' ❌ 问题1：没有验证身份证号长度' ❌ 问题2：没有处理15位身份证' ❌ 问题3：没有错误处理Function GetBirthdayV1(idCard As String) As Date    Dim yearStr As String    Dim monthStr As String    Dim dayStr As String    ' 🚨 直接截取，没有验证    yearStr = Mid(idCard, 7, 4)    monthStr = Mid(idCard, 11, 2)    dayStr = Mid(idCard, 13, 2)    ' 🚨 直接转换，可能出错    GetBirthdayV1 = DateSerial(CInt(yearStr), CInt(monthStr), CInt(dayStr))End Function

Function GetBirthdayV2(idCard As String) As Variant    ' 🩹 改进：添加长度检查    ' 🚨 新问题：性能低下，错误处理不完善    If Len(idCard) = 0 Then        GetBirthdayV2 = "身份证号为空"        Exit Function    End If    Dim length As Integer    length = Len(idCard)    If length <> 15 And length <> 18 Then        GetBirthdayV2 = "身份证号长度错误"        Exit Function    End If    Dim yearStr As String    Dim monthStr As String    Dim dayStr As String    Dim year As Integer    Dim month As Integer    Dim day As Integer    On Error GoTo ErrorHandler    If length = 18 Then        ' 18位身份证        yearStr = Mid(idCard, 7, 4)        monthStr = Mid(idCard, 11, 2)        dayStr = Mid(idCard, 13, 2)    Else        ' 15位身份证        yearStr = "19" & Mid(idCard, 7, 2)  ' 🚨 假设都是19xx年        monthStr = Mid(idCard, 9, 2)        dayStr = Mid(idCard, 11, 2)    End If    ' 🚨 没有验证日期合法性    year = CInt(yearStr)    month = CInt(monthStr)    day = CInt(dayStr)    ' 🚨 简单的日期验证    If month < 1 Or month > 12 Then        GetBirthdayV2 = "月份不合法"        Exit Function    End If    If day < 1 Or day > 31 Then        GetBirthdayV2 = "日期不合法"        Exit Function    End If    GetBirthdayV2 = DateSerial(year, month, day)    Exit FunctionErrorHandler:    GetBirthdayV2 = "身份证号格式错误: " & Err.DescriptionEnd Function

Function GetBirthdayV3(idCard As String) As Variant    ' 🚨 完整的验证逻辑    ' 🚨 但代码已经超过100行    ' 🚨 性能问题严重    ' 1. 去除空格    idCard = Trim(idCard)    ' 2. 验证长度    Dim length As Integer    length = Len(idCard)    If length = 0 Then        GetBirthdayV3 = CVErr(xlErrValue)        Exit Function    End If    If length <> 15 And length <> 18 Then        GetBirthdayV3 = CVErr(xlErrValue)        Exit Function    End If    ' 3. 验证字符    Dim i As Integer    For i = 1 To length        Dim ch As String        ch = Mid(idCard, i, 1)        If i <= 17 Then            ' 前17位必须是数字            If ch < "0" Or ch > "9" Then                GetBirthdayV3 = CVErr(xlErrValue)                Exit Function            End If        ElseIf i = 18 Then            ' 第18位可以是数字或X            If Not (IsNumeric(ch) Or UCase(ch) = "X") Then                GetBirthdayV3 = CVErr(xlErrValue)                Exit Function            End If        End If    Next i    ' 4. 提取日期    Dim yearStr As String    Dim monthStr As String    Dim dayStr As String    Dim year As Integer    Dim month As Integer    Dim day As Integer    If length = 18 Then        yearStr = Mid(idCard, 7, 4)        monthStr = Mid(idCard, 11, 2)        dayStr = Mid(idCard, 13, 2)    Else        ' 15位身份证，需要判断世纪        Dim shortYear As Integer        shortYear = CInt(Mid(idCard, 7, 2))        ' 🚨 复杂的世纪判断逻辑        If shortYear >= 0 And shortYear <= 20 Then            ' 00-20年出生的，可能是2000年后            ' 这里需要业务逻辑判断            yearStr = "20" & Format(shortYear, "00")        Else            yearStr = "19" & Format(shortYear, "00")        End If        monthStr = Mid(idCard, 9, 2)        dayStr = Mid(idCard, 11, 2)    End If    year = CInt(yearStr)    month = CInt(monthStr)    day = CInt(dayStr)    ' 5. 验证日期合法性    If month < 1 Or month > 12 Then        GetBirthdayV3 = CVErr(xlErrValue)        Exit Function    End If    ' 检查每月的天数    Dim daysInMonth As Integer    Select Case month        Case 1, 3, 5, 7, 8, 10, 12            daysInMonth = 31        Case 4, 6, 9, 11            daysInMonth = 30        Case 2            ' 🚨 闰年判断            If (year Mod 4 = 0 And year Mod 100 <> 0) Or (year Mod 400 = 0) Then                daysInMonth = 29            Else                daysInMonth = 28            End If    End Select    If day < 1 Or day > daysInMonth Then        GetBirthdayV3 = CVErr(xlErrValue)        Exit Function    End If    ' 6. 验证出生日期范围（假设最小0岁，最大150岁）    Dim currentYear As Integer    currentYear = Year(Date)    If year < currentYear - 150 Or year > currentYear Then        GetBirthdayV3 = CVErr(xlErrValue)        Exit Function    End If    ' 🚨 最后生成日期    On Error Resume Next    GetBirthdayV3 = DateSerial(year, month, day)    If Err.Number <> 0 Then        GetBirthdayV3 = CVErr(xlErrValue)    End IfEnd Function

