Python正则表达式实战：解析和验证香港身份证、车牌、电话格式

文章目录

- 环境信息
- 前言：正则能匹配"格式"，但匹配不了"真假"
- 一、香港身份证号码的格式：三层结构
- [二、校验码算法：mod 11 加权](#二、校验码算法：mod 11 加权)
- [三、香港车牌格式：传统 vs 自定义](#三、香港车牌格式：传统 vs 自定义)
- 四、香港电话号码格式
- 五、完整验证器（可直接复用）
- 六、三个易错点
- - 坑1：全角括号
  - 坑2：字母转数字的偏移量
  - [坑3：逻辑有效 ≠ 真实存在](#坑3：逻辑有效 ≠ 真实存在)
- 七、总结

环境信息

项目	版本/说明
Python	3.10+
标准库	re（正则）、无需第三方依赖
验证对象	香港身份证 / 车牌 / 电话号码
数据来源	格式规则和校验码算法为公开标准

前言：正则能匹配"格式"，但匹配不了"真假"

上周我在做一个表单数据清洗的活，需要校验用户填写的香港身份证号码。我第一反应是写个正则表达式：

python 复制代码

import re
pattern = r'^[A-Z]{1,2}\d{6}\([0-9A]\)$'

格式上是匹配了------1到2个大写字母 + 6位数字 + 括号里的校验码。但很快我就发现一个问题：A123456(3) 和 A123456(9) 都符合这个正则，但只有一个是真的。

正则表达式只能验证"格式对不对"，验证不了"号码是不是真实存在的"。香港身份证号码里那个括号中的校验码，不是随便写的------它是通过一个 mod 11 加权算法算出来的。格式匹配只是第一层，校验码验证才是第二层。

这篇文章讲的就是这"两层验证"。前半部分是正则解析香港身份证、车牌、电话的格式，后半部分是香港身份证校验码算法的完整实现。

收藏提示①：正则匹配"像不像"，校验码算法验证"是不是真的"。表单验证、数据清洗、反作弊，缺一层都不行。文末有完整可复用的验证器代码。

一、香港身份证号码的格式：三层结构

香港身份证号码由三部分组成（以 A123456(3) 为例）：

复制代码

A      123456      (3)
↑      ↑           ↑
字母   6位数字     校验码(0-9或A)

规则：

开头是 1-2 个大写英文字母（A-Z）
中间是 6 位数字
括号里是校验码，0-9 或字母 A
括号可能是半角 () 或全角 （）

对应的正则：

python 复制代码

import re

# 支持半角/全角括号，校验码0-9或A
HKID_PATTERN = re.compile(
    r'^([A-Z]{1,2})(\d{6})[（(]([0-9A])[）)]$'
)

def parse_hkid(hkid: str):
    """解析香港身份证号码，返回(字母部分, 数字部分, 校验码)"""
    m = HKID_PATTERN.match(hkid.strip().upper())
    if not m:
        return None
    return m.group(1), m.group(2), m.group(3)

# 测试
print(parse_hkid('A123456(3)'))   # ('A', '123456', '3')
print(parse_hkid('AB987654（3）'))  # 全角括号也能识别
print(parse_hkid('A1234563'))      # 无括号 → None（不匹配）

注意一个细节：我用了 [（(] 和 [）)] 来同时匹配半角和全角括号------香港用户在中文输入法下输入时，经常打出全角括号，只匹配半角会漏掉一大批真实数据。

二、校验码算法：mod 11 加权

这是本文的核心。香港身份证的校验码算法是公开的，逻辑如下：

字母转数字：A=10, B=11, C=12, ..., Z=35
单字母补空格：如果只有一个开头字母，前面补一个"空格"，值=36
加权相乘：从右到左，权重依次是 9,8,7,6,5,4,3,2,1（校验码位权重是1）
求和取余：所有乘积相加，除以 11 取余数
校验码规则 ：
- 余数 = 0 → 校验码是 0
- 余数 = 1 → 校验码是 A
- 余数 = 2~10 → 校验码 = 11 - 余数

用 A123456(3) 举例验证：

复制代码

A=10，单字母前面补空格=36
加权：36×9 + 10×8 + 1×7 + 2×6 + 3×5 + 4×4 + 5×3 + 6×2
    = 324 + 80 + 7 + 12 + 15 + 16 + 15 + 12
    = 481
481 ÷ 11 = 43 余 8
11 - 8 = 3  → 校验码 = 3 ✓

