怎样借助Python爬虫给宝宝起个好名字

by LauCyun Jun 19,2017 19:39:24 32,216 views

每个人一生中都会遇到一件事情,在事情出现之前不会关心,但是事情一旦来临就发现它极其重要,并且需要在很短的时间内做出重大决定,那就是给自己的新生宝宝起个名字。

因为必须在孩子出生一个月内起个名字办理《出生医学证明》,估计很多人都像我一样,刚开始是很慌乱。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。

于是我们再次回到网上各种搜索,找到很多“男宝宝好听的名字大全”之类的文章,然而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。

也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。

于是我想写这么一个程序:

  • 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;
  • 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;
  • 可以限定名字的使用字,比如有的家族谱有限定,当前是“嘉”字辈,名字中必须有“嘉”字;
  • 名字列表给出评分,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。

 

1 程序概述

程序代码结构如下:

F:.
└─baby-name  # 代码根目录
    │  README.md  # README
    │
    └─main   # 代码目录
        │  generate.py  # 主程序及程序入口
        │  __init__.py
        │
        ├─config  # 配置文件目录
        │      sys_config.py   # 程序的系统配置,包含爬取得目标URL、词典文件路径
        │      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
        │      __init__.py
        │
        ├─dicts   # 词典文件目录
        │      boys_double.txt   # 词典文件,男孩的多字名字
        │      boys_single.txt   # 词典文件,男孩的单字名字
        │      girls_double.txt  # 词典文件,女孩的多字名字
        │      girls_single.txt  # 词典文件,女孩的单字名字
        │
        ├─outputs # 输出数据目录
        │      example.txt         # 输出的示例文件,内容没有排序
        │      example.txt.sorted  # 输出的示例文件,内容排好了序
        │
        └─scripts # 词典文件预处理脚本
                filter.py
                test.py
                unique_file_lines.py  # 设定词典文件,对词典中的名字去重和去空白行
                __init__.py

使用方法:

  • 如果没有限定字,程序就会使用*_double.txt的词典文件;如果有限定字,程序就会使用*_single.txt的词典文件。您也可以在相应的字典文件里添加词,按行分割添加在最后即可。
  • 打开user_config.py配置文件,配置宝宝的信息。
  • 运行脚本generate.py
  • 运行完成后,在outputs目录中查看结果。

 

2 如何配置

程序的配置如下:

#!/usr/bin/env python
# -*- coding: GB18030 -*-

import os

ROOT_PATH = os.path.join(os.path.dirname(__file__), os.pardir)

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"] = "嘉"
# 姓
setting["name_prefix"] = "刘"
# 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'] = "6"
# 出生的公历日子
setting['day'] = "18"
# 出生的公历小时
setting['hour'] = "18"
# 出生的公历分钟
setting['minute'] = "18"
# 结果产出文件名称
setting['output_fname'] = "example.txt"
setting['output_fpath'] = os.path.abspath(os.path.join(ROOT_PATH, "outputs", setting['output_fname']))

程序根据配置项setting["limit_world"]自动来决定选用单字词典还是多字词典:

  • 如果设置了该项,则程序会组合所有的单字为名字用于计算。比如:设置为“嘉”字,那么嘉滨、嘉濠两个名字都会计算;
  • 如果不设置该项(空字符串),则程序只会读取*_double.txt的双字词典

 

3 程序原理

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,然后点击提交,就会打开一个结果页面,结果页面的最下方包含了八字评分和五格评分等信息。

如果想得到分数,就需要做两件事情:

  • 利用爬虫自动提交表单,获取结果页面;
  • 从结果页面提取分数;

对于第一件事情,很easy,用urllib2即可实现:

# baby-name/main/generate.py, line 94-96

post_data = urllib.urlencode(params)
req = urllib2.urlopen(sys_config.REQUEST_URL, post_data)
content = req.read()

这里的params是个dictionary类型的参数。

params的参数设定如下:

# baby-name/main/generate.py, line 71-92

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"

使用这种方法,就可以提交POST表单,然后从content得到了结果数据。

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:

# baby-name/main/generate.py, line 98-109

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。

 

4 程序运行

运行程序后,输出如下:

$ python baby-name/main/generate.py
开始起名................................
1/1287 刘棋嘉	八字评分=90	五格评分=84.8	总分=174.8
2/1287 刘万嘉	八字评分=63	五格评分=73.5	总分=136.5
3/1287 刘嘉荐	八字评分=89	五格评分=86.7	总分=175.7
4/1287 刘嘉飞	八字评分=61	五格评分=81.8	总分=142.8
5/1287 刘崖嘉	八字评分=70	五格评分=75.7	总分=145.7
6/1287 刘嘉纪	八字评分=89	五格评分=81.8	总分=170.8
7/1287 刘嘉菲	八字评分=91	五格评分=74.8	总分=165.8
8/1287 刘嘉纺	八字评分=61	五格评分=86.8	总分=147.8
9/1287 刘早嘉	八字评分=61	五格评分=83.4	总分=144.4
10/1287 刘嘉潘	八字评分=60	五格评分=83.2	总分=143.2
...
1285/1287 刘荧嘉	八字评分=98	五格评分=74.8	总分=172.8
1286/1287 刘炎嘉	八字评分=97.5	五格评分=89.2	总分=186.7
1287/1287 刘嘉宜	八字评分=88.5	五格评分=83.0	总分=171.5
起名完成................................

mian/outputs目录中有两个文件,分别是example.txt.sorted(已排序)、example.txt(没有排序)。

这些分数对于取名还是一个很实用的参考。

 

5 总结

  • 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好;
  • 结果仅供参考,其实历史上很多名人、伟人的姓名八字评分都非常低,但是都建功立业。所以名字确实会有些影响,但有时候朗朗上口就是最好的;
  • 从结果中选取名字之后,可以在百度、微博等地方查查,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;

本文代码已上传到Github:https://github.com/laucyun/baby-name

(全文完)

Tags