[求教] 如何在一串字符中识别出身份证号码

[shaobo76]

情况是有多条记录，每条记录由一串数字构成，在不确定的位置上出现身份证号码，身份证号只会出现一次且没有其他类似身份证号的数字串。如何通过编程的方法自动识别出身份证号的位置，用 r 或者 python 实现的话要用到什么包，请各位大侠指点，多谢。

[okKO]

正则表达式处理这个没难度吧～

[grimpil]

正则表达式吧

[shaobo76]

@okKO
@grimpil
正则表达式不太熟，能不能再提示一下

[zjqzxc]

正则匹配 18/17 位（必要时候还需要考虑 15 位）数字

如果不放心是否会出现干扰字符串的话，取出来的结果检验一下最后一位的校验位

[shaobo76]

@zjqzxc 假设这个数字串有 100 个数字构成，怎么匹配 18 位数字呢，那不是会命中很多个？

[oh]

根据身份证号码的含义，第 7-14 是生日，那基本可以确定：
- 第 7 位要么是 1 要么是 2 （ 1xxx 年 - 2xxx 年）；
- 第 11 位要么是 0 要么是 1 （ 0x 月 - 1x 月）；
- 第 13 位的范围是 0 - 3 （ 0x 日 - 3x 日）；
- 第 18 位除了是数字还有可能是 X ；

有了这几个限定位，很大程度上可以避免干扰了（当然要根据具体的内容而定，如果是几百几千个数字里面去找出 18 位身份证，那就不成立了）。

正则大概可以写为： \d{6}[1-2]\d{3}[0-1]\d[0-3]\d{4}[0-9xX]

简单测试了一下，可能考虑不周。

[oh]

@shaobo76

如果是在 100 个数字串里面去找 18 位身份证号码，那根据上面提取之后，最好是用身份证号码校验公式校验一次（身份证第 18 位是校验符，以此检测身份证号码的合法性），网上搜一下就有计算公式。

[kaneg]

先用正则缩小范围，比如在 n 个字符串里找到 m 个候选项，然后再用程序严格的分析，比如最后的检验位是否匹配

[ynyounuo]

@shaobo76
/([1-8][0-9])\d{4}(19|20)\d{6,9}[\dXx]/

[maxmilia]

匹配 18 个数字，按验证的算法算算验证位合法不，哈哈哈哈哈

[maxmilia]

哦 不对 还有 x

[ynyounuo]

@ynyounuo 根据 #6 改了一下
/([1-8][0-9])\d{4}(19|20)(\d{2})(0?[1-9]|1[012])(0[1-9]|[12][0-9]|3[01])(\d{3})[\dXx]/

[shaobo76]

谢谢大家，我去尝试一下(•̀⌄•́)

[zhihaofans]

tool.oschina.net 找到正则测试，右边有身份证的例子

[dream7758522]

很简单，不过我这方法可能效率不高。首先读前 18 个字符串，判断是否是身份证，然后从字符串第二位开始读 18 位字符串，判断。如此循环。文件不是很大的话，应该很简单方便。写正则的话可能还要多次验证正则表达式写的是否正确，很花时间的，与其浪费自己的时间，还不如浪费电脑的时间。

[mingyun]

@oh nice

[geelaw]

首先前 6 位和出生地 /户籍有关，只有有限种可能，找到这个表；
然后是 8 位或 6 位生日，可以用求余数的方法判断年份是否是闰年，然后判断月、日的组合是否 valid ；
然后是 3 位任意的数；
最后是校验位，这位也可以通过前面的算出来，而且很容易（因为是前面几位线性组合求余数）。

于是你可以画一个 NFA，然后再把它转换为正则表达式。

[JerryV2]

@dream7758522 正则是值得花时间练习的，不是浪费时间啊兄弟

[AyoCross]

+1，正则这东西需要经常练练手，否则时间长了规则就忘了

[springz]

身份证号有特殊规则,正则取出符合格式的字符串,再走一遍效验就可以了