普通的、计算机可解析的常见名字列表？

Question

我需要人们常用名字的列表，例如“Bill”、“Gordon”、“Jane”等。是否有许多已知名字的免费列表，而不是我必须输入它们？例如，我可以用程序轻松解析以填充数组的东西？

我不担心：

• 知道一个名字是男性还是女性（或两者兼有）
• 如果数据集有一大堆误报
• 如果上面没有名字，显然没有这样的数据集是完整的。
• 如果有“重复”，即我不在乎数据集是否将“Bill”、“William”和“Billy”列为不同的名称。我宁愿拥有更多的数据而不是更少的数据
• 我不在乎知道这个名字的受欢迎程度

我知道Wikipedia 有一个list of most popular given names，但这都是在一个HTML 页面中，并且使用了可怕的wiki 语法。有没有更好的方法来获取一些这样的示例数据，而无需筛选维基百科？

Answer 1

• A CSV 来自 General Register Office of Scotland，所有名字都在 2007 年在那里注册。

• Another large set of first names 也是 CSV 格式和 SQL 格式（但他们没有说明哪个 DB 转储了 SQL）。

• GitHub page 包含从 1880 年到 2009 年的前 1000 个婴儿名字，已从 Social Security Administration 为您解析为 CSV。

• CSV of baby names and meanings 来自普林斯顿 CS 页面。

我想这应该足以让你开始了。

Answer 2

Social Security Administration - Beyond the Top 1000 Names Data Files

以上是美国使用的名字的完整列表。 zip 文件包含按出生年份的 CSV 格式的国家和州级数据。它包括出现次数（最少 5 次）和性别。例如，2010 年的国家档案包括 33,838 个婴儿名字。

Answer 3

您可以轻松地使用 Wikipedia API (http://en.wikipedia.org/w/api.php) 来检索特定类别中的页面列表，看起来像 Category:Given names 是您想要开始的东西。

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

此 URL 的部分结果如下所示：

  <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" />

查看API并选择合适的格式和查询参数，以及校验类别。

附： 顺便说一句，您链接到的页面中的 wiki 文本包含使用正则表达式易于提取的形式的名称......以及呈现的 HTML 页面中的链接标题已附加 “(name)”到名称本身。