Function GetAgeVBA(birthdate As Date) As Integer    ' 🚨 年龄计算不准确    ' 🚨 没有考虑是否已过生日    Dim currentDate As Date    currentDate = Date    ' 简单计算年份差    GetAgeVBA = Year(currentDate) - Year(birthdate)End FunctionFunction GetAgeAccurate(birthdate As Date) As Integer    ' 🩹 考虑是否已过生日    ' 🚨 但代码更复杂    Dim currentDate As Date    currentDate = Date    Dim age As Integer    age = Year(currentDate) - Year(birthdate)    ' 如果今年还没过生日，年龄减1    If Month(currentDate) < Month(birthdate) Then        age = age - 1    ElseIf Month(currentDate) = Month(birthdate) Then        If Day(currentDate) < Day(birthdate) Then            age = age - 1        End If    End If    GetAgeAccurate = ageEnd Function

import pandas as pdimport numpy as npfrom datetime import datetime, dateimport refrom typing import Optional, Tuple, Dict, Any, Union, Listimport warningswarnings.filterwarnings('ignore')class IDCardParser:    """身份证号解析器 - 工业级解决方案"""    def __init__(self):        """初始化解析器"""        # 中国行政区划代码（2023年版）        self.region_codes = self._load_region_codes()        # 校验码权重        self.weights = [7, 9, 10, 5, 8, 4, 2, 1, 6, 3, 7, 9, 10, 5, 8, 4, 2]        # 校验码映射        self.check_codes = {            0: '1', 1: '0', 2: 'X', 3: '9', 4: '8',            5: '7', 6: '6', 7: '5', 8: '4', 9: '3', 10: '2'        }        # 身份证号长度        self.valid_lengths = {15, 18}    def _load_region_codes(self) -> Dict:        """加载行政区划代码"""        # 这里可以连接数据库或读取配置文件        # 简化版：只包含部分省份代码        return {            '11': '北京市',            '12': '天津市',            '13': '河北省',            '14': '山西省',            '15': '内蒙古自治区',            '21': '辽宁省',            '22': '吉林省',            '23': '黑龙江省',            '31': '上海市',            '32': '江苏省',            '33': '浙江省',            '34': '安徽省',            '35': '福建省',            '36': '江西省',            '37': '山东省',            '41': '河南省',            '42': '湖北省',            '43': '湖南省',            '44': '广东省',            '45': '广西壮族自治区',            '46': '海南省',            '50': '重庆市',            '51': '四川省',            '52': '贵州省',            '53': '云南省',            '54': '西藏自治区',            '61': '陕西省',            '62': '甘肃省',            '63': '青海省',            '64': '宁夏回族自治区',            '65': '新疆维吾尔自治区',            '71': '台湾省',            '81': '香港特别行政区',            '82': '澳门特别行政区'        }    def validate_id_card(self, id_card: str) -> Tuple[bool, str]:        """        验证身份证号合法性        参数:            id_card: 身份证号字符串        返回:            (是否合法, 错误信息)        """        if not id_card or pd.isna(id_card):            return False, "身份证号为空"        # 转换为字符串，去除空格        id_card = str(id_card).strip()        # 验证长度        if len(id_card) not in self.valid_lengths:            return False, f"长度错误: {len(id_card)}位 (应为15或18位)"        # 验证字符        if len(id_card) == 18:            # 前17位必须是数字            if not id_card[:17].isdigit():                return False, "前17位必须为数字"            # 第18位可以是数字或X            last_char = id_card[17].upper()            if not (last_char.isdigit() or last_char == 'X'):                return False, "第18位必须为数字或X"            # 验证校验码            if not self._validate_check_code(id_card):                return False, "校验码错误"        else:  # 15位            if not id_card.isdigit():                return False, "必须全部为数字"        return True, "验证通过"    def _validate_check_code(self, id_card: str) -> bool:        """验证18位身份证校验码"""        if len(id_card) != 18:            return False        # 计算校验码        total = 0        for i in range(17):            total += int(id_card[i]) * self.weights[i]        remainder = total % 11        correct_check_code = self.check_codes[remainder]        return id_card[17].upper() == correct_check_code    def extract_birthday_simple(self, id_card: str) -> Optional[date]:        """        提取生日（简化版）        参数:            id_card: 身份证号        返回:            datetime.date对象 或 None        """        # 基本验证        is_valid, msg = self.validate_id_card(id_card)        if not is_valid:            print(f"身份证号验证失败: {msg}")            return None        # 提取日期部分        if len(id_card) == 18:            date_str = id_card[6:14]  # YYYYMMDD        else:  # 15位            date_str = "19" + id_card[6:12]  # 19YYMMDD        # 解析日期        try:            return datetime.strptime(date_str, "%Y%m%d").date()        except ValueError as e:            print(f"日期解析失败: {date_str}, 错误: {e}")            return None    def calculate_age_simple(self, birthday: date) -> Optional[int]:        """        计算年龄（简化版）        参数:            birthday: 出生日期        返回:            年龄（整数）或 None        """        if not birthday:            return None        today = date.today()        # 计算年龄        age = today.year - birthday.year        # 如果今年还没过生日，年龄减1        if (today.month, today.day) < (birthday.month, birthday.day):            age -= 1        return age    def batch_process_basic(self, df: pd.DataFrame, id_col: str = 'id_card') -> pd.DataFrame:        """        批量处理身份证号（基础版）        参数:            df: 包含身份证号的DataFrame            id_col: 身份证号列名        返回:            添加了生日和年龄列的DataFrame        """        print("=" * 60)        print("开始批量处理身份证号")        print("=" * 60)        # 复制数据，避免修改原数据        result_df = df.copy()        # 验证身份证号        print("🔍 验证身份证号格式...")        