利用Python爬虫给孩子起个好名字

前言

相信每位家长都有所体会，因为要在孩子出生后两周内起个名字（需要办理出生证明了），估计很多人都像我一样，刚开始是很慌乱的，虽然感觉汉字非常的多随便找个字做名字都行，后来才发现真不是随便的事情，怎么想都发现不合适，于是到处翻词典、网上搜、翻唐诗宋词、诗经、甚至武侠小说，然而想了很久得到的名字，往往却受到家属的意见和反对，比如不顺口、和亲戚重名重音等问题，这样就陷入了重复寻找和否定的循环，越来越混乱。

于是我们再次回到网上各种搜索，找到很多网上给出的“男宝宝好听的名字大全”之类的文章，这些文章一下子给出几百上千个名字，看的眼花缭乱没法使用。而有不少的测名字的网站或者APP，输入名字能给出八字或者五格的评分，这样的功能感觉还挺好的能给个参考，然而要么我们需要一个个名字的输入进行测试、要么这些网站或者APP自身的名字很少、要么不能满足我们的需求比如限定字、要么就开始收费，到最后也找不到一个好用的。

于是我想做这么一个程序：

1. 主要的功能，是给出批量名字提供参考，这些名字是结合宝宝的生辰八字算出来的；

2. 自己可以扩充名字库，比如网上发现了一批诗经里的好名字，想看看怎么样，添加进去就能用；

3. 可以限定名字的使用字，比如有的家族谱有限定，当前是“国”字辈，名字中必须有“国”字；

4. 名字列表可以给出评分，这样倒排后就可以从高分往低分来看名字；
   

通过这种方式可以得到一份符合自己孩子生辰八字、自己的家谱限制、以及自己喜好的名字列表，并且该列表已经给出了分数用于参考，以此为基准我们可以挨个琢磨找出心仪的名字。当然如果有新的想法，随时可以把新的名字添加到词库里面，进行重新计算。

程序的代码结构

代码介绍：

• /chinese-name-score 代码根目录

• /chinese-name-score/main 代码目录

• /chinese-name-score/main/dicts 词典文件目录

• /chinese-name-score/main/dicts/names_boys_double.txt 词典文件，男孩的双字名字

• /chinese-name-score/main/dicts/names_boys_single.txt 词典文件，男孩的单字名字

• /chinese-name-score/main/dicts/names_girls_single.txt 词典文件，女孩的双字名字

• /chinese-name-score/main/dicts/names_grils_double.txt 词典文件，女孩的单字名字

• /chinese-name-score/main/outputs 输出数据目录

• /chinese-name-score/main/outputs/names_girls_source_wxy.txt 输出的示例文件

• /chinese-name-score/main/scripts 一些对词典文件做预处理的脚本

• /chinese-name-score/main/scripts/unique_file_lines.py 设定词典文件，对词典中的名字去重和去空白行

• /chinese-name-score/main/sys_config.py 程序的系统配置，包含爬取得目标URL、词典文件路径

• /chinese-name-score/main/user_config.py 程序的用户配置，包括宝宝的年月日时分性别等设定

• /chinese-name-score/main/get_name_score.py 程序的运行入口
  

使用代码的方法：

1. 如果没有限定字，就找到词典文件names_boys_double.txt和names_grils_double.txt，可以在这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；

2. 如果有限定字，就找到词典文件names_boys_single.txt和names_girls_single.txt，在这里添加自己预先中意的单个字列表，按行分割添加在最后即可；

3. 打开user_config.py，进行配置，配置项见下一节；

4. 运行脚本get_name_score.py

5. 在outputs目录中，查看自己的产出文件，可以复制到Excel，进行排序等操作；
   

程序的配置入口

程序的配置如下：

# coding:GB18030

"""
在这里写好配置
"""

setting = {}

# 限定字，如果配置了该值，则会取用单字字典，否则取用多字字典
setting["limit_world"] = "国"
# 姓
setting["name_prefix"] = "李"
# 性别，取值为 男 或者 女
setting["sex"] = "男"
# 省份
setting["area_province"] = "北京"
# 城市
setting["area_region"] = "海淀"
# 出生的公历年份
setting['year'] = "2017"
# 出生的公历月份
setting['month'] = "1"
# 出生的公历日子
setting['day'] = "11"
# 出生的公历小时
setting['hour'] = "11"
# 出生的公历分钟
setting['minute'] = "11"
# 结果产出文件名称
setting['output_fname'] = "names_girls_source_xxx.txt"

