影刀RPA 常见数据格式校验：身份证、手机号、邮箱、URL的验证套路
数据采集完了不等于数据就是对的。用户填的表单数据、网页上采集的信息、API返回的字段——这些数据里混着大量格式错误的内容。如果不校验就写入数据库或发给下游系统，后果可能是整批数据被拒收。
这篇文章给出四种最常见的数据格式校验方案，附带正则表达式模板，拿来就能用。
校验的目的分层
不是所有校验都要做到100%准确。先想清楚你的场景：
第一层：格式校验。手机号是不是11位数字、邮箱里有没有@符号。这一层只管"长得像不像"，不管"是不是真的"。适合数据清洗的第一步——先把明显不对的过滤掉。
第二层：业务逻辑校验。日期不能是未来的、金额不能是负数、订单号必须符合公司编码规则。这一层是在格式正确的基础上，检查数据是否合理。
第三层：真实性校验。手机号能不能打通、邮箱是否存在、身份证号码的校验位对不对。这一层需要外部系统配合，最高成本也最高。
拼多多店群自动化上架方案
大部分RPA场景做到第一层+第二层就够了。第三层除非业务强需求，否则投入产出比不高。
手机号校验
importredefvalidate_phone(phone):"""校验中国大陆手机号格式"""ifnotphone:returnFalse,'手机号为空'phone=str(phone).strip()# 去掉可能存在的+86前缀ifphone.startswith('+86'):phone=phone[3:]# 1开头，第二位3-9，总共11位pattern=r'^1[3-9]\d{9}$'ifre.match(pattern,phone):returnTrue,phoneelse:returnFalse,f'手机号格式不正确:{phone}'注意：号段在不断更新（比如广电的192号段），上面这个正则用[3-9]覆盖了目前所有号段。
身份证号校验
身份证校验分两步：格式校验 + 校验位计算。
importrefromdatetimeimportdatetimedefvalidate_id_card(id_number):"""校验中国大陆18位身份证号"""ifnotid_number:returnFalse,'身份证号为空'id_str=str(id_number).strip().upper()# 1. 格式：17位数字 + 1位数字或Xifnotre.match(r'^\d{17}[\dX]$',id_str):returnFalse,'格式不正确（需18位）'# 2. 出生日期校验try:birth=datetime.strptime(id_str[6:14],'%Y%m%d')ifbirth.year<1900orbirth>datetime.now():returnFalse,'出生日期不合理'except:returnFalse,'出生日期无效'# 3. 校验位计算weights=[7,9,10,5,8,4,2,1,6,3,7,9,10,5,8,4,2]check_chars='10X98765432'total=sum(int(id_str[i])*weights[i]foriinrange(17))expected_check=check_chars[total%11]ifid_str[-1]!=expected_check:returnFalse,f'校验位不正确（期望{expected_check}）'# 4. 提取信息info={'地区码':id_str[:6],'出生日期':birth.strftime('%Y-%m-%d'),'性别':'男'ifint(id_str[16])%2==1else'女',}returnTrue,info第17位（索引16）奇数为男性，偶数为女性。
邮箱校验
importredefvalidate_email(email):"""校验邮箱格式"""ifnotemail:returnFalse,'邮箱为空'email=str(email).strip()# 基本格式校验pattern=r'^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$'ifnotre.match(pattern,email):returnFalse,'邮箱格式不正确'# 额外检查if'..'inemail:returnFalse,'邮箱包含连续的点'ifemail.count('@')!=1:returnFalse,'邮箱@符号数量不正确'returnTrue,email注意：这个正则覆盖了99%的合法邮箱格式。但RFC 5322定义的合法邮箱格式远比这个复杂（比如可以用引号包裹、支持特殊字符）。对于RPA场景，上述正则够用了——你采集回来的数据里很少出现那种极端格式的邮箱。
URL校验
importrefromurllib.parseimporturlparsedefvalidate_url(url):"""校验URL格式"""ifnoturl:returnFalse,'URL为空'url=str(url).strip()# 补全协议（如果没有的话）ifnoturl.startswith(('http://','https://')):url='https://'+url[video(video-hqtqq1SJ-1784060314069)(type-csdn)(url-https://live.csdn.net/v/embed/524993)(image-https://v-blog.csdnimg.cn/asset/a547123d88ad712dccba346c9217e237/cover/Cover0.jpg)(title-TEMU店群如何管理运营？)]try:result=urlparse(url)# 必须有scheme和netlocifall([result.scheme,result.netloc]):# netloc必须有至少一个点（域名）if'.'inresult.netloc:returnTrue,urlreturnFalse,'URL格式不完整'except:returnFalse,'URL解析失败'把校验串成数据清洗流程
# === 完整的数据记录校验 ===defvalidate_record(record,rules):""" record: 字典 {'phone': '13800138000', 'email': 'test@example.com', ...} rules: 字典 {'phone': validate_phone, 'email': validate_email, ...} 返回: (is_valid, errors) """errors=[]forfield,validatorinrules.items():value=record.get(field)valid,result=validator(value)ifnotvalid:errors.append({'field':field,'value':value,'error':result})returnlen(errors)==0,errors# 使用示例rules={'phone':validate_phone,'email':validate_email,'id_card':validate_id_card,}data=[{'phone':'13800138000','email':'zhang@example.com','id_card':'110101199001011234'},{'phone':'12345','email':'bad-email','id_card':'123456789012345678'},]valid_records=[]invalid_records=[]forrecordindata:is_valid,errors=validate_record(record,rules)ifis_valid:valid_records.append(record)else:record['_errors']=errors invalid_records.append(record)print(f'有效数据：{len(valid_records)}条')print(f'无效数据：{len(invalid_records)}条')forrininvalid_records:print(f' 原始数据：{r}')foreinr['_errors']:print(f'{e["field"]}:{e["error"]}')在影刀流程中集成
采集流程中的校验步骤： 1. 【读取Excel】→ 读取采集到的数据 2. Python节点 → 对每条数据执行validate_record 3. 校验结果： - valid_records → 【写入Excel】→ 有效数据文件 -  - invalid_records → 【写入Excel】→ 无效数据文件（附错误原因） 4. 【IF】无效数据数量 > 0: 【日志输出】→ f"本次采集有 {invalid_count} 条数据格式异常" 【发送邮件】→ 通知相关负责人人工复核把无效数据单独保存一份带错误原因的Excel，方便回溯和修复。
总结：数据校验是采集后写入前的防线。格式校验用正则，业务逻辑校验加规则，真实性校验按需上。校验不过的数据不要直接丢弃，单独存一份带错误原因的日志，方便后续排查。
作者：林焱