validation_results = result_df[id_col].apply(self.validate_id_card)        # 分离验证结果        is_valid = validation_results.apply(lambda x: x[0])        error_msgs = validation_results.apply(lambda x: x[1])        # 统计验证结果        valid_count = is_valid.sum()        invalid_count = len(is_valid) - valid_count        print(f"✅ 有效身份证号: {valid_count} 个")        print(f"❌ 无效身份证号: {invalid_count} 个")        if invalid_count > 0:            print("\n📋 无效身份证号示例:")            invalid_samples = result_df[~is_valid].head(10)            for idx, row in invalid_samples.iterrows():                print(f"  行{idx}: {row[id_col]} - 错误: {error_msgs[idx]}")        # 提取生日        print("\n🎂 提取出生日期...")        result_df['birthday'] = result_df[id_col].apply(self.extract_birthday_simple)        # 计算年龄        print("🔢 计算年龄...")        result_df['age'] = result_df['birthday'].apply(self.calculate_age_simple)        # 添加验证状态        result_df['id_valid'] = is_valid        result_df['id_error'] = error_msgs        # 统计年龄分布        print("\n📊 年龄分布统计:")        age_stats = result_df['age'].describe()        print(f"  平均年龄: {age_stats['mean']:.1f}岁")        print(f"  最小年龄: {age_stats['min']:.0f}岁")        print(f"  最大年龄: {age_stats['max']:.0f}岁")        print(f"  年龄中位数: {age_stats['50%']:.0f}岁")        # 年龄分段统计        print("\n📈 年龄分段统计:")        age_bins = [0, 18, 25, 35, 45, 55, 65, 100]        age_labels = ['0-18岁', '19-25岁', '26-35岁', '36-45岁', '46-55岁', '56-65岁', '65岁以上']        result_df['age_group'] = pd.cut(            result_df['age'],            bins=age_bins,            labels=age_labels,            right=False        )        age_group_counts = result_df['age_group'].value_counts().sort_index()        for group, count in age_group_counts.items():            percentage = count / len(result_df) * 100            print(f"  {group}: {count:6d}人 ({percentage:5.1f}%)")        return result_df

# 创建示例数据def create_sample_data(n_samples: int = 10000) -> pd.DataFrame:    """生成测试数据"""    np.random.seed(42)    # 生成随机的身份证号（仅用于演示，非真实身份证号）    def generate_id_card():        # 随机省份        province_codes = list(id_parser.region_codes.keys())        province = np.random.choice(province_codes)        # 随机出生日期（1950-2010年）        birth_year = np.random.randint(1950, 2010)        birth_month = np.random.randint(1, 13)        # 处理不同月份的天数        if birth_month in [1, 3, 5, 7, 8, 10, 12]:            birth_day = np.random.randint(1, 32)        elif birth_month == 2:            # 简单处理2月            birth_day = np.random.randint(1, 29)        else:            birth_day = np.random.randint(1, 31)        # 顺序码        seq_code = f"{np.random.randint(0, 1000):03d}"        # 生成前17位        first_17 = f"{province}0101{birth_year:04d}{birth_month:02d}{birth_day:02d}{seq_code}"        # 计算校验码        total = 0        for i in range(17):            total += int(first_17[i]) * id_parser.weights[i]        remainder = total % 11        check_code = id_parser.check_codes[remainder]        return first_17 + check_code    # 生成数据    data = []    for i in range(n_samples):        id_card = generate_id_card()        # 随机使部分数据无效        if np.random.random() < 0.05:  # 5%的无效数据            # 随机修改一位            idx = np.random.randint(0, 18)            new_char = str(np.random.randint(0, 10))            id_card = id_card[:idx] + new_char + id_card[idx+1:]        data.append({            'id': f"CUST{100000 + i:06d}",            'id_card': id_card,            'name': f"客户{i+1}",            'gender': np.random.choice(['男', '女']),            'register_date': pd.Timestamp('2020-01-01') + pd.Timedelta(days=np.random.randint(0, 1500))        })    return pd.DataFrame(data)# 创建解析器id_parser = IDCardParser()# 生成测试数据sample_data = create_sample_data(10000)print(f"📁 创建测试数据: {len(sample_data)} 条记录")# 批量处理result = id_parser.batch_process_basic(sample_data, 'id_card')# 查看结果print("\n📋 处理结果示例:")print(result[['id', 'id_card', 'birthday', 'age', 'id_valid']].head(10))

class IDCardParserAdvanced(IDCardParser):    """高级身份证号解析器 - 向量化优化"""    def batch_process_vectorized(self, df: pd.DataFrame, id_col: str = 'id_card') -> pd.DataFrame:        """        批量处理身份证号（向量化版本）        参数:            df: 包含身份证号的DataFrame            id_col: 身份证号列名        返回:            添加了生日和年龄列的DataFrame        """        print("=" * 60)        print("高级批量处理 - 向量化优化")        print("=" * 60)        import time        start_time = time.time()        # 复制数据        result_df = df.copy()        # 🎯 向量化验证        print("🔍 向量化验证身份证号...")        