怎樣借助Python爬蟲給寶寶起個好名字
每個人一生中都會遇到一件事情，在事情出現之前不會關心，但是事情一旦來臨就發現它極其重要，并且需要在很短的時間內做出重大決定，那就是給自己的新生寶寶起個名字。因為要在孩子出生后兩周內起個名字（需要辦理出生證明了），估計很多人都像我一樣，剛開始是很慌亂的，雖然感覺漢字非常的多隨便找個字做名字都行，后來才發現真不是隨便的事情，怎么想都發現不合適，于是到處翻詞典、網上搜、翻唐詩宋詞、詩經、甚至武俠小說，然而想了很久得到的名字，往往卻受到家屬的意見和反對，比如不順口、和親戚重名重音等問題，這樣就陷入了重復尋找和否定的循環，越來越混亂。
每個人一生中都會遇到一件事情，在事情出現之前不會關心，但是事情一旦來臨就發現它極其重要，并且需要在很短的時間內做出重大決定，那就是給自己的新生寶寶起個名字。
因為要在孩子出生后兩周內起個名字（需要辦理出生證明了），估計很多人都像我一樣，剛開始是很慌亂的，雖然感覺漢字非常的多隨便找個字做名字都行，后來才發現真不是隨便的事情，怎么想都發現不合適，于是到處翻詞典、網上搜、翻唐詩宋詞、詩經、甚至武俠小說，然而想了很久得到的名字，往往卻受到家屬的意見和反對，比如不順口、和親戚重名重音等問題，這樣就陷入了重復尋找和否定的循環，越來越混亂。
于是我們再次回到網上各種搜索，找到很多網上給出的“男寶寶好聽的名字大全”之類的文章，這些文章一下子給出幾百上千個名字，看的眼花繚亂沒法使用。而有不少的測名字的網站或者APP，輸入名字能給出八字或者五格的評分，這樣的功能感覺還挺好的能給個參考，然而要么我們需要一個個名字的輸入進行測試、要么這些網站或者APP自身的名字很少、要么不能滿足我們的需求比如限定字、要么就開始收費，到***也找不到一個好用的。
于是我想做這么一個程序：
- 主要的功能，是給出批量名字提供參考，這些名字是結合寶寶的生辰八字算出來的；
- 自己可以擴充名字庫，比如網上發現了一批詩經里的好名字，想看看怎么樣，添加進去就能用；
- 可以限定名字的使用字，比如有的家族譜有限定，當前是“國”字輩，名字中必須有“國”字；
- 名字列表可以給出評分，這樣倒排后就可以從高分往低分來看名字；
通過這種方式可以得到一份符合自己孩子生辰八字、自己的家譜限制、以及自己喜好的名字列表，并且該列表已經給出了分數用于參考，以此為基準我們可以挨個琢磨找出心儀的名字。當然如果有新的想法，隨時可以把新的名字添加到詞庫里面，進行重新計算。
程序的代碼結構
代碼介紹：
- /chinese-name-score 代碼根目錄
- /chinese-name-score/main 代碼目錄
- /chinese-name-score/main/dicts 詞典文件目錄
- /chinese-name-score/main/dicts/names_boys_double.txt 詞典文件，男孩的雙字名字
- /chinese-name-score/main/dicts/names_boys_single.txt 詞典文件，男孩的單字名字
- /chinese-name-score/main/dicts/names_girls_single.txt 詞典文件，女孩的雙字名字
- /chinese-name-score/main/dicts/names_grils_double.txt 詞典文件，女孩的單字名字
- /chinese-name-score/main/outputs 輸出數據目錄
- /chinese-name-score/main/outputs/names_girls_source_wxy.txt 輸出的示例文件
- /chinese-name-score/main/scripts 一些對詞典文件做預處理的腳本
- /chinese-name-score/main/scripts/unique_file_lines.py 設定詞典文件，對詞典中的名字去重和去空白行
- /chinese-name-score/main/sys_config.py 程序的系統配置，包含爬取得目標URL、詞典文件路徑
- /chinese-name-score/main/user_config.py 程序的用戶配置，包括寶寶的年月日時分性別等設定
- /chinese-name-score/main/get_name_score.py 程序的運行入口
使用代碼的方法：
- 如果沒有限定字，就找到詞典文件names_boys_double.txt和names_grils_double.txt，可以在這里添加自己找到的一些名字列表，按行分割添加在***即可；
- 如果有限定字，就找到詞典文件names_boys_single.txt和names_girls_single.txt，在這里添加自己預先中意的單個字列表，按行分割添加在***即可；
- 打開user_config.py，進行配置，配置項見下一節；
- 運行腳本get_name_score.py
- 在outputs目錄中，查看自己的產出文件，可以復制到Excel，進行排序等操作；
程序的配置入口
程序的配置如下：
Python
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 |
# coding:GB18030 """ 在這里寫好配置 """ setting = {} # 限定字，如果配置了該值，則會取用單字字典，否則取用多字字典 setting["limit_world"] = "國" # 姓 setting["name_prefix"] = "李" # 性別，取值為 男 或者 女 setting["sex"] = "男" # 省份 setting["area_province"] = "北京" # 城市 setting["area_region"] = "海淀" # 出生的公歷年份 setting['year'] = "2017" # 出生的公歷月份 setting['month'] = "1" # 出生的公歷日子 setting['day'] = "11" # 出生的公歷小時 setting['hour'] = "11" # 出生的公歷分鐘 setting['minute'] = "11" # 結果產出文件名稱 setting['output_fname'] = "names_girls_source_xxx.txt" |
根據配置項setting[“limit_world”]，系統自動來決定選用單字詞典還是多字詞典：
- 如果設置了該項，比如等于“國”，那么程序會組合所有的單字為名字用于計算，比如國浩和浩國兩個名字都會計算；
- 如果不設置該項，保持空字符串，則程序只會讀取*_double.txt的雙字詞典
程序的原理