完整实现：

python 复制代码

def calculate_hkid_check_digit(letters: str, digits: str) -> str:
    """
    计算香港身份证号码的校验码
    letters: 开头字母部分（1-2个大写字母）
    digits: 6位数字字符串
    返回: 校验码（'0'-'9' 或 'A'）
    """
    # 1. 构建完整的8位"值序列"（不含校验码位）
    # 字母转数字：A=10 ... Z=35
    values = []
    if len(letters) == 1:
        values.append(36)  # 单字母时，前面补空格=36
        values.append(ord(letters[0]) - ord('A') + 10)
    else:  # 双字母
        values.append(ord(letters[0]) - ord('A') + 10)
        values.append(ord(letters[1]) - ord('A') + 10)
    
    # 2. 数字部分
    for ch in digits:
        values.append(int(ch))
    
    # 3. 加权求和（权重从9开始递减）
    weights = [9, 8, 7, 6, 5, 4, 3, 2]
    total = sum(v * w for v, w in zip(values, weights))
    
    # 4. 取余
    remainder = total % 11
    
    # 5. 校验码规则
    if remainder == 0:
        return '0'
    elif remainder == 1:
        return 'A'
    else:
        return str(11 - remainder)


def validate_hkid(hkid: str) -> bool:
    """完整验证香港身份证号码（格式 + 校验码）"""
    parsed = parse_hkid(hkid)
    if not parsed:
        return False
    letters, digits, check_digit = parsed
    calculated = calculate_hkid_check_digit(letters, digits)
    return calculated == check_digit

# 测试
print(calculate_hkid_check_digit('A', '123456'))  # '3'
print(validate_hkid('A123456(3)'))   # True
print(validate_hkid('A123456(9)'))   # False（校验码不对）

收藏提示②：validate_hkid 这个函数是"两层验证"的完整实现------第一层正则查格式，第二层 mod 11 查校验码。直接用 validate_hkid() 就能判断一个香港身份证号码是否逻辑有效。注意：逻辑有效 ≠ 真实存在（它只能证明号码结构正确，不能证明这个身份证真的发给了某个人）。

三、香港车牌格式：传统 vs 自定义

香港车牌有两种，格式完全不同：

传统车牌 ：1-2 个字母 + 1-4 位数字，如 AB 1234、A 1。

自定义车牌 （2006年起）：最多 8 个字符，可以是字母+数字+空格的任意组合，如 MYCAR、L0VE U。

python 复制代码

# 传统车牌：1-2字母 + 1-4数字（可能有空格分隔）
TRADITIONAL_PLATE = re.compile(r'^([A-Z]{1,2})\s?(\d{1,4})$')

# 自定义车牌：最多8个字符（字母/数字/空格）
CUSTOM_PLATE = re.compile(r'^[A-Z0-9 ]{1,8}$')

def parse_plate(plate: str) -> str:
    """识别香港车牌类型"""
    plate = plate.strip().upper()
    if TRADITIONAL_PLATE.match(plate):
        return f'传统车牌: {plate}'
    elif CUSTOM_PLATE.match(plate):
        return f'自定义车牌: {plate}'
    return '无效车牌'

print(parse_plate('AB 1234'))  # 传统车牌
print(parse_plate('MYCAR'))    # 自定义车牌
print(parse_plate('ABC12345')) # 无效（9个字符超限）

四、香港电话号码格式

香港电话号码统一 8 位数字，但不同号段有不同含义：

固话：通常 2 或 3 开头
手机：4/5/6/9 开头
国际格式 ：+852 前缀

python 复制代码

# 8位数字（可带 +852 或 00852 国际前缀）
PHONE_PATTERN = re.compile(
    r'^(?:\+852|00852)?\s?([2-9]\d{7})$'
)

def parse_phone(phone: str) -> str:
    """解析香港电话号码"""
    m = PHONE_PATTERN.match(phone.strip())
    if not m:
        return '无效电话号码'
    number = m.group(1)
    prefix = number[0]
    if prefix in '23':
        return f'固话: {number}'
    elif prefix in '4569':
        return f'手机: {number}'
    else:
        return f'其他: {number}'

print(parse_phone('+852 2345 6789'))  # 固话
print(parse_phone('98765432'))        # 手机（9开头）
print(parse_phone('12345678'))        # 无效（1开头，且只有7位数字）

五、完整验证器（可直接复用）

把三个验证器整合成一个工具类：

python 复制代码

import re

class HKDataValidator:
    """香港身份证/车牌/电话格式验证器"""
    