validation_start = time.time()        # 向量化操作        id_series = result_df[id_col].astype(str).str.strip()        # 验证长度        valid_length = id_series.str.len().isin([15, 18])        # 验证字符        if id_series.str.len().eq(18).any():            # 18位验证            mask_18 = id_series.str.len() == 18            first_17_digits = id_series[mask_18].str[:17].str.isdigit()            last_char_valid = id_series[mask_18].str[17].str.upper().isin(['0', '1', '2', '3', '4', '5', '6', '7', '8', '9', 'X'])            valid_18 = first_17_digits & last_char_valid            # 向量化计算校验码            def vectorized_check_code(ids):                if len(ids) == 0:                    return pd.Series([], dtype=bool)                # 计算校验码                def calc_check_code(id_str):                    total = 0                    for i in range(17):                        total += int(id_str[i]) * self.weights[i]                    remainder = total % 11                    return self.check_codes[remainder]                check_codes = ids.apply(calc_check_code)                actual_codes = ids.str[17].str.upper()                return check_codes == actual_codes            check_code_valid = vectorized_check_code(id_series[mask_18])            valid_18 = valid_18 & check_code_valid        # 15位验证        mask_15 = id_series.str.len() == 15        valid_15 = mask_15 & id_series[mask_15].str.isdigit()        # 合并验证结果        result_df['id_valid'] = False        result_df.loc[valid_15.index[valid_15], 'id_valid'] = True        if mask_18.any():            result_df.loc[valid_18.index[valid_18], 'id_valid'] = True        # 错误信息        result_df['id_error'] = ''        result_df.loc[~valid_length, 'id_error'] = '长度错误'        result_df.loc[~id_series.str[:17].str.isdigit() & id_series.str.len().eq(18), 'id_error'] = '前17位必须为数字'        result_df.loc[~id_series.str[17].str.upper().isin(['0', '1', '2', '3', '4', '5', '6', '7', '8', '9', 'X']) &                      id_series.str.len().eq(18), 'id_error'] = '第18位必须为数字或X'        validation_time = time.time() - validation_start        print(f"  验证完成，耗时: {validation_time:.2f}秒")        # 🎯 向量化提取生日        print("🎂 向量化提取出生日期...")        birthday_start = time.time()        # 创建日期字符串        date_series = pd.Series(index=result_df.index, dtype=str)        # 18位身份证        mask_18_valid = (id_series.str.len() == 18) & result_df['id_valid']        date_series[mask_18_valid] = id_series[mask_18_valid].str[6:14]  # YYYYMMDD        # 15位身份证        mask_15_valid = (id_series.str.len() == 15) & result_df['id_valid']        # 🎯 智能世纪判断        def determine_century(year_2digit):            """判断15位身份证的世纪"""            year_int = int(year_2digit)            # 业务规则：            # 1. 00-20: 可能是2000-2020年出生            # 2. 21-99: 可能是1921-1999年出生            # 这里可以根据实际业务调整            if 0 <= year_int <= 20:                return "20"  # 2000-2020            else:                return "19"  # 1921-1999        if mask_15_valid.any():            # 提取2位年份            year_2digit = id_series[mask_15_valid].str[6:8]            # 向量化判断世纪            centuries = year_2digit.apply(determine_century)            # 组合完整日期            month_day = id_series[mask_15_valid].str[8:12]            date_series[mask_15_valid] = centuries + year_2digit + month_day        # 转换为日期类型        result_df['birthday'] = pd.to_datetime(date_series, format='%Y%m%d', errors='coerce').dt.date        birthday_time = time.time() - birthday_start        print(f"  生日提取完成，耗时: {birthday_time:.2f}秒")        # 🎯 向量化计算年龄        print("🔢 向量化计算年龄...")        age_start = time.time()        today = pd.Timestamp.today().date()        # 向量化计算年龄        if not result_df['birthday'].empty:            # 转换为日期时间用于计算            birthday_dt = pd.to_datetime(result_df['birthday'])            today_dt = pd.Timestamp.today()            # 计算年份差            age_series = today_dt.year - birthday_dt.dt.year            # 调整：如果今年还没过生日            has_birthday_passed = (                (today_dt.month > birthday_dt.dt.month) |                ((today_dt.month == birthday_dt.dt.month) & (today_dt.day >= birthday_dt.dt.day))            )            age_series = age_series - (~has_birthday_passed).astype(int)            result_df['age'] = age_series.astype('Int64')  # 可处理NaN的整数类型        age_time = time.time() - age_start        print(f"  年龄计算完成，耗时: {age_time:.2f}秒")        # 🎯 提取更多信息        print("📋 提取详细信息...")        