🇮🇹 Italia Corpus

Il corpus della legislazione italiana in Markdown — aggiornato quotidianamente.

License: MIT Data: Public Domain Updates: Daily Source: Normattiva

---

🇬🇧 English · 🇮🇹 Italiano

---

English

What this project is

Italia Corpus Legale is a public dataset that collects all Italian legislation published on Normattiva and distributes it as Markdown — ready for language models, RAG pipelines, researchers, and anyone who needs structured, machine-readable legal text.

Each act is one file. Each legislative update is a commit.

---

Why it exists

Italian legislation is technically public, but in practice it is hard to use:

---

How it is produced

The corpus is generated by an open-source Python script available at github.com/ahmeabd/italia-corpus-script. It runs the following pipeline:

flowchart TD
    A[Normattiva Public API] --> B[Download Collections]
    B --> C[Process & Generate Markdown\nwith YAML frontmatter]
    C --> D[Resolve References\ninternal → file links · external → Normattiva]
    D --> E[Commit Changes]
    E --> F[Publish to GitHub]

Each run only produces real diffs — if a collection has not changed, no commit is created.

---

File format & frontmatter

Every file in the corpus begins with a YAML frontmatter block that carries structured metadata:

---
tipo: DECRETO-LEGGE
numero: 216
data: 1993-07-06
titolo: "Adempimenti finanziari per l'attuazione del regolamento CEE n. 880/92 sul marchio di qualita' ecologica - Ecolabel."
urn: urn:nir:stato:decreto.legge:1993-07-06;216
codice_redazionale: 093G0287
vigente: true
---

This metadata is designed to enable seamless integration across a broad range of services:

References: cross-references to other acts in this corpus are resolved internally (file-to-file links). References to acts not present in the corpus are redirected to the Normattiva platform.

---

Use cases

---

Quick start

git clone https://github.com/ahmeabd/italia-corpus.git
cd italia-corpus

Index with LangChain:

from langchain_community.document_loaders import DirectoryLoader, UnstructuredMarkdownLoader

loader = DirectoryLoader(
    "italia-corpus/",
    glob="**/*.md",
    loader_cls=UnstructuredMarkdownLoader
)
docs = loader.load()

---

Updates

The corpus is updated automatically whenever Normattiva publishes changes, with daily checks.

Each legislative difference corresponds to a git commit — meaning you can track the evolution of Italian law using standard git tools:

git log --oneline          # see all legislative updates
git blame <file>.md        # see when each line was last changed
git diff HEAD~1            # inspect the latest normative diff

---

Technical details

---

Contributing

Found a parsing error, a missing file, or have ideas to improve the project? See CONTRIBUTING.md for guidelines.

---

Legal notice

Italian legislative texts are public acts of the State and may be freely reproduced under Article 5 of the Copyright Act (Law 633/1941).

This repository is not affiliated with or sponsored by Normattiva or the Italian government.

[!WARNING] Texts are provided without warranty of completeness or real-time currency. For legal or professional use, always refer to the Gazzetta Ufficiale.

---

Author

Built by ahmeabd. If this project helps you, leave a star ⭐ — it helps more developers find it.

---

Because the law belongs to everyone. Finally its data does too.

---

---

Italiano

Cos'è questo progetto

Italia Corpus Legale è un dataset pubblico che raccoglie l'intera legislazione italiana pubblicata su Normattiva e la distribuisce in formato Markdown — pronto per essere consumato da modelli di linguaggio, pipeline RAG, ricercatori e chiunque abbia bisogno di testo legale strutturato e machine-readable.

Ogni norma è un file. Ogni aggiornamento normativo è un commit.

---

Perché esiste

La legislazione italiana è tecnicamente pubblica, ma nella pratica è inaccessibile:

---

Come viene generato

Il corpus è prodotto da uno script Python open source disponibile su github.com/ahmeabd/italia-corpus-script, che esegue la seguente pipeline:

flowchart TD
    A[API pubbliche di Normattiva] --> B[Download delle collezioni]
    B --> C[Elaborazione e generazione Markdown\ncon frontmatter YAML]
    C --> D[Risoluzione dei riferimenti\ninterni → link a file · esterni → Normattiva]
    D --> E[Commit delle modifiche]
    E --> F[Pubblicazione su GitHub]

Ogni esecuzione produce solo i diff reali — se una collezione non è cambiata, nessun commit viene generato.

---

Formato dei file e frontmatter

Ogni file del corpus inizia con un blocco YAML frontmatter contenente metadati strutturati:

---
tipo: DECRETO-LEGGE
numero: 216
data: 1993-07-06
titolo: "Adempimenti finanziari per l'attuazione del regolamento CEE n. 880/92 sul marchio di qualita' ecologica - Ecolabel."
urn: urn:nir:stato:decreto.legge:1993-07-06;216
codice_redazionale: 093G0287
vigente: true
---

Questi metadati sono progettati per consentire un'integrazione diretta in una vasta gamma di servizi:

Riferimenti: i riferimenti incrociati ad altri atti presenti nel corpus vengono risolti internamente (link file-to-file). I riferimenti ad atti non presenti nel corpus vengono reindirizzati alla piattaforma Normattiva.

---

Casi d'uso

---

Utilizzo rapido

git clone https://github.com/ahmeabd/italia-corpus.git
cd italia-corpus

Indicizza con LangChain:

from langchain_community.document_loaders import DirectoryLoader, UnstructuredMarkdownLoader

loader = DirectoryLoader(
    "italia-corpus/",
    glob="**/*.md",
    loader_cls=UnstructuredMarkdownLoader
)
docs = loader.load()

---

Aggiornamenti

Il corpus viene aggiornato automaticamente ogni volta che Normattiva pubblica modifiche, con controlli giornalieri.

Ogni differenza normativa corrisponde a un commit git — il che significa che puoi seguire l'evoluzione della legislazione italiana con i normali strumenti git:

git log --oneline          # visualizza tutti gli aggiornamenti normativi
git blame <file>.md        # vedi quando ogni riga è stata modificata l'ultima volta
git diff HEAD~1            # analizza l'ultimo diff normativo

---

Dati tecnici

---

Contribuire

Hai trovato un errore nel parsing, un file mancante o hai idee su come migliorare il progetto? Consulta il file CONTRIBUTING.md per le linee guida.

---

Note legali

I testi normativi italiani sono atti pubblici dello Stato e come tali liberamente riproducibili ai sensi dell'art. 5 della Legge sul diritto d'autore (L. 633/1941).

Questa repository non è affiliata né sponsorizzata da Normattiva o dal Governo italiano.

[!WARNING] I testi sono forniti senza garanzia di completezza o aggiornamento in tempo reale. Per uso legale o professionale fare sempre riferimento alla Gazzetta Ufficiale.

---

Autore

Realizzato da ahmeabd. Se questo progetto ti è utile, lascia una stella ⭐ — aiuta il progetto a raggiungere più sviluppatori.

---

Perché la legge è di tutti. Finalmente anche il suo dato.