    # 身份证
    HKID_PATTERN = re.compile(r'^([A-Z]{1,2})(\d{6})[（(]([0-9A])[）)]$')
    
    # 车牌
    TRADITIONAL_PLATE = re.compile(r'^([A-Z]{1,2})\s?(\d{1,4})$')
    CUSTOM_PLATE = re.compile(r'^[A-Z0-9 ]{1,8}$')
    
    # 电话
    PHONE_PATTERN = re.compile(r'^(?:\+852|00852)?\s?([2-9]\d{7})$')
    
    @staticmethod
    def _letter_to_num(ch: str) -> int:
        return ord(ch) - ord('A') + 10
    
    @classmethod
    def validate_hkid(cls, hkid: str) -> bool:
        m = cls.HKID_PATTERN.match(hkid.strip().upper())
        if not m:
            return False
        letters, digits, check_digit = m.group(1), m.group(2), m.group(3)
        
        # 构建值序列
        if len(letters) == 1:
            values = [36, cls._letter_to_num(letters[0])]
        else:
            values = [cls._letter_to_num(letters[0]), cls._letter_to_num(letters[1])]
        values += [int(ch) for ch in digits]
        
        # 加权求和
        weights = [9, 8, 7, 6, 5, 4, 3, 2]
        total = sum(v * w for v, w in zip(values, weights))
        remainder = total % 11
        
        # 校验码
        if remainder == 0:
            calculated = '0'
        elif remainder == 1:
            calculated = 'A'
        else:
            calculated = str(11 - remainder)
        
        return calculated == check_digit
    
    @classmethod
    def validate_plate(cls, plate: str) -> bool:
        plate = plate.strip().upper()
        return bool(cls.TRADITIONAL_PLATE.match(plate) or cls.CUSTOM_PLATE.match(plate))
    
    @classmethod
    def validate_phone(cls, phone: str) -> bool:
        return bool(cls.PHONE_PATTERN.match(phone.strip()))


# 使用示例
validator = HKDataValidator()
print(validator.validate_hkid('A123456(3)'))   # True
print(validator.validate_hkid('A123456(9)'))   # False
print(validator.validate_plate('AB 1234'))      # True
print(validator.validate_phone('+852 9876 5432'))  # True

六、三个易错点

坑1：全角括号

香港用户用中文输入法时，括号经常是全角 （）。如果你只写 \(...\)（半角），会漏掉一大批真实数据。正则里同时匹配半角和全角 ，用 [（(] 和 [）)]。

坑2：字母转数字的偏移量

字母 A 对应数字 10 （不是 1）。这是最容易写错的地方------如果你用 ord(ch) - ord('A') + 1，A 会变成 1，整个校验码全错。正确是 + 10：

python 复制代码

# ❌ 错误：A=1
# ✅ 正确：A=10
def _letter_to_num(ch): return ord(ch) - ord('A') + 10

坑3：逻辑有效 ≠ 真实存在

校验码算法只能证明"这个号码的结构是自洽的"（校验码和前面的字符对得上）。它不能证明这个身份证真的发给了某个人。真正的身份核验需要调政府接口或人工核对，正则和校验码只是第一道防线。

收藏提示③：三个坑里，全角括号和字母偏移是最容易在真实项目里踩的。字母 A=10 不是 A=1------这个偏移量错了，整个校验码算法就崩了。

七、总结

正则表达式能解决的，是"格式对不对"。校验码算法能解决的，是"号码逻辑真不真"。香港身份证号码恰好是两者的完美结合------格式（1-2字母+6数字+校验码）适合正则，校验码（mod 11 加权）适合算法验证。

三个东西记住：

正则验证格式，校验码验证逻辑------两层验证缺一不可，这是数据校验的通用思路
香港身份证 A=10 不是 A=1------字母转数字的偏移量，是最容易写错的细节
全角括号是真实数据里的坑------中文输入法下，半角正则匹配不到全角括号

这篇文章是0810那篇"数据清洗"的自然延续------0810讲的是怎么处理Big5编码，这篇讲的是怎么校验数据格式。两者合起来，才是完整的"香港数据清洗与验证"闭环。

本文为 Python 正则表达式与校验码算法的技术分享。香港身份证校验码算法为公开标准（mod 11 加权），文中示例号码均为演示用途的假号码，不涉及任何真实个人数据。本文不构成任何身份核验建议。