info_start = time.time()        # 提取性别        result_df['gender_from_id'] = result_df[id_col].apply(self.extract_gender)        # 提取地区        result_df['province'] = result_df[id_col].str[:2].map(self.region_codes)        # 提取出生年份、月份、日期        result_df['birth_year'] = result_df['birthday'].apply(lambda x: x.year if pd.notnull(x) else None)        result_df['birth_month'] = result_df['birthday'].apply(lambda x: x.month if pd.notnull(x) else None)        result_df['birth_day'] = result_df['birthday'].apply(lambda x: x.day if pd.notnull(x) else None)        # 星座        result_df['zodiac'] = result_df['birthday'].apply(self.get_zodiac)        # 生肖        result_df['chinese_zodiac'] = result_df['birth_year'].apply(self.get_chinese_zodiac)        # 年龄分组        age_bins = [0, 18, 25, 35, 45, 55, 65, 100]        age_labels = ['未成年(0-18)', '青年(19-25)', '青壮年(26-35)',                      '中年(36-45)', '中老年(46-55)', '老年(56-65)', '高龄(65+)']        result_df['age_group'] = pd.cut(            result_df['age'],            bins=age_bins,            labels=age_labels,            right=False        ).astype(str)        info_time = time.time() - info_start        # 统计信息        total_time = time.time() - start_time        print("\n" + "=" * 60)        print("处理完成统计:")        print("=" * 60)        print(f"📁 总记录数: {len(result_df):,}")        print(f"✅ 有效身份证: {result_df['id_valid'].sum():,}")        print(f"❌ 无效身份证: {(~result_df['id_valid']).sum():,}")        print(f"⏱️  总耗时: {total_time:.2f}秒")        print(f"  平均每条: {total_time/len(result_df)*1000:.2f}毫秒")        if result_df['id_valid'].sum() > 0:            valid_data = result_df[result_df['id_valid']]            print(f"\n📊 年龄统计:")            print(f"  平均年龄: {valid_data['age'].mean():.1f}岁")            print(f"  最小年龄: {valid_data['age'].min():.0f}岁")            print(f"  最大年龄: {valid_data['age'].max():.0f}岁")            print(f"  年龄中位数: {valid_data['age'].median():.0f}岁")            print(f"\n👥 性别分布:")            if 'gender_from_id' in valid_data.columns:                gender_counts = valid_data['gender_from_id'].value_counts()                for gender, count in gender_counts.items():                    percentage = count / len(valid_data) * 100                    print(f"  {gender}: {count:,}人 ({percentage:.1f}%)")            print(f"\n🗺️  地区分布 TOP 10:")            if 'province' in valid_data.columns:                province_counts = valid_data['province'].value_counts().head(10)                for province, count in province_counts.items():                    percentage = count / len(valid_data) * 100                    print(f"  {province}: {count:,}人 ({percentage:.1f}%)")            print(f"\n♈ 星座分布:")            if 'zodiac' in valid_data.columns:                zodiac_counts = valid_data['zodiac'].value_counts()                for zodiac, count in zodiac_counts.items():                    percentage = count / len(valid_data) * 100                    print(f"  {zodiac}: {count:,}人 ({percentage:.1f}%)")        return result_df    def extract_gender(self, id_card: str) -> Optional[str]:        """从身份证号提取性别"""        if not id_card or pd.isna(id_card):            return None        id_card = str(id_card).strip()        if len(id_card) == 18:            gender_code = int(id_card[16])  # 第17位        elif len(id_card) == 15:            gender_code = int(id_card[14])  # 第15位        else:            return None        # 奇数男性，偶数女性        return '男' if gender_code % 2 == 1 else '女'    def get_zodiac(self, birthday: date) -> Optional[str]:        """根据生日获取星座"""        if not birthday or pd.isna(birthday):            return None        month = birthday.month        day = birthday.day        zodiac_dates = [            (1, 20, "水瓶座"), (2, 19, "双鱼座"), (3, 21, "白羊座"),            (4, 20, "金牛座"), (5, 21, "双子座"), (6, 21, "巨蟹座"),            (7, 23, "狮子座"), (8, 23, "处女座"), (9, 23, "天秤座"),            (10, 24, "天蝎座"), (11, 22, "射手座"), (12, 22, "摩羯座"),            (12, 31, "摩羯座")  # 处理12月22日之后        ]        for i, (m, d, zodiac) in enumerate(zodiac_dates):            if (month == m and day <= d) or (month == m+1 and day > d):                return zodiac        return "摩羯座"  # 默认    def get_chinese_zodiac(self, year: int) -> Optional[str]:        """根据年份获取生肖"""        if not year or pd.isna(year):            return None        zodiacs = ["鼠", "牛", "虎", "兔", "龙", "蛇",                   "马", "羊", "猴", "鸡", "狗", "猪"]        # 1900年是鼠年        return zodiacs[(year - 1900) % 12]

