中文姓氏开放数据集

把站内 109 个姓氏页里的结构化信息抽出来，做成一份可以直接拿来用的数据：每个姓的普通话读音、得姓时代、得姓始祖、发源地、主要郡望、堂号、全国人口排名与当代人口估算、史籍所见名人，以及一段得姓源流说明。提供 JSON 与 CSV 两种格式，CC BY 4.0 授权，商用、教学、做工具、喂给模型都行。

做这份数据的起因很直接：想找一个带拼音、带郡望、带源流说明的中文姓氏表，找了一圈，要么只有「赵钱孙李」的顺序没有解释，要么是残缺的爬虫结果，要么授权不明。索性自己整理一份，顺手放出来。

一、字段说明

每条记录 16 个字段，字段名用英文、内容用中文，方便程序处理也方便人读。数组类字段（郡望、堂号、名人）在 CSV 里以竖线 | 分隔。rank 是给人看的展示串，rank_num 才是排序用的整数；要按人口排队直接用后者，不要去正则解析前者。

当前版本 v2.1（2026-11-15）：新增 population_source 标注人口数字的来源口径；此前 v2.0（2026-11-15）新增 rank_num 与 population_est，v1.0（2026-11-13）为首版。字段只增不改，旧读法继续可用。

二、覆盖范围与已知缺口

这 109 个姓不是按人口取的前 109 名，而是按站内已经写完详情页的姓收录的，所以既有李、王、张、刘这类大姓，也有百里、单于、淳于这类罕见复姓。读数据前请先看清三个缺口：

• 30 个姓有全国排名，12 个复姓有人口数字，两者来源不同。2020 年公安部户政管理研究中心的全国姓名报告，「百家姓」表只排前 100 名、表内不列各姓人数；该报告另在「常见复姓」一节给出了 12 个复姓的具体人数（欧阳 111.2 万、诸葛 4.8 万、令狐 5.5 万等），这部分可以逐字核对。30 个有排名的单姓，其人口数字（population_source = estimate）来自其他统计或估算、年份不一，该报告本身没有给出，引用时请注明。字段 population_source 就是用来区分这几种口径的：mps2020 / estimate / qualitative / 空。
• 不要用人口数代替排名。正因为两列不同源，按 population_est 排序会出现 5 处相邻倒挂：林（第 18 位，约 1420 万人）高于 何（第 17 位，约 1300 万人）；高（第 20 位，约 1450 万人）高于 罗（第 19 位，约 1400 万人）；宋（第 24 位，约 1120 万人）高于 谢（第 23 位，约 1050 万人）；韩（第 27 位，约 980 万人）高于 许（第 26 位，约 900 万人）；冯（第 29 位，约 950 万人）高于 邓（第 28 位，约 920 万人）。要按人口规模排序请用 rank_num，population_est 只适合看量级、不适合定序。
• 其余 67 个姓没有人口数字：其中 18 个在姓氏页标为「人数稀少」，49 个完全没有公开统计。这些记录的 rank、rank_num、population_est 一律为空——「人数稀少」只以文字形式留在 population 里，没有折算成数字。拿到空值请当作「未知」，不要当成 0。
• 郡望与堂号是文献归纳，不是普查结果。郡望依据《新唐书·宰相世系表》《元和姓纂》等姓氏书，堂号取自各族族谱与祠堂记载。不同支系堂号不同，这里的「主要郡望」只列该姓最常被引用的几个，不等于全部。
• 得姓源流多源并存是常态。一个大姓往往同时有姬姓、子姓、妫姓、赐姓、改姓等多条来源，origin_note 会并列写出，不强行归一。遇到「始祖」写两个人的情况（如「白公胜、公子白」），正是异说并存，不是笔误。

三、常见问题

这 109 个姓是按人口选的，还是按什么选的？

都不是按人口选的。收录范围是站内已经写完详情页的 109 个姓，所以既有李、王、张、刘这类大姓，也有万俟、尉迟、长孙这类罕见复姓——79 个单字姓、30 个复姓。想要「人口前 109 名」的名单，这份数据不是，也不打算是：那种榜单网上已经很多，缺的是带源流解释的那种。

能商用吗？要怎么署名？

能。CC BY 4.0 允许复制、修改、商用和再分发，唯一要求是署名并附许可链接。写在 README 里一行就够：姓氏数据来自 中文起名网 https://naming-cn.pages.dev/opendata（CC BY 4.0）。

