soc-ratchakitcha

Error code:   FeaturesError
Exception:    ArrowInvalid
Message:      Schema at index 1 was different: 
last_updated_pipeline: string
latest_file_source: string
latest_record: struct<no: int64, doctitle: string, bookNo: string, section: string, category: string, publishDate: timestamp[s], pageNo: string, id: string, pdf_file: string>
vs
no: string
doctitle: string
bookNo: string
section: string
category: string
publishDate: timestamp[s]
pageNo: string
pdf_file: string
Traceback:    Traceback (most recent call last):
                File "/src/services/worker/src/worker/job_runners/split/first_rows.py", line 243, in compute_first_rows_from_streaming_response
                  iterable_dataset = iterable_dataset._resolve_features()
                                     ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
                File "/usr/local/lib/python3.12/site-packages/datasets/iterable_dataset.py", line 3496, in _resolve_features
                  features = _infer_features_from_batch(self.with_format(None)._head())
                                                        ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
                File "/usr/local/lib/python3.12/site-packages/datasets/iterable_dataset.py", line 2257, in _head
                  return next(iter(self.iter(batch_size=n)))
                         ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
                File "/usr/local/lib/python3.12/site-packages/datasets/iterable_dataset.py", line 2461, in iter
                  for key, example in iterator:
                                      ^^^^^^^^
                File "/usr/local/lib/python3.12/site-packages/datasets/iterable_dataset.py", line 1952, in __iter__
                  for key, pa_table in self._iter_arrow():
                                       ^^^^^^^^^^^^^^^^^^
                File "/usr/local/lib/python3.12/site-packages/datasets/iterable_dataset.py", line 1974, in _iter_arrow
                  yield from self.ex_iterable._iter_arrow()
                File "/usr/local/lib/python3.12/site-packages/datasets/iterable_dataset.py", line 547, in _iter_arrow
                  yield new_key, pa.Table.from_batches(chunks_buffer)
                                 ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
                File "pyarrow/table.pxi", line 5039, in pyarrow.lib.Table.from_batches
                File "pyarrow/error.pxi", line 155, in pyarrow.lib.pyarrow_internal_check_status
                File "pyarrow/error.pxi", line 92, in pyarrow.lib.check_status
              pyarrow.lib.ArrowInvalid: Schema at index 1 was different: 
              last_updated_pipeline: string
              latest_file_source: string
              latest_record: struct<no: int64, doctitle: string, bookNo: string, section: string, category: string, publishDate: timestamp[s], pageNo: string, id: string, pdf_file: string>
              vs
              no: string
              doctitle: string
              bookNo: string
              section: string
              category: string
              publishDate: timestamp[s]
              pageNo: string
              pdf_file: string

Need help to make the dataset viewer work? Make sure to review how to configure the dataset viewer, and open a discussion for direct support.

Royal Gazette Thailand (Ratchakitcha) Dataset

ชุดข้อมูลราชกิจจานุเบกษา (แบบ Machine Readable)

โครงการ Open Law Data Thailand ร่วมกับคณะกรรมาธิการการพาณิชย์และการอุตสาหกรรม วุฒิสภา ได้รับความอนุเคราะห์ข้อมูลจาก สำนักเลขาธิการคณะรัฐมนตรี (สลค.) เพื่อเผยแพร่ข้อมูลกฎหมายไทยสู่สาธารณะในรูปแบบที่ประมวลผลได้ด้วยคอมพิวเตอร์ (Machine Readable) เพื่อส่งเสริมนวัตกรรม Legal Tech และ AI ของประเทศไทย

Dataset Description

ชุดข้อมูลนี้รวบรวมรายการประกาศในราชกิจจานุเบกษา ประกอบด้วยชื่อเรื่อง เล่ม ตอน วันที่ประกาศ และลิงก์ไปยังต้นฉบับ PDF เหมาะสำหรับการทำ RAG (Retrieval-Augmented Generation), การสืบค้นกฎหมาย, และการวิเคราะห์ข้อมูลภาครัฐ

Source: สำนักเลขาธิการคณะรัฐมนตรี (The Secretariat of the Cabinet)
Official Collaboration Reference: หนังสือด่วนที่สุด ที่ นร ๐๕๐๓/๘๗๓๙ (29 ก.ค. 2568)
Homepage: Open Law Data Thailand

Usage Instruction

ท่านสามารถเลือกดาวน์โหลดข้อมูลได้หลายรูปแบบผ่าน Library datasets ของ Hugging Face โดยระบุชื่อ name ในพารามิเตอร์ (Config)

1. สำหรับงาน AI / NLP (แนะนำ) ⭐

หากต้องการข้อความ (Text) เพื่อนำไปเทรนโมเดล หรือทำ Search Engine ท่านสามารถเลือกโหลดข้อมูลแยกเป็น "รายทศวรรษ" (Decade Subsets) ได้ ซึ่งจะได้ทั้งไฟล์ OCR และ Metadata ควบคู่กัน

from datasets import load_dataset

# ตัวอย่าง: โหลดข้อมูลปี 2025 (พ.ศ. 2568)
# จะได้ทั้ง Text (OCR) และ Metadata
ds = load_dataset("open-law-data-thailand/soc-ratchakitcha", name="subset_2025")

print(ds['train'][0])