# 创建高级解析器advanced_parser = IDCardParserAdvanced()# 生成更大规模数据print("生成大规模测试数据...")large_data = create_sample_data(100000)  # 10万条print(f"数据规模: {len(large_data):,} 条记录")# 批量处理print("\n开始向量化处理...")result_advanced = advanced_parser.batch_process_vectorized(large_data, 'id_card')# 查看详细结果print("\n📋 处理结果示例 (前5行):")sample_cols = ['id', 'id_card', 'birthday', 'age', 'gender_from_id', 'province', 'zodiac']print(result_advanced[sample_cols].head())# 保存结果output_file = '身份证解析结果.csv'result_advanced.to_csv(output_file, index=False, encoding='utf-8-sig')print(f"\n💾 结果已保存到: {output_file}")

def performance_comparison():    """性能对比测试"""    import time    import numpy as np    print("性能对比: VBA逻辑模拟 vs Python向量化")    print("=" * 60)    # 生成测试数据    np.random.seed(42)    test_sizes = [1000, 10000, 100000, 1000000]    results = []    for size in test_sizes:        print(f"\n数据规模: {size:,} 条")        print("-" * 40)        # 生成测试数据        test_data = create_sample_data(size)        # Python向量化方法        start_time = time.time()        parser = IDCardParserAdvanced()        python_result = parser.batch_process_vectorized(test_data, 'id_card')        python_time = time.time() - start_time        # VBA逻辑模拟（Python实现相同逻辑）        start_time = time.time()        birthdays = []        ages = []        for _, row in test_data.iterrows():            id_card = str(row['id_card']).strip()            # VBA逻辑模拟            if len(id_card) == 18:                date_str = id_card[6:14]            elif len(id_card) == 15:                date_str = "19" + id_card[6:12]            else:                birthdays.append(None)                ages.append(None)                continue            try:                # 解析日期                birthday = datetime.strptime(date_str, "%Y%m%d").date()                birthdays.append(birthday)                # 计算年龄                today = date.today()                age = today.year - birthday.year                if (today.month, today.day) < (birthday.month, birthday.day):                    age -= 1                ages.append(age)            except:                birthdays.append(None)                ages.append(None)        vba_time = time.time() - start_time        # 验证结果一致性        python_birthdays = python_result['birthday'].tolist()        python_ages = python_result['age'].tolist()        # 对比结果        matches = 0        total = min(len(birthdays), len(python_birthdays))        for i in range(total):            if birthdays[i] == python_birthdays[i] and ages[i] == python_ages[i]:                matches += 1        accuracy = matches / total * 100 if total > 0 else 0        print(f"Python向量化: {python_time:.3f}秒")        print(f"VBA逻辑模拟: {vba_time:.3f}秒")        print(f"速度提升: {vba_time/python_time:.1f}倍")        print(f"结果一致性: {accuracy:.2f}%")        results.append({            '数据量': size,            'Python时间(秒)': python_time,            'VBA时间(秒)': vba_time,            '速度提升倍数': vba_time / python_time,            '准确率(%)': accuracy        })    # 汇总结果    results_df = pd.DataFrame(results)    print("\n" + "=" * 60)    print("性能对比汇总:")    print(results_df.to_string(index=False))    return results_df# 运行性能测试performance_results = performance_comparison()

class ProductionIDCardProcessor(IDCardParserAdvanced):    """生产环境身份证处理器"""    def process_with_error_handling(self, df: pd.DataFrame, id_col: str) -> Dict[str, Any]:        """        生产环境处理，包含完整错误处理        返回:            {                'success': bool,                'data': DataFrame,                'stats': Dict,                'errors': List,                'warnings': List            }        """        result = {            'success': False,            'data': None,            'stats': {},            'errors': [],            'warnings': []        }        try:            # 1. 数据验证            if id_col not in df.columns:                result['errors'].append(f"列 '{id_col}' 不存在")                return result            if df.empty:                result['warnings'].append("数据为空")                return result            # 2. 数据预处理            df_clean = df.copy()            # 处理空值            null_count = df_clean[id_col].isnull().sum()            if null_count > 0:                result['warnings'].append(f"发现 {null_count} 个空值，已标记")                df_clean[f'{id_col}_is_null'] = df_clean[id_col].isnull()            # 转换为字符串            df_clean[id_col] = df_clean[id_col].astype(str).str.strip()            # 3. 批量处理            processed_df = self.batch_process_vectorized(df_clean, id_col)            # 4. 统计信息            stats = self._generate_statistics(processed_df)            # 5. 