使用 Python 从文本中提取 IBAN

Posted 2023-02-22

【中文标题】使用 Python 从文本中提取 IBAN

【英文标题】：Extract IBAN from text with Python

【发布时间】：2021-04-20 10:05:07

【问题描述】：

我想用 Python 从文本中提取 IBAN 数字。这里的挑战是，IBAN 本身可以以多种方式编写，数字之间有空格，我发现很难将其转换为有用的正则表达式模式。

我写了一个demo version，它试图从文本中匹配所有德国和奥地利的 IBAN 号码。

^DE([0-9a-zA-Z]\s?)20$

我在 *** 上看到过类似的问题。然而，编写 IBAN 数字的不同方式以及从文本中提取这些数字的不同方式的组合，使得解决我的问题变得非常困难。

希望你能帮助我！

【问题讨论】：

\b(?:DE|AT)(?:\s?[0-9a-zA-Z])20\b?见regex101.com/r/PRDDaT/2

哇，这看起来很完美！太棒了！

德语 IBAN 数字是 22 个字符，奥地利是 20。所以你不能把它们一视同仁。

有意思，貌似that's correct，所以应该是\b(?:DE|AT)(?:\s?[0-9a-zA-Z])18(?:(?:\s?[0-9a-zA-Z])2)?\b

【参考方案1】：

假设您在以 self.input 作为输入字符串的类中使用此验证，请使用以下代码。虽然如果您只想验证德国和奥地利的 IBAN，我建议您从字典中删除所有其他国家/地区：

country_dic = 
                "AL": [28, "Albania"],
                "AD": [24, "Andorra"],
                "AT": [20, "Austria"],
                "BE": [16, "Belgium"],
                "BA": [20, "Bosnia"],
                "BG": [22, "Bulgaria"],
                "HR": [21, "Croatia"],
                "CY": [28, "Cyprus"],
                "CZ": [24, "Czech Republic"],
                "DK": [18, "Denmark"],
                "EE": [20, "Estonia"],
                "FO": [18, "Faroe Islands"],
                "FI": [18, "Finland"],
                "FR": [27, "France"],
                "DE": [22, "Germany"],
                "GI": [23, "Gibraltar"],
                "GR": [27, "Greece"],
                "GL": [18, "Greenland"],
                "HU": [28, "Hungary"],
                "IS": [26, "Iceland"],
                "IE": [22, "Ireland"],
                "IL": [23, "Israel"],
                "IT": [27, "Italy"],
                "LV": [21, "Latvia"],
                "LI": [21, "Liechtenstein"],
                "LT": [20, "Lithuania"],
                "LU": [20, "Luxembourg"],
                "MK": [19, "Macedonia"],
                "MT": [31, "Malta"],
                "MU": [30, "Mauritius"],
                "MC": [27, "Monaco"],
                "ME": [22, "Montenegro"],
                "NL": [18, "Netherlands"],
                "NO": [15, "Northern Ireland"],
                "PO": [28, "Poland"],
                "PT": [25, "Portugal"],
                "RO": [24, "Romania"],
                "SM": [27, "San Marino"],
                "SA": [24, "Saudi Arabia"],
                "RS": [22, "Serbia"],
                "SK": [24, "Slovakia"],
                "SI": [19, "Slovenia"],
                "ES": [24, "Spain"],
                "SE": [24, "Sweden"],
                "CH": [21, "Switzerland"],
                "TR": [26, "Turkey"],
                "TN": [24, "Tunisia"],
                "GB": [22, "United Kingdom"]
         # dictionary with IBAN-length per country-code
    def eval_iban(self):
        # Evaluates how many IBAN's are found in the input string
        try:
            if self.input:
                hits = 0
                for word in self.input.upper().split():
                    iban = word.strip()
                    letter_dic = ord(d): str(i) for i, d in enumerate(
                        string.digits + string.ascii_uppercase) # Matches letter to number for 97-proof method
                    correct_length = country_dic[iban[:2]]
                    if len(iban) == correct_length[0]: # checks whether country-code matches IBAN-length
                        if int((iban[4:] + iban[:4]).translate(letter_dic)) % 97 == 1:
                            # checks whether converted letters to numbers result in 1 when divided by 97
                            # this validates the IBAN
                            hits += 1
                return hits
            return 0
        except KeyError:
            return 0
        except Exception:
             # logging.exception('Could not evaluate IBAN')
            return 0

【参考方案2】：

	ISO landcode	Verification#	Bank#	Account#
Germany	2a	2n	8n	10n
Austria	2a	2n	5n	11n

_{注意：a - 字母（仅限字母），n - 数字（仅限数字）}

所以主要区别实际上是数字的长度。这意味着您可以尝试：

\b(?:DE(?:\s*\d)20|AT(?:\s*\d)18)\b(?!\s*\d)

见在线demo。

---

\b - 字边界。 (?: - 打开第一个非捕获组。 DE - 从字面上匹配大写“DE”。 (?:- 打开第二个非捕获组。 \s*\d - 零个或多个空格，最多一个数字。 )20 - 关闭第 2 个非捕获组并匹配 20 次。 | - 或者： AT - 从字面上匹配大写“AT”。 (?:- 打开第三个非捕获组。 \s*\d - 零个或多个空格，最多一个数字。 )18 - 关闭第 2 个非捕获组并匹配 20 次。 ) - 关闭第一个非捕获组。 \b - 字边界。 (?!\s*\d) - 负前瞻以防止出现任何尾随数字。

---

这确实表明您的奥地利 IBAN 号码无效。如果您希望提取到它们仍然有效的程度，我想您可以删除\b(?!\s*\d)

【参考方案3】：

你可以使用

\b(?:DE|AT)(?:\s?[0-9a-zA-Z])18(?:(?:\s?[0-9a-zA-Z])2)?\b

请参阅regex demo。 详情：

\b - 字边界 (?:DE|AT) - DE 或 AT (?:\s?[0-9a-zA-Z])18 - 出现 18 次可选空格，然后是字母数字字符 (?:(?:\s?[0-9a-zA-Z])2)? - 两个序列的可选出现可选空格和字母数字字符 \b - 字边界。

【讨论】：

只是一个友好的提示，但 IBAN 号码只能包含从 ISO 代码开始的号码。您可能会在此处返回误报，包括超过 18 位的奥地利 IBAN 号码。

@JvdV 谢谢，注意到了。但是，在我看来，OP 的数据中没有纯 IBAN 号码，因此正确的 IBAN 详细信息可能不相关。