Python身份证脱敏案例如何隐藏证件号

wen python案例 2026-06-29 20

Python身份证脱敏案例：如何隐藏证件号？超详细操作指南

📚 目录导读

为什么要做身份证脱敏？
常见的身份证脱敏规则
Python实现身份证脱敏的5种方案
完整代码实战案例
脱敏后的数据验证与注意事项
Q&A常见问题

为什么要做身份证脱敏？

在数据处理、日志输出、接口返回等场景中，身份证号属于敏感个人信息，根据《个人信息保护法》，企业必须对敏感数据进行脱敏处理,否则可能面临法律风险。

Python身份证脱敏案例如何隐藏证件号

核心需求：将完整的18位身份证号码（如110101199001011234）转换成保留部分信息的模糊形式（如110101******1234），既满足业务需要,又能保护用户隐私。

常见的身份证脱敏规则

规则类型	脱敏方式	示例
保留前6后4	显示前6位（地址码）+ 后4位（顺序码校验码），中间8位隐藏	`110101 ****** 1234`
保留前6后3	显示前6位+后3位，中间9位隐藏	`110101 ********* 234`
保留前2后2	只显示前2位省份码+后2位，中间14位隐藏	`11** ** 34`
全部隐藏	完全不显示身份证号

业务推荐：大多数场景使用保留前6后4规则，因为前6位可以区分地区，后4位用于确认用户身份，中间8位（出生日期+顺序码）严格隐藏。

Python实现身份证脱敏的5种方案

这里整理了5种从简单到复杂的实现方式,你可以根据项目场景选择。

方案1：字符串切片替换（最基础）

def mask_id_card_v1(id_card):
    return id_card[:6] + "********" + id_card[-4:]

方案2：正则表达式替换

import re
def mask_id_card_v2(id_card):
    return re.sub(r'(?<=\d{6})\d{8}(?=\d{4})', '********', id_card)

方案3：使用format格式化

def mask_id_card_v3(id_card):
    return "{}********{}".format(id_card[:6], id_card[-4:])

方案4：支持自定义脱敏长度

def mask_id_card_v4(id_card, front=6, end=4, mask_char='*'):
    mask_len = len(id_card) - front - end
    return id_card[:front] + mask_char * mask_len + id_card[-end:]

方案5：批量脱敏（pandas适用）

import pandas as pd
def mask_id_card_v5(df, column_name):
    df[column_name] = df[column_name].apply(lambda x: x[:6] + '********' + x[-4:])
    return df

完整代码实战案例

下面是一个完整的Python脚本示例，包含数据生成、脱敏、验证和导出功能。

import pandas as pd
import random
import re
# 1. 生成模拟身份证数据
def generate_fake_id_card():
    """生成一个假的身份证号（仅用于演示）"""
    area_code = "110101"
    birth = "19900101"
    seq = str(random.randint(100, 999))
    # 校验码简单生成（正式校验需ISO 7064:1983）
    check = "X" if random.random() > 0.9 else str(random.randint(0, 9))
    return area_code + birth + seq + check
# 2. 脱敏函数（推荐方案）
def mask_id_card(id_card):
    """仅保留前6位和后4位，中间用*替换"""
    if len(id_card) != 18:
        return id_card  # 非18位不处理
    return id_card[:6] + "********" + id_card[-4:]
# 3. 批量处理+导出
data = {
    "user_id": [1, 2, 3, 4, 5],
    "name": ["张三", "李四", "王五", "赵六", "钱七"],
    "id_card": [generate_fake_id_card() for _ in range(5)]
}
df = pd.DataFrame(data)
# 应用脱敏
df["id_card_masked"] = df["id_card"].apply(mask_id_card)
print("原始数据：")
print(df[["name", "id_card"]])
print("\n脱敏后的数据：")
print(df[["name", "id_card_masked"]])
# 4. 导出为CSV
df.to_csv("masked_data.csv", index=False, encoding="utf-8-sig")

输出示例： | name | id_card_masked | |------|----------------| | 张三 | 1101011234 | | 李四 | 1101015678 |

脱敏后的数据验证与注意事项

✅ 验证要点

长度校验：脱敏后字符串长度必须与原身份证号一致（18位）
格式保留：前6位和后4位必须是数字，中间8位是
可逆性：脱敏数据应不可逆，不能通过算法恢复原始数据

⚠️ 注意事项

国际化公民号：如果处理港澳台、外籍人士证件，长度和格式不同，需单独处理
日志脱敏：在打印日志时，建议使用logging模块配合自定义Filter实现自动脱敏
数据库层面：可以使用MySQL的INSERT()函数或SQL Server的STUFF()函数在查询时脱敏

Q&A常见问题

Q1：脱敏后的身份证还能查到具体出生日期吗？

答：不能，采用保留前6后4规则后，隐藏的是第7-14位（出生日期）,用户无法从脱敏数据推断具体生日。

Q2：为什么不用替换整个字符串？

答：保留前6位可以区分地区，后4位用于数据比对（如确认该用户是否存在）,全隐藏会导致业务无法正常使用。

Q3：如果身份证号是15位（旧版）怎么办？

答：可在代码增加分支判断：

if len(id_card) == 15:
    return id_card[:6] + "*****" + id_card[-4:]
elif len(id_card) == 18:
    return id_card[:6] + "********" + id_card[-4:]

Q4：脱敏后还能用于匹配数据库吗？

答：建议在数据库层保存原始加密数据（如AES加密），对外接口返回脱敏数据，业务匹配应通过加密后的hash值进行,而非脱敏字符串。

Q5：有没有一键脱敏的Python库推荐？

答：推荐使用presidio-anonymizer（微软开源）或faker（生成脱敏数据），但若只需简单规则,自己写函数更轻量。

身份证脱敏是数据安全的必备技能，在Python中，通过字符串切片结合替换是最常用且可靠的方法，建议始终保留前6位和后4位，其他位置隐藏，以保证业务可识别性，如果需要进一步处理大量数据，可以结合pandas进行批量操作。