(jamak corpora) atau teks adalah sekumpulan besar dan terstruktur teks (sekarang biasanya elektronik disimpan dan diproses). Mereka digunakan untuk melakukan analisis statistik, memeriksa kejadian atau memvalidasi aturan-aturan linguistik pada alam semesta tertentu. Korpus mungkin berisi teks-teks dalam satu bahasa (bahasa corpus) atau data teks dalam berbagai bahasa (multibahasa corpus). Corpora multibahasa yang telah diformat khusus untuk sisi-by-side perbandingan disebut corpora paralel selaras. Untuk membuat corpora lebih berguna untuk melakukan penelitian linguistik, mereka sering mengalami proses yang dikenal sebagai anotasi. Contoh annotating korpus bagian-dari pidato-penandaan, atau penandaan POS, di mana informasi tentang setiap kata bagian dari pidato (kata kerja, kata benda, kata sifat, dll) ditambahkan ke corpus dalam bentuk tag. Contoh lain menunjukkan bentuk lemma (base) dari setiap kata. Ketika bahasa corpus tidak bahasa kerja dari para peneliti yang menggunakannya, interlinear glossing digunakan untuk membuat anotasi dwibahasa. Corpora adalah basis pengetahuan utama dalam corpus linguistik. Analisis dan pengolahan berbagai jenis corpora adalah juga subjek dari banyak pekerjaan dalam linguistik komputasional, pidato pengakuan dan mesin penerjemahan, di mana mereka sering digunakan untuk membuat Model Markov tersembunyi untuk penandaan POS dan keperluan lainnya. Corpora teks juga digunakan dalam studi dokumen sejarah, misalnya dalam upaya untuk memecahkan kuno skrip atau beasiswa alkitabiah.