รายชื่อ Subset ที่รองรับ:

subset_2025, subset_2020s (ปัจจุบัน)
subset_2010s, subset_2000s, subset_1990s, ... จนถึง subset_1960s
subset_pre_1960 (ข้อมูลประวัติศาสตร์ก่อนปี 1960/2503)

2. สำหรับการวิเคราะห์ข้อมูล (Metadata Only)

หากต้องการวิเคราะห์สถิติ เช่น จำนวนกฎหมายในแต่ละปี หรือค้นหาชื่อเรื่อง โดยไม่ต้องการเนื้อหา Text

# โหลดเฉพาะ Metadata ทั้งหมด (ไฟล์เล็ก โหลดเร็ว)
ds_meta = load_dataset("open-law-data-thailand/soc-ratchakitcha", name="meta")

3. สำหรับการดึงไฟล์ต้นฉบับ (PDF)

ชุดข้อมูลนี้จัดเก็บไฟล์ PDF แบบ Hot/Cold Storage เพื่อประสิทธิภาพ:

pdf_recent: ไฟล์ PDF รายฉบับ เฉพาะ 3 เดือนล่าสุด (Hot Data)
pdf_archive: ไฟล์ PDF ย้อนหลังตั้งแต่ปี 1884 ที่ถูกบีบอัดเป็น ZIP รายเดือน (Cold Data)

# ตัวอย่าง: โหลด PDF ล่าสุด
ds_pdf = load_dataset("open-law-data-thailand/soc-ratchakitcha", name="pdf_recent")

4. เลือกปีเฉพาะ

หากต้องการโหลดเฉพาะปีหนึ่งๆ ท่านสามารถโหลด subset ทศวรรษแล้ว filter ตาม publishDate

from datasets import load_dataset

year = "2025"  # เลือกปีที่ต้องการ (เช่น "2025")

# เลือก subset ตามทศวรรษ
decade = str(int(year) // 10 * 10) + 's'
subset_name = f'subset_{decade}'

ds = load_dataset("open-law-data-thailand/soc-ratchakitcha", name=subset_name)

# filter ตามปี
ds_filtered = ds.filter(lambda x: x['publishDate'].startswith(year))

print(ds_filtered['train'][0])

หมายเหตุ: หากปีที่เลือกไม่อยู่ใน subset ที่มี (เช่น ปีก่อน 1960) ให้ใช้ subset_pre_1960 และปรับเงื่อนไข filter ตาม

5. อัปโหลดชุดข้อมูลไปยัง Hugging Face (ตัวเลือก)

หากต้องการอัปโหลด metadata ขึ้น Hugging Face ท่านสามารถใช้สคริปต์ upload_to_hf.py ที่เตรียมไว้

ขั้นตอนสั้น ๆ:

คัดลอกไฟล์ .env.template เป็น .env และแก้ค่า HF_TOKEN (อย่า commit .env)
ติดตั้ง dependencies: pip install datasets huggingface_hub python-dotenv
รัน: python upload_to_hf.py

หมายเหตุ: สคริปต์จะสร้าง dataset repo ตามค่า HF_USER และ HF_REPO ใน .env (ค่าเริ่มต้น: JonusNattapong/soc-ratchakitcha) และ push config subset_2025 (metadata ปี 2025)

Data Fields

Field Name	Description (TH)	Description (EN)
`no`	ลำดับที่เอกสาร	Document ID / Number
`doctitle`	ชื่อเรื่องหรือหัวข้อของเอกสาร	Title or topic of the document
`bookNo`	เล่มของราชกิจจานุเบกษา	Book number
`section`	ตอนของราชกิจจานุเบกษา	Section number
`category`	ประเภท (เช่น ก, ข, ง)	Category (e.g., A, B, D)
`publishDate`	วันที่ประกาศในราชกิจจานุเบกษา	Publication date
`pageNo`	หมายเลขหน้า	Page number
`pdf_file`	ชื่อไฟล์ PDF ต้นฉบับ	Filename of the source PDF

Legal & License

ข้อมูลนี้ได้รับการสนับสนุนจาก สำนักเลขาธิการคณะรัฐมนตรี ตามหนังสือตอบข้อหารือ "ด่วนที่สุด ที่ นร ๐๕๐๓/๘๗๓๙" ลงวันที่ 29 กรกฎาคม 2568 เพื่อประโยชน์สาธารณะและการพัฒนาเทคโนโลยีปัญญาประดิษฐ์ (AI)

Disclaimer: ข้อมูลนี้จัดทำขึ้นเพื่อความสะดวกในการเข้าถึงและวิเคราะห์ข้อมูลเท่านั้น การอ้างอิงทางกฎหมายอย่างเป็นทางการควรตรวจสอบกับต้นฉบับ PDF จากเว็บไซต์ ratchakitcha.soc.go.th โดยตรง

Contact

Project: Open Law Data Thailand
Website: https://www.openlawdatathailand.org/

Downloads last month: 640