用Python搞定身份证号码校验：从PTA真题到实际数据清洗的完整指南
用Python搞定身份证号码校验：从PTA真题到实际数据清洗的完整指南
在数据驱动的时代，身份证号码作为个人身份的核心标识，其准确性直接影响着各类系统的数据质量。无论是学生时代的PTA编程题，还是职场中的Excel表格处理，身份证校验都是绕不开的实用技能。本文将带你从一道经典的PTA算法题出发，逐步构建可用于真实业务场景的Python数据清洗工具。
1. 身份证校验算法原理解析
身份证号码的最后一位校验码并非随机生成，而是通过前17位数字计算得出的。这套算法源自国家标准GB 11643-1999，其核心逻辑可分为三个关键步骤：
权重分配：前17位数字分别对应固定的权重系数
WEIGHTS = [7, 9, 10, 5, 8, 4, 2, 1, 6, 3, 7, 9, 10, 5, 8, 4, 2]加权求和：将每位数字与其对应权重相乘后累加
total = sum(int(digit) * weight for digit, weight in zip(id_number[:17], WEIGHTS))校验码匹配：根据模11结果对应特定校验字符
CHECK_CODES = ['1', '0', 'X', '9', '8', '7', '6', '5', '4', '3', '2']
表：权重系数与位置对应关系示例
| 位置索引 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
|---|---|---|---|---|---|---|---|---|
| 权重系数 | 7 | 9 | 10 | 5 | 8 | 4 | 2 | 1 |
注意：当模11结果为2时，校验码应为大写字母X，这是校验规则中唯一的非数字字符
2. Python实现基础校验函数
相比PTA原题的C语言实现，Python版本可以更加简洁优雅。我们先实现一个基础验证函数：
def validate_id_number(id_str): if len(id_str) != 18: return False weights = [7, 9, 10, 5, 8, 4, 2, 1, 6, 3, 7, 9, 10, 5, 8, 4, 2] check_codes = ['1', '0', 'X', '9', '8', '7', '6', '5', '4', '3', '2'] try: total = sum(int(id_str[i]) * weights[i] for i in range(17)) return check_codes[total % 11] == id_str[-1].upper() except ValueError: return False这个函数已经可以处理以下常见问题：
- 长度不足18位的情况
- 前17位包含非数字字符的异常
- 校验码大小写不一致的问题
典型测试用例：
print(validate_id_number("11010519491231002X")) # True print(validate_id_number("110105194912310021")) # False print(validate_id_number("12345678901234567")) # False (长度不足) print(validate_id_number("11010519491231002x")) # True (大小写不敏感)3. 批量处理与文件操作实战
实际业务中，我们往往需要处理成百上千条记录。下面展示如何扩展基础函数来处理CSV文件：
import csv def batch_validate_ids(input_file, output_file): with open(input_file, 'r', encoding='utf-8') as f_in, \ open(output_file, 'w', newline='', encoding='utf-8') as f_out: reader = csv.reader(f_in) writer = csv.writer(f_out) writer.writerow(['原始身份证号', '校验结果', '错误类型']) for row in reader: id_number = row[0] if not id_number.isdigit() and not id_number[:-1].isdigit(): writer.writerow([id_number, '失败', '包含非数字字符']) elif len(id_number) != 18: writer.writerow([id_number, '失败', '长度不符']) elif not validate_id_number(id_number): writer.writerow([id_number, '失败', '校验码错误']) else: writer.writerow([id_number, '成功', ''])表：输出文件示例
| 原始身份证号 | 校验结果 | 错误类型 |
|---|---|---|
| 320124198808240056 | 成功 | |
| 12010X198901011234 | 失败 | 包含非数字字符 |
| 110108196711301866 | 失败 | 校验码错误 |
提示：对于大型数据集，可以考虑使用pandas库提升处理效率，特别是当数据量超过10万条时
4. 异常处理与性能优化
真实数据往往比PTA题目复杂得多。以下是几个常见问题及解决方案：
4.1 混合格式处理有些系统导出的数据可能包含空格、横线等特殊字符：
def clean_id_number(raw_id): return raw_id.strip().replace('-', '').replace(' ', '')4.2 性能优化技巧当处理百万级数据时，可以：
- 使用生成器避免内存溢出
- 采用多进程处理（适用于CPU密集型任务）
from multiprocessing import Pool def parallel_validate(ids_list): with Pool(processes=4) as pool: return pool.map(validate_id_number, ids_list)4.3 日志记录添加详细的日志记录有助于后期分析：
import logging logging.basicConfig(filename='id_validation.log', level=logging.INFO) def validate_with_logging(id_str): try: result = validate_id_number(id_str) logging.info(f"{id_str}: {'Valid' if result else 'Invalid'}") return result except Exception as e: logging.error(f"Error validating {id_str}: {str(e)}") return False5. 集成到实际业务系统
将校验功能封装成可复用的组件，可以方便地集成到各种系统中：
5.1 Django模型验证器
from django.core.exceptions import ValidationError from django.utils.translation import gettext_lazy as _ def validate_chinese_id(value): if not validate_id_number(value): raise ValidationError( _('%(value)s 不是有效的身份证号码'), params={'value': value}, )5.2 Flask API端点
from flask import Flask, request, jsonify app = Flask(__name__) @app.route('/validate-id', methods=['POST']) def validate_id_api(): data = request.get_json() id_number = data.get('id_number', '') return jsonify({ 'valid': validate_id_number(id_number), 'normalized': clean_id_number(id_number) })5.3 Excel插件开发使用xlwings库为Excel添加校验功能：
import xlwings as xw @xw.func def validate_excel_id(id_cell): return "有效" if validate_id_number(str(id_cell)) else "无效"在实际项目中，我发现最常出现的问题不是校验算法本身，而是数据录入时的各种意外情况。比如有一次处理用户提交数据时，发现有人误将字母O当作数字0输入，这类特殊情况就需要在基础校验之外添加额外的规则检查。