为什么只有 30 个姓有全国排名？

因为官方只发布这么多。2020 年公安部户政管理研究中心的全国姓名报告，「百家姓」表只排前 100 名、表内不列人数，第 101 位之后没有公开统计。另有 12 个复姓（欧阳、诸葛一类）该报告在「常见复姓」一节单列了人数，但排不进前 100，于是有人口数字、没有排名；剩下 67 个姓没有任何数字。这些字段一律为 null，不插值、不补 0。

为什么按人口排序会出现排名倒挂？

因为这两列不同源。排名来自 2020 年报告，30 个单姓的人口数字来自其他年份的统计与估算，放在一起排序会出现 5 处相邻倒挂：林（第 18 位，约 1420 万人）高于 何（第 17 位，约 1300 万人）；高（第 20 位，约 1450 万人）高于 罗（第 19 位，约 1400 万人）；宋（第 24 位，约 1120 万人）高于 谢（第 23 位，约 1050 万人）；韩（第 27 位，约 980 万人）高于 许（第 26 位，约 900 万人）；冯（第 29 位，约 950 万人）高于 邓（第 28 位，约 920 万人）。这不是排版错误，而是数据源的年代差异，已用 population_source 字段标出。要排序请用 rank_num，population_est 只适合看量级。

既然有 rank_num 了，为什么还留着 rank？

rank 是姓氏详情页上显示的那串中文（「全国第 2 位」），留着是为了让数据和读者在页面上看到的一致；rank_num 才是给代码排序用的整数。两个都留，比要求每个使用者自己去正则解析中文数字便宜得多。

前端能直接 fetch 吗？需要 key 或注册吗？

都不需要。JSON 与 CSV 都带 Access-Control-Allow-Origin: *，浏览器里直接 fetch 即可，无 key、无注册、无代理、无限流。

「人数稀少」为什么不按 0 处理？

因为它不是 0。「人数稀少」表示该姓确有传承、但人口少到没有公开统计，属于「已知很少、数值未知」，当前有 18 条这样记录。折成 0 会让求和、均值、排序全部失真，所以 population_est 保持 null，只在 population 里保留这段原话，让人知道「为什么没有数字」。

能用于学术引用吗？准确性怎么保证？

全国排名与 12 个复姓的人数引自公安部 2020 年全国姓名报告，可逐字核对；30 个单姓的人口数字来自其他统计与估算、年份不一，已用 population_source 标注，引用请注明口径。郡望依据《新唐书·宰相世系表》《元和姓纂》等姓氏书，堂号取自各族族谱与祠堂记载。姓氏源流本身多源并存，数据并列保留异说、不做裁决，所以「始祖」列两个人不是笔误。用于学术研究请回到原始文献核对；发现错漏欢迎在留言板指出，核实后发布新的版本号。

四、下载

两个文件内容等价，按用途选一个。JSON 保留了数组结构，CSV 拍平了，后者用 Excel 直接打开不会乱码（UTF-8 带 BOM）。

两个文件都允许跨域读取（Access-Control-Allow-Origin: *），前端可以直接 fetch，不需要自建代理：

const rows = await fetch('https://naming-cn.pages.dev/data/surnames.json').then(r => r.json());

// 按全国人口排名排序（用 rank_num，不用 rank）
rows.filter(r => r.rank_num).sort((a, b) => a.rank_num - b.rank_num);

// 查一个姓：rows.find(r => r.surname === '李')
// 是否有人口数字：r.population_est !== null

五、许可与引用

数据以 CC BY 4.0 授权：可以复制、修改、商用、再分发，唯一要求是署名并注明许可。建议这样引用——

中文起名网（2026）.《中文姓氏开放数据集》.
https://naming-cn.pages.dev/opendata（CC BY 4.0）

如果是用在程序里，README 或关于页写一行就够：姓氏数据来自 中文起名网 https://naming-cn.pages.dev/opendata（CC BY 4.0）。

六、109 条记录预览

下表就是数据集本身，可以直接在页面上筛。输入汉字、拼音或朝代都能匹配。

共 109 条

数据来自本站 109 个姓氏详情页的整理。全国排名与复姓人数引自 2020 年公安部户政管理研究中心全国姓名报告；单姓人口数字来自其他统计与估算、年份不一，已在 population_source 字段中标注，请勿当作官方数字引用。郡望堂号引自《新唐书·宰相世系表》《元和姓纂》等姓氏书与各族族谱。姓氏源流存在异说，本数据集并列保留、不做裁决，如需用于学术研究请核对原始文献。发现错漏欢迎在留言板指出，核实后会更新版本。

继续了解