Zwykłe, komputerowe sparsowane listy popularnych imion?

Question

Potrzebuję listy popularnych imion dla ludzi, takich jak "Bill", "Gordon", "Jane" itp. Czy jest jakaś darmowa lista mnóstwa znanych imion, zamiast mnie je wpisywać? Coś, co mogę łatwo analizować za pomocą programu, aby na przykład wypełnić tablicę?

ja nie martwię:

• wiedząc, czy dana nazwa jest męski lub kobiecy (lub oba)
• Jeśli zestaw danych musi cały stos fałszywych alarmów
• Jeśli są nazwy, które nie są na nim, oczywiście żaden zestaw danych nie będzie kompletny.
• Jeśli istnieją "duplikaty", tj. Nie interesuje mnie, czy w zestawie danych jako "różne" są "Bill" i "William" oraz "Billy". Wolałbym mieć więcej danych niż mniej
• Nie dbam o znając popularność nazwę

wiem Wikipedia ma list of most popular given names, ale to wszystko na stronie HTML i manged się z okropnym składni wiki . Czy istnieje lepszy sposób na uzyskanie takich przykładowych danych bez konieczności przeglądania scrape wikipedii?

Answer 1

• A CSV z General Register Office of Scotland ze wszystkie imiona zarejestrowanych tam w 2007 roku

• Another large set of first names w formacie CSV i SQL formacie zbyt (ale nie powiedzieć, który DB wyrzucił SQL).

• GitHub page z najlepszych 1000 nazwiska dziecka od 1880 do 2009 roku, już analizowany w pliku CSV dla was od Social Security Administration.

• CSV of baby names and meanings ze strony Princeton CS.

To powinno wystarczyć, aby zacząć, tak mi się wydaje.

Answer 2

Możesz łatwo korzystać z Wikipedii API (http://en.wikipedia.org/w/api.php), aby pobrać listę stron w określonej kategorii, wygląda jak Kategoria: Podane nazwy to coś, od czego chcesz zacząć.

http://en.wikipedia.org/w/api.php?action=query&list=categorymembers&cmnamespace=0&cmlimit=500&cmtitle=Category:Given_names 

Część wyniku z tego adresu URL wygląda następująco:

<cm pageid="5797824" ns="0" title="Abdou" /> 
    <cm pageid="5797863" ns="0" title="Abdu" /> 
    <cm pageid="859035" ns="0" title="Abdul Aziz" /> 
    <cm pageid="6504818" ns="0" title="Abdul Qadir" /> 

Spójrz na czynnych i wybrać odpowiednie parametry formatu i zapytań oraz sprawdzić kategorię.

P.S. BTW, tekst wiki ze strony, którą łączyłeś, aby zawierał nazwy w formie, która jest łatwa do wyodrębnienia za pomocą wyrażeń regularnych ... Oprócz tytułów linków na renderowanej stronie HTML, "(nazwa)" jest dołączone do samej nazwy .

Answer 3

Social Security Administration - Beyond the Top 1000 Names Data Files

Powyższe jest to wyczerpująca lista imion używanych w USA. Pliki zip zawierają dane krajowe i stan na rok urodzenia w formacie CSV. Obejmuje liczbę zdarzeń (minimum 5) i płeć.Na przykład plik krajowy z 2010 r. Zawiera 33 838 nazwisk dla niemowląt.