利用Python爬蟲給孩子起個好名字

2019-11-25 16:21:23

字體：大中小

來源：轉載

供稿：網友

前言

相信每位家長都有所體會，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，到最后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，按行分割添加在最后即可；
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，按行分割添加在最后即可；
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：

# 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；

對于第一件事情，很簡單，urllib2即可實現（代碼在/chinese-name-score/main/get_name_score.py）：

 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：

 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：

 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

1/1287 李國錦 姓名八字評分=61.5 姓名五格評分=78.6 總分=140.12/1287 李國鐵 姓名八字評分=61 姓名五格評分=89.7 總分=150.73/1287 李國晶 姓名八字評分=21 姓名五格評分=81.6 總分=102.64/1287 李鳴國 姓名八字評分=21 姓名五格評分=90.3 總分=111.35/1287 李柔國 姓名八字評分=64 姓名五格評分=78.3 總分=142.36/1287 李國經 姓名八字評分=21 姓名五格評分=89.8 總分=110.87/1287 李國蒂 姓名八字評分=22 姓名五格評分=87.2 總分=109.28/1287 李國登 姓名八字評分=21 姓名五格評分=81.6 總分=102.69/1287 李略國 姓名八字評分=21 姓名五格評分=83.7 總分=104.710/1287 李國添 姓名八字評分=21 姓名五格評分=81.6 總分=102.611/1287 李國天 姓名八字評分=22 姓名五格評分=83.7 總分=105.712/1287 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