Este corpus é constituído de mais de 45 milhões de palavras que vêm de pouco menos de 57,000 textos. Tem 20 milhões de palavras do século XX, 10 milhões do século XIX, e 15 milhões de palavras dos séculos XIII-XVIII. No século XX, o corpus contém seis milhões de palavras de ficção, seis milhões de jornais e revistas, seis milhões de textos acadêmicos, e dois milhões de textos orais. Para cada um destes quatro gêneros e, portanto, na sua totalidade, os textos do século XX estão igualmente divididos entre textos de Portugal e do Brasil.

Devido a questões de direitos autorais, os textos integrais contidos no corpus não estão disponíveis para baixar sob circunstância nenhuma. Todo e qualquer acesso aos textos deve ser feito através da interface de rede. Pode-se, no entanto, baixar uma planilha Excel que contém uma listagem dos quase 57,000 textos com a soma do número de palavras por século, gênero e dialeto deste corpus de mais de 45 milhões de palavras (formato Excel).