根据配置项setting[“limit_world”] ，系统自动来决定选用单字词典还是多字词典：

1. 如果设置了该项，比如等于“国”，那么程序会组合所有的单字为名字用于计算，比如国浩和浩国两个名字都会计算；

2. 如果不设置该项，保持空字符串，则程序只会读取*_double.txt的双字词典
   

程序的原理

这是一个简单的爬虫。大家可以打开http://life.httpcn.com/xingming.asp网站查看，这是一个POST表单，填写需要的参数，点提交，就会打开一个结果页面，结果页面的最下方包含了八字分数和五格分数。

如果想得到分数，就需要做两件事情，一是爬虫自动提交表单，获取结果页面；二是从结果页面提取分数；

对于第一件事情，很简单，urllib2即可实现（代码在/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()

这里的params是个参数dict，使用这种方式，就进行了POST带数据的提交，然后从content得到了结果数据。

params的参数设定如下：

params = {}

# 日期类型，0表示公历，1表示农历
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表示自动分析，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，就是从网页中提取需要的分数，我们可以使用BeautifulSoup4来实现，其语法也很简单：

soup = BeautifulSoup(content, 'html.parser', from_encoding="GB18030")
full_name = get_full_name(name_postfix)

# print soup.find(string=re.compile(u"姓名五格评分"))
for node in soup.find_all("div", class_="chaxun_b"):
 node_cont = node.get_text()
 if u'姓名五格评分' in node_cont:
  name_wuge = node.find(string=re.compile(u"姓名五格评分"))
  result_data['wuge_score'] = name_wuge.next_sibling.b.get_text()

if u'姓名八字评分' in node_cont:
  name_wuge = node.find(string=re.compile(u"姓名八字评分"))
  result_data['bazi_score'] = name_wuge.next_sibling.b.get_text()

通过该方法，就能对HTML解析，提取八字和五格的分数。

运行结果事例

1/1287 李国锦 姓名八字评分=61.5 姓名五格评分=78.6 总分=140.1
2/1287 李国铁 姓名八字评分=61 姓名五格评分=89.7 总分=150.7
3/1287 李国晶 姓名八字评分=21 姓名五格评分=81.6 总分=102.6
4/1287 李鸣国 姓名八字评分=21 姓名五格评分=90.3 总分=111.3
5/1287 李柔国 姓名八字评分=64 姓名五格评分=78.3 总分=142.3
6/1287 李国经 姓名八字评分=21 姓名五格评分=89.8 总分=110.8
7/1287 李国蒂 姓名八字评分=22 姓名五格评分=87.2 总分=109.2
8/1287 李国登 姓名八字评分=21 姓名五格评分=81.6 总分=102.6
9/1287 李略国 姓名八字评分=21 姓名五格评分=83.7 总分=104.7
10/1287 李国添 姓名八字评分=21 姓名五格评分=81.6 总分=102.6
11/1287 李国天 姓名八字评分=22 姓名五格评分=83.7 总分=105.7
12/1287 李国田 姓名八字评分=22 姓名五格评分=93.7 总分=115.7

有了这些分数，我们就可以进行排序，是一个很实用的参考资料。

友情提示

1. 分数跟很多因素有关，比如出生时刻、已经限定的字、限定字的笔画等因素，这些条件决定了有些名字不会分数高，不要受此影响，找出相对分数高的就可以了；

2. 目前程序只能抓取一个网站的内容，地址是http://life.httpcn.com/xingming.asp

3. 本列表仅供参考，看过一些文章，历史上很多名人伟人，姓名八字评分都非常低但是都建功立业，名字确实会有些影响但有时候朗朗上口就是最好的；

4. 从本列表中选取名字之后，可以在百度、人人网等地方查查，以防有些负面的人重名、或者起这个名字的人太多了烂大街；

5. 八字分数是中国传承，五格分数是日本人近代发明的，有时候也可以试试西方的星座起名法，并且奇怪的是八字和五个分数不同网站打分相差很大，更说明了这东西只供参考；

本文的代码已上传到github 

来源：http://www.crazyant.net/2076.html