数据质量报告            quality_report = self._generate_quality_report(processed_df)            result.update({                'success': True,                'data': processed_df,                'stats': stats,                'quality_report': quality_report            })        except Exception as e:            result['errors'].append(f"处理失败: {str(e)}")            import traceback            result['errors'].append(traceback.format_exc())        return result    def _generate_statistics(self, df: pd.DataFrame) -> Dict:        """生成统计信息"""        stats = {            'total_records': len(df),            'valid_records': df['id_valid'].sum() if 'id_valid' in df.columns else 0,            'invalid_records': (~df['id_valid']).sum() if 'id_valid' in df.columns else 0,            'valid_rate': 0,            'age_distribution': {},            'gender_distribution': {},            'province_distribution': {},            'error_types': {}        }        if stats['total_records'] > 0:            stats['valid_rate'] = stats['valid_records'] / stats['total_records'] * 100        # 年龄分布        if 'age' in df.columns:            age_stats = df['age'].describe().to_dict()            stats['age_statistics'] = age_stats        # 性别分布        if 'gender_from_id' in df.columns:            gender_counts = df['gender_from_id'].value_counts().to_dict()            stats['gender_distribution'] = gender_counts        # 地区分布        if 'province' in df.columns:            province_counts = df['province'].value_counts().head(20).to_dict()            stats['province_distribution'] = province_counts        # 错误类型统计        if 'id_error' in df.columns:            error_counts = df[~df['id_valid']]['id_error'].value_counts().to_dict()            stats['error_types'] = error_counts        return stats    def _generate_quality_report(self, df: pd.DataFrame) -> str:        """生成数据质量报告"""        report_lines = []        report_lines.append("=" * 60)        report_lines.append("身份证数据质量报告")        report_lines.append("=" * 60)        # 基本信息        total = len(df)        valid = df['id_valid'].sum() if 'id_valid' in df.columns else 0        invalid = total - valid        report_lines.append(f"\n📊 基本信息:")        report_lines.append(f"  总记录数: {total:,}")        report_lines.append(f"  有效记录: {valid:,} ({valid/total*100:.1f}%)")        report_lines.append(f"  无效记录: {invalid:,} ({invalid/total*100:.1f}%)")        # 错误详情        if invalid > 0 and 'id_error' in df.columns:            report_lines.append(f"\n❌ 错误详情:")            error_counts = df[~df['id_valid']]['id_error'].value_counts()            for error_type, count in error_counts.items():                percentage = count / invalid * 100                report_lines.append(f"  {error_type}: {count:,} ({percentage:.1f}%)")        # 年龄分布        if 'age' in df.columns and valid > 0:            valid_ages = df[df['id_valid']]['age'].dropna()            report_lines.append(f"\n🎂 年龄分布:")            report_lines.append(f"  平均年龄: {valid_ages.mean():.1f}岁")            report_lines.append(f"  最小年龄: {valid_ages.min():.0f}岁")            report_lines.append(f"  最大年龄: {valid_ages.max():.0f}岁")            report_lines.append(f"  年龄中位数: {valid_ages.median():.0f}岁")            # 年龄分段            age_bins = [0, 18, 30, 40, 50, 60, 100]            age_labels = ['0-18岁', '19-30岁', '31-40岁', '41-50岁', '51-60岁', '60+岁']            age_groups = pd.cut(valid_ages, bins=age_bins, labels=age_labels)            group_counts = age_groups.value_counts().sort_index()            report_lines.append(f"\n📈 年龄分段:")            for group, count in group_counts.items():                percentage = count / len(valid_ages) * 100                report_lines.append(f"  {group}: {count:,}人 ({percentage:.1f}%)")        # 性别分布        if 'gender_from_id' in df.columns and valid > 0:            valid_genders = df[df['id_valid']]['gender_from_id'].dropna()            gender_counts = valid_genders.value_counts()            report_lines.append(f"\n👥 性别分布:")            for gender, count in gender_counts.items():                percentage = count / len(valid_genders) * 100                report_lines.append(f"  {gender}: {count:,}人 ({percentage:.1f}%)")        # 地区分布        if 'province' in df.columns and valid > 0:            valid_provinces = df[df['id_valid']]['province'].dropna()            province_counts = valid_provinces.value_counts().head(10)            report_lines.append(f"\n🗺️  地区分布 TOP 10:")            for province, count in province_counts.items():                percentage = count / len(valid_provinces) * 100                report_lines.append(f"  {province}: {count:,}人 ({percentage:.1f}%)")        # 星座分布        if 'zodiac' in df.columns and valid > 0:            valid_zodiacs = df[df['id_valid']]['zodiac'].dropna()            zodiac_counts = valid_zodiacs.value_counts()            report_lines.append(f"\n♈ 星座分布:")            for zodiac, count in zodiac_counts.head(5).items():                percentage = count / len(valid_zodiacs) * 