或产品的团队来说,这个变化带来的直接影响是:如果你的研究设计依赖某个时间区间(比如覆盖到最近一两年)的完整文书样本,需要提前实测检索结果、确认你需要的时间范围和案由类型目前是否还能查到,而不是假设“网站还在,数据就还在”。可得性可能随时间继续变化,做长期研究规划时留出核实的余量比较稳妥。
学术研究常用的获取方式
除了直接登录裁判文书网逐条检索,法律实证研究、法律 NLP 领域的学术圈子里,常见的获取思路大致有这几类:
通过高校图书馆或研究机构的数据入口。 部分高校图书馆(包括海外高校的中国研究相关馆藏)会在数据库导航页里对中国裁判文书网做资源说明,标注其规模、来源机构、访问方式,方便本校师生定位和引用这个资源,但并不代表图书馆自建了独立的下载渠道,实际检索访问仍然要回到官方网站完成。
引用他人已发布的研究数据集或论文附带语料。 法律 NLP 领域这些年出现过不少基于裁判文书构建的公开评测数据集,通常由高校实验室或研究团队整理发布,覆盖特定时间区间、特定案由或特定任务(比如判决预测、要素抽取)。这类数据集的好处是已经完成了初步清洗和结构化,但使用前必须仔细核对两点:一是数据集本身的许可证和使用范围声明(能不能商用、要不要署名、是否要求同意某些使用条款),二是数据的时间覆盖范围是否满足你的研究需要——很多早期数据集停留在采集时的时间点,不会自动更新。
自行技术采集。 如果确实需要批量、结构化地获取近期文书,理论上可以通过技术手段从官网检索结果中提取,但这类做法必须遵守目标网站的服务条款、机器人协议(robots.txt)以及相关网络安全和数据保护法规,避免采用规避身份核验、绕过访问限制等方式获取数据。裁判文书网升级后的访问和注册要求,本身就是平台方对访问方式的明确约束,不建议尝试绕过。
无论走哪条路径,拿到数据后都应该先做小规模抽样核对——检查文书内容是否完整、日期和案由标注是否准确、是否存在因平台升级导致的字段缺失,再决定是否投入使用。
裁判文书含个人信息,使用前必须做脱敏合规
裁判文书本身就包含大量个人信息和敏感信息:当事人姓名、身份证号(部分会做隐去处理)、住址、联系方式,涉及未成年人、婚姻家庭、涉密案件的文书还可能包含更敏感的隐私内容。裁判文书网官方在公开文书时通常已经对部分身份信息做了技术处理(比如隐去部分身份证号码),但这不等于文书内容已经完全达到你所在机构、你要发表的论文、或者你要开发的产品对个人信息保护的合规要求。
如果你计划把裁判文书数据用于以下场景,需要额外做合规评估:
- 训练或微调面向公众提供服务的模型——需要评估文书中残留的个人信息是否可能被模型记忆并在生成内容中泄露;
- 发表论文或公开数据集——学术出版和数据集发布通常有独立的伦理审查和数据脱敏要求,即便原始文书是公开的,二次整理发布仍可能触发新的合规义务;
- 商业产品的数据来源——涉及个人信息处理的商业化使用,在中国大陆需要遵守个人信息保护法等相关法律法规,在使用非本国居民数据时还可能涉及其他司法辖区的数据保护规则。
具体到你的项目属于哪种情况、需要做到什么程度的脱敏和合规审查,建议结合数据的实际使用场景, 找专业法律顾问或机构合规团队评估,不要仅凭“文书本身是公开的”就默认后续处理不需要额外把关。
需要专业协助排查数据来源和合规状态时
裁判文书这类数据的特殊性在于,“找到入口”只是第一步,更容易踩坑的是可得性变化、来源版本核验、以及个人信息合规这几个环节。如果你手上有具体的法律文本数据获取需求,想要有人帮你核实数据来源的真实性、当前可得性状态,可以通过 数聚天成的检索工作台 提交需求,由人工逐条核实候选数据集的来源和可用性,而不是简单给一个链接列表了事。想先了解数聚天成能提供哪些数据获取和核验相关的服务,可以看 官网首页。日常整理网页上的公开数据来源信息,也可以用 小聚网页助手 辅助记录和归档。
小结
中国裁判文书网是查阅裁判文书最权威的官方渠道,但近年来公开文书的可得性有所收紧,访问也需要完成身份注册,具体覆盖范围建议以实际检索结果为准,不要依赖过时的印象。批量获取用于研究的数据集,可以考虑高校资源导航、已发布的学术数据集或合规的技术采集方式,但每一种路径都要核实许可证、时间覆盖范围和数据完整性。裁判文书含有个人信息,用于训练模型、发表论文或商业产品前,务必先完成必要的脱敏和合规评估。
本文仅作一般性信息说明,不构成法律意见。涉及具体项目的数据获取合规判断,尤其是个人信息处理、跨境使用等复杂场景,建议咨询专业法律顾问。