利用Python爬蟲為孩子取個好名字
- 高洛峰原創
- 2017-02-20 10:13:241619瀏覽
前言
相信每位家長都有所體會，因為要在孩子出生後兩週內取個名字（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，後來才發現真不是隨便的事情，怎麼想都發現不合適，於是到處翻字典、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，這樣就陷入了重複尋找和否定的循環，越來越混亂。
於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，看的眼花撩亂沒法使用。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、要么這些網站或是APP自身的名字很少、要嘛無法滿足我們的需求比如限定字、要嘛就開始收費，到最後也找不到一個好用的。
於是我想做這麼一個程式：
主要的功能，是給批次名字提供參考，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，例如網路上發現了一批詩經裡的好名字，想看看怎麼樣，加入進去就能用；
可以限定名字的使用字，例如有的家譜有限定，目前是「國」字輩，名字中必須有「國」字；
名字清單可以給予評分，這樣倒排後就可以從高分往低分來看名字；
透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，並且該列表已經給出了分數用於參考，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加到詞庫裡面，重新計算。
程式的程式碼結構
程式碼介紹：
/chinese-name-score 程式碼根目錄
/chinese-name-score/main 程式碼目錄
/chinese-name- score/main/dicts 字典檔案目錄
/chinese-name-score/main/dicts/names_boys_double.txt 字典文件，男孩的雙字名字
/chinese-name-score/main/dicts/names_boys_single.txt 字典文件，男孩的單字名稱
/chinese-name-score/main/dicts/names_girls_single. txt 字典文件，女孩的雙字名字
/chinese-name-score/main/dicts/names_grils_double.txt 字典文件，女孩的單字名字
/chinese-name-score/main/outputs 輸出資料目錄
-
/chinese-name-score/main/outputs/names_girls_source_wxy.txt 輸出的範例檔案
/chinese-name-score/main/scripts 一些對字典檔案做預處理的腳本
/chinese-name-score/main/scripts /unique_file_lines.py 設定字典文件，對字典中的名字去重和去空白行
/chinese-name-score/main/sys_config.py 程式的系統配置，包含爬取得目標URL、字典檔案路徑
/chinese-name-score/main/user_config.py 程式的使用者配置，包括寶寶的年月日時分性別等設定
/chinese-name-score/main/get_name_score.py 程式的運行入口
使用程式碼的方法：
如果沒有限定字，就找到字典文件names_boys_double.txt和names_grils_double.txt，可以在這裡添加自己找到的一些名字列表，按行分割添加在最後即可；
如果有限定字，就找到字典文件names_boys_single.txt和names_girls_single.txt，在這裡添加自己預先中意的單字列表，按行分割添加在最後即可；
開啟user_config.py，進行配置，配置項目見下一節；
運行腳本get_name_score.py
在outputs目錄中，檢視自己的產出文件，可以複製到Excel，進行排序等操作；
程式的設定入口
程式的配置如下：
# 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"
根據配置項setting[“limit_world”] ，系統自動來決定選用單字字典還是多字字典：
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；
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://www.php.cn/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("p", 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
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；
目前程序只能抓取一个网站的内容，地址是http://life.httpcn.com/xingming.asp
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；
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；
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；
更多利用Python爬蟲為孩子取個好名字相关文章请关注PHP中文网！