(pluralis corpora) eller texten corpus är en stor och strukturerad uppsättning texter (nu vanligtvis elektroniskt lagras och bearbetas). Används för att utföra statistisk analys, kontrollera förekomster eller validera språkliga regler för specifika universum. En corpus kan innehålla texter i ett enda språk (enspråkiga corpus) eller text-data på flera språk (flerspråkig corpus). Flerspråkiga corpora har speciellt formaterats för side-by-side jämförelse kallas justerade parallellt corpora. För att göra corpora mer användbara för att göra språkforskning, de ofta utsätts för en process som kallas anteckning. Ett exempel på kommentera en corpus är Taggning del av tal, eller POS-taggning, i vilken information om varje ord ordklasser (verb, substantiv, adjektiv, etc.) skall läggas till i corpus i form av taggar. Ett annat exempel som visar lemma (bas) form av varje ord. Interlinear släta används när språket till texterna inte är ett arbetsspråk som används av de forskare som använder det, att göra anteckningen tvåspråkiga. Corpora är den viktigaste kunskapsbasen i corpus linguistics. För analys och behandling av olika typer av corpora är också föremål för mycket arbete i computational linguistics, taligenkänning och maskinöversättning, där de ofta används för att skapa dolda Markov modeller för POS-taggar och andra syften. Text corpora används också i studiet av historiska dokument, till exempel i försök att dechiffrera antika skript eller i bibliska stipendium.