Plaine, ordinateur parseable les listes de la commune de prénoms?

J'ai besoin d'une liste de prénoms pour les gens, comme le "projet de Loi", "Gordon", "Jane", etc. Est-il une liste libre de beaucoup de noms connus, au lieu d'avoir à me taper? Quelque chose que je peux analyser facilement avec le programme à remplir un tableau par exemple?

Je ne suis pas inquiet au sujet de:

Savoir si un nom est masculin ou féminin (ou les deux)
Si le jeu de données a tout un tas de faux positifs
Si il y a des noms qui ne sont pas, évidemment, pas de dataset, comme ce sera complet.
Si il y a des "doublons", c'est à dire je ne m'inquiète pas si le jeu de données des listes de "Bill" et "William" et "Billy" comme des noms différents. Je préfère avoir plus de données que moins
Je ne se soucient pas de connaître la popularité du nom

Je sais Wikipedia a un liste des prénoms les plus populaires, mais c'est tout dans la page HTML, et a réussi avec horrible syntaxe wiki. Est-il un meilleur moyen d'obtenir des données de l'échantillon, comme cela, sans avoir à écran gratter wikipédia?

OriginalL'auteur Rory | 2009-09-20

dataset

27
- UN CSV de la Bureau d'enregistrement général de l'Ecosse avec tous les prénoms inscrits en 2007.
- Un autre grand ensemble de prénoms au format CSV et SQL format de trop (mais ils n'ont pas dit qui DB l'objet de dumping SQL).
- Page GitHub avec le top 1000 des noms de bébés à partir de 1880 à 2009, déjà analysé dans un fichier CSV pour vous de la Administration De La Sécurité Sociale.
- CSV de bébé des significations et des noms à partir d'une Princeton CS page.
Qui devrait être suffisant pour vous aider à démarrer, je pense.

OriginalL'auteur Mark Rushakoff
6

Administration de la Sécurité sociale - au-Delà du Top 1000 des Noms de Fichiers de Données

Ce qui précède est une liste exhaustive de prénoms en usage aux états-unis. Les fichiers zip contiennent national et au niveau de l'état les données par année de naissance au format CSV. Il comprend le nombre d'occurrences (minimum 5) et le sexe. Par exemple, le fichier national pour 2010 comprend 33,838 un nom pour le bébé.

OriginalL'auteur humbads
5

Vous pouvez facilement prendre le Wikipedia API (http://en.wikipedia.org/w/api.php) pour récupérer la liste des pages dans la catégorie spécifique, ressemble Catégorie:prénoms est quelque chose que vous voulez commencer à partir.
```
http://en.wikipedia.org/w/api.php?action=query&list=categorymembers&cmnamespace=0&cmlimit=500&cmtitle=Category:Given_names
```
La part de résultat à partir de cette URL ressemble à ceci:
```
  <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" />
```
Regarder l'API et sélectionnez le format approprié et les paramètres de la requête, et de vérifier les catégories.

P. S.
BTW, Le wiki de texte à partir de la page vous lié pour contenir les noms sous une forme facile à extraire à l'aide de regexp... ainsi Que les titres de liens dans le rendu de la page HTML ont “(nom)” attaché au nom de lui-même.

Le cmlimit option dans la requête est au maximum (500) a permis à des utilisateurs non autorisés, et peut être augmenté à 5000 articles. De toute façon, à l'aide de la cmcontinue option pour récupérer tous les résultats morceau par morceau...

OriginalL'auteur Juicy Scripter

Vous devez vous connecter pour publier un commentaire.