100                report_lines.append(f"  {zodiac}: {count:,}人 ({percentage:.1f}%)")        report_lines.append("\n" + "=" * 60)        report_lines.append("报告生成时间: " + datetime.now().strftime("%Y-%m-%d %H:%M:%S"))        return "\n".join(report_lines)    def save_results(self, df: pd.DataFrame, output_path: str,                      formats: List[str] = ['csv', 'excel', 'json']) -> Dict[str, str]:        """        保存处理结果到多种格式        参数:            df: 处理后的DataFrame            output_path: 输出路径（不带扩展名）            formats: 输出格式列表        返回:            保存的文件路径字典        """        saved_files = {}        # 确保输出目录存在        import os        output_dir = os.path.dirname(output_path)        if output_dir and not os.path.exists(output_dir):            os.makedirs(output_dir)        # 保存为不同格式        base_path = output_path.rstrip('.')        if 'csv' in formats:            csv_path = f"{base_path}.csv"            df.to_csv(csv_path, index=False, encoding='utf-8-sig')            saved_files['csv'] = csv_path            print(f"💾 CSV文件已保存: {csv_path}")        if 'excel' in formats:            excel_path = f"{base_path}.xlsx"            with pd.ExcelWriter(excel_path, engine='openpyxl') as writer:                # 主数据                df.to_excel(writer, sheet_name='客户信息', index=False)                # 统计信息                stats_df = pd.DataFrame([{                    '总记录数': len(df),                    '有效记录': df['id_valid'].sum() if 'id_valid' in df.columns else 0,                    '无效记录': (~df['id_valid']).sum() if 'id_valid' in df.columns else 0,                    '有效比例': f"{df['id_valid'].sum()/len(df)*100:.1f}%" if 'id_valid' in df.columns else '0%',                    '平均年龄': df['age'].mean() if 'age' in df.columns else None,                    '最小年龄': df['age'].min() if 'age' in df.columns else None,                    '最大年龄': df['age'].max() if 'age' in df.columns else None                }])                stats_df.to_excel(writer, sheet_name='统计信息', index=False)                # 错误明细                if 'id_error' in df.columns and (~df['id_valid']).sum() > 0:                    error_df = df[~df['id_valid']][['id_card', 'id_error']]                    error_df.to_excel(writer, sheet_name='错误明细', index=False)            saved_files['excel'] = excel_path            print(f"💾 Excel文件已保存: {excel_path}")        if 'json' in formats:            json_path = f"{base_path}.json"            # 保存为JSON格式            json_data = {                'metadata': {                    'total_records': len(df),                    'valid_records': int(df['id_valid'].sum()) if 'id_valid' in df.columns else 0,                    'generated_at': datetime.now().isoformat()                },                'data': df.head(1000).to_dict('records')  # 只保存前1000条            }            import json            with open(json_path, 'w', encoding='utf-8') as f:                json.dump(json_data, f, ensure_ascii=False, indent=2)            saved_files['json'] = json_path            print(f"💾 JSON文件已保存: {json_path}")        return saved_files

def complete_workflow_example():    """完整工作流示例"""    print("=" * 60)    print("身份证信息补全 - 完整工作流")    print("=" * 60)    # 1. 创建处理器    processor = ProductionIDCardProcessor()    # 2. 加载数据（模拟从数据库或文件读取）    print("\n1. 📥 加载数据...")    data = create_sample_data(50000)  # 5万条测试数据    print(f"   加载 {len(data):,} 条记录")    # 3. 处理数据    print("\n2. ⚙️  处理数据...")    result = processor.process_with_error_handling(data, 'id_card')    if not result['success']:        print("❌ 处理失败:")        for error in result['errors']:            print(f"   {error}")        return    # 4. 生成报告    print("\n3. 📊 生成报告...")    print(result['quality_report'])    # 5. 保存结果    print("\n4. 💾 保存结果...")    saved_files = processor.save_results(        result['data'],         'output/客户信息补全结果',        formats=['csv', 'excel']    )    # 6. 发送通知（模拟）    print("\n5. 📧 发送通知...")    send_notification(result, saved_files)    print("\n✅ 处理完成!")    return resultdef send_notification(result, saved_files):    """发送处理完成通知"""    stats = result['stats']    # 构建消息    message = f"""📊 身份证信息补全处理完成📈 处理统计:  总记录数: {stats.get('total_records', 0):,}  有效记录: {stats.get('valid_records', 0):,} ({stats.get('valid_rate', 0):.1f}%)  无效记录: {stats.get('invalid_records', 0):,} ({(100 - stats.get('valid_rate', 0)):.1f}%)💾 输出文件:  CSV文件: {saved_files.get('csv', '未生成')}  Excel文件: {saved_files.get('excel', '未生成')}⏰ 生成时间: {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}"""    print(message)    # 这里可以添加邮件、钉钉、企业微信等通知    # send_email(message)    # send_dingtalk(message)# 运行完整工作流result = complete_workflow_example()

class BankCustomerProfiler:    """银行