用于网络抓取的名称来源

Question

谁能推荐一个好的名称来源，我可以用来帮助分析网页上的一些表格。

我正在抓取的表格的第一列只有名称，名称和标题或只是标题。

名字可以多种多样，从 John Smith 到 Vikram Saksena。
我一直在寻找可以在专有名称中找到的单词的编译列表。

已编辑我已经尝试过人口普查中设置的名称，其中包含太多垃圾，不值得使用。

Answer 1

下载Febrl project source code。

它的数据文件夹包含名称表（给定/中间/姓/等）。您可能必须根据自己的需要对数据进行处理。

对于姓氏，您可以四处查看美国人口普查数据。我现在没有链接，但我知道我以前使用过来自该来源的常见美国姓氏。