Spanish Linguistics and Language: Corpus Databases

Allows you to quickly and easily search more than 100 million words in more than 20,000 Spanish texts from the 1200s to the 1900s

From the Real Academica Española.

El CDH nuclear es un corpus restringido, manejable, de más de 53 millones de
ocurrencias, de las cuales 32 pertenecen a textos españoles y más de 20 millones a obras
americanas; la distribución temporal también es significativa, con una ponderación en
los períodos medieval, Siglo de Oro y moderno, en la proporción siguiente: en la Edad
Media 12 millones, en el Siglo de Oro 10 y en los siglos XVIII y XIX, 11 millones. En
el siglo XX se ha decidido forzar la proporción de este corpus orientativo, para dar
entrada a un número adecuado de datos americanos: 19 millones, de los que 15 son Americanos.

El Fichero general de la Real Academia Española consta de unos diez millones de papeletas, léxicas y lexicográficas, ordenadas alfabéticamente en gavetas que contienen unas dos mil cédulas; este fichero se ha ido formando desde fecha muy temprana, aunque su período de máxima pujanza ha sido el que va desde 1930 a 1996, fechas en que la Academia afrontó la realización del Diccionario histórico en sus dos ediciones anteriores.

PRESEEA es un proyecto para la creación de un corpus de lengua española hablada representativo del mundo hispánico en su variedad geográfica y social. Esos materiales se reúnen atendiendo a la diversidad sociolingüística de las comunidades de habla hispanohablantes.