Python正则表达式实战：解析和验证香港身份证、车牌、电话格式

环境信息

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：

importre 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）：

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：

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

1. 字母转数字：A=10, B=11, C=12, …, Z=35
2. 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
3. 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）
4. 求和取余：所有乘积相加，除以 11 取余数
5. 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：

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：

defcalculate_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=35values=[]iflen(letters)==1:values.append(36)# 单字母时，前面补空格=36values.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forchindigits: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*wforv,winzip(values,weights))# 4. 取余remainder=total%11# 5. 校验码规则ifremainder==0:return'0'elifremainder==1:return'A'else:returnstr(11-remainder)defvalidate_hkid(hkid:str)->bool:"""完整验证香港身份证号码（格式 + 校验码）"""parsed=parse_hkid(hkid)ifnotparsed:returnFalseletters,digits,check_digit=parsed calculated=calculate_hkid_check_digit(letters,digits)returncalculated==check_digit# 测试print(calculate_hkid_check_digit('A','123456'))# '3'print(validate_hkid('A123456(3)'))# Trueprint(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。

# 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})$')# 自定义车牌：最多8个字符（字母/数字/空格）CUSTOM_PLATE=re.compile(r'^[A-Z0-9 ]{1,8}$')defparse_plate(plate:str)->str:"""识别香港车牌类型"""plate=plate.strip().upper()ifTRADITIONAL_PLATE.match(plate):returnf'传统车牌:{plate}'elifCUSTOM_PLATE.match(plate):returnf'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

# 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})$')defparse_phone(phone:str)->str:"""解析香港电话号码"""m=PHONE_PATTERN.match(phone.strip())ifnotm:return'无效电话号码'number=m.group(1)prefix=number[0]ifprefixin'23':returnf'固话:{number}'elifprefixin'4569':returnf'手机:{number}'else:returnf'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：

importreclassHKDataValidator:"""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}$')# 电话PHONE_PATTERN=re.compile(r'^(?:\+852|00852)?\s?([2-9]\d{7})$')@staticmethoddef_letter_to_num(ch:str)->int:returnord(ch)-ord('A')+10@classmethoddefvalidate_hkid(cls,hkid:str)->bool:m=cls.HKID_PATTERN.match(hkid.strip().upper())ifnotm:returnFalseletters,digits,check_digit=m.group(1),m.group(2),m.group(3)# 构建值序列iflen(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)forchindigits]# 加权求和weights=[9,8,7,6,5,4,3,2]total=sum(v*wforv,winzip(values,weights))remainder=total%11# 校验码ifremainder==0:calculated='0'elifremainder==1:calculated='A'else:calculated=str(11-remainder)returncalculated==check_digit@classmethoddefvalidate_plate(cls,plate:str)->bool:plate=plate.strip().upper()returnbool(cls.TRADITIONAL_PLATE.match(plate)orcls.CUSTOM_PLATE.match(plate))@classmethoddefvalidate_phone(cls,phone:str)->bool:returnbool(cls.PHONE_PATTERN.match(phone.strip()))# 使用示例validator=HKDataValidator()print(validator.validate_hkid('A123456(3)'))# Trueprint(validator.validate_hkid('A123456(9)'))# Falseprint(validator.validate_plate('AB 1234'))# Trueprint(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：

# ❌ 错误：A=1# ✅ 正确：A=10def_letter_to_num(ch):returnord(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：

1. 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
2. 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
3. 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。