這是一個簡單的爬蟲。大家可以打開http://life.httpcn.com/xingming.asp網站查看，這是一個POST表單，填寫需要的參數，點提交，就會打開一個結果頁面，結果頁面的最下方包含了八字分數和五格分數。
如果想得到分數，就需要做兩件事情，一是爬蟲自動提交表單，獲取結果頁面；二是從結果頁面提取分數；
對于***件事情，很簡單，urllib2即可實現（代碼在/chinese-name-score/main/get_name_score.py）：
Python
| 1 2 3 |
post_data = urllib.urlencode(params) req = urllib2.urlopen(sys_config.REQUEST_URL, post_data) content = req.read() |
這里的params是個參數dict，使用這種方式，就進行了POST帶數據的提交，然后從content得到了結果數據。
params的參數設定如下：
Python
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 |
params = {} # 日期類型，0表示公歷，1表示農歷 params['data_type'] = "0" params['year'] = "%s" % str(user_config.setting["year"]) params['month'] = "%s" % str(user_config.setting["month"]) params['day'] = "%s" % str(user_config.setting["day"]) params['hour'] = "%s" % str(user_config.setting["hour"]) params['minute'] = "%s" % str(user_config.setting["minute"]) params['pid'] = "%s" % str(user_config.setting["area_province"]) params['cid'] = "%s" % str(user_config.setting["area_region"]) # 喜用五行，0表示自動分析，1表示自定喜用神 params['wxxy'] = "0" params['xing'] = "%s" % (user_config.setting["name_prefix"]) params['ming'] = name_postfix # 表示女，1表示男 if user_config.setting["sex"] == "男": params['sex'] = "1" else: params['sex'] = "0" params['act'] = "submit" params['isbz'] = "1" |
第二件事情，就是從網頁中提取需要的分數，我們可以使用BeautifulSoup4來實現，其語法也很簡單：
Python
| 1 2 3 4 5 6 7 8 9 10 11 12 13 |
soup = BeautifulSoup(content, 'html.parser', from_encoding="GB18030") full_name = get_full_name(name_postfix) # print soup.find(string=re.compile(u"姓名五格評分")) for node in soup.find_all("div", class_="chaxun_b"): node_cont = node.get_text() if u'姓名五格評分' in node_cont: name_wuge = node.find(string=re.compile(u"姓名五格評分")) result_data['wuge_score'] = name_wuge.next_sibling.b.get_text() if u'姓名八字評分' in node_cont: name_wuge = node.find(string=re.compile(u"姓名八字評分")) result_data['bazi_score'] = name_wuge.next_sibling.b.get_text() |
通過該方法，就能對HTML解析，提取八字和五格的分數。
運行結果事例
| 1 2 3 4 5 6 7 8 9 10 11 12 |
1/1287 李國錦 姓名八字評分=61.5 姓名五格評分=78.6 總分=140.1 2/1287 李國鐵 姓名八字評分=61 姓名五格評分=89.7 總分=150.7 3/1287 李國晶 姓名八字評分=21 姓名五格評分=81.6 總分=102.6 4/1287 李鳴國 姓名八字評分=21 姓名五格評分=90.3 總分=111.3 5/1287 李柔國 姓名八字評分=64 姓名五格評分=78.3 總分=142.3 6/1287 李國經 姓名八字評分=21 姓名五格評分=89.8 總分=110.8 7/1287 李國蒂 姓名八字評分=22 姓名五格評分=87.2 總分=109.2 8/1287 李國登 姓名八字評分=21 姓名五格評分=81.6 總分=102.6 9/1287 李略國 姓名八字評分=21 姓名五格評分=83.7 總分=104.7 10/1287 李國添 姓名八字評分=21 姓名五格評分=81.6 總分=102.6 11/1287 李國天 姓名八字評分=22 姓名五格評分=83.7 總分=105.7 12/1287 李國田 姓名八字評分=22 姓名五格評分=93.7 總分=115.7 |
有了這些分數，我們就可以進行排序，是一個很實用的參考資料。
友情提示
- 分數跟很多因素有關，比如出生時刻、已經限定的字、限定字的筆畫等因素，這些條件決定了有些名字不會分數高，不要受此影響，找出相對分數高的就可以了；
- 目前程序只能抓取一個網站的內容，地址是http://life.httpcn.com/xingming.asp
- 本列表僅供參考，看過一些文章，歷史上很多名人偉人，姓名八字評分都非常低但是都建功立業，名字確實會有些影響但有時候朗朗上口就是***的；
- 從本列表中選取名字之后，可以在百度、人人網等地方查查，以防有些負面的人重名、或者起這個名字的人太多了爛大街；
- 八字分數是中國傳承，五格分數是日本人近代發明的，有時候也可以試試西方的星座起名法，并且奇怪的是八字和五個分數不同網站打分相差很大，更說明了這東西只供參考；
本文的代碼已上傳到github：https://github.com/peiss/chinese-name-score
本文地址：http://www.crazyant.net/2076.html，轉載請注明來源。
