(flertall corpora) eller tekst Corpus Christi er et stort og strukturert sett med tekster (nå vanligvis elektronisk lagret og behandlet). De er vant til å gjøre statistisk analyse, sjekke forekomster eller validering av språklige regler på bestemte universet. A corpus kan inneholde tekster på ett språk (enspråklige corpus) eller tekstdata på flere språk (multilingual corpus). Flerspråklig corpora som er spesielt formatert for side-ved-side-sammenligning kalles justert parallelle corpora. For å gjøre corpora mer nyttig for å gjøre språklige forskning, de ofte utsatt for en prosess kjent som merknad. Et eksempel på å kommentere et korpus er en del av-tale-merking, eller POS-kode, i hvilken informasjon om hvert ord ordklasse (verb, substantiv, adjektiv, etc.) er lagt til corpus i form av merkelapper. Et annet eksempel er som indikerer lemma (base) form av hvert ord. Når språket av corpus ikke er arbeidsspråk av forskerne som bruker den, interlinear glossing brukes til å lage merknaden tospråklig. Corpora er den viktigste kunnskapsbasen i korpuslingvistikk. Analyse og behandling av ulike typer corpora er også gjenstand for mye arbeid i datalingvistikk, talegjenkjenning og maskinoversettelse, der de er ofte brukt til å opprette skjulte Markov-modeller for POS-merking og andre formål. Tekst corpora brukes også i studiet av historiske dokumenter, for eksempel i forsøk på å tyde gamle manuskripter, eller i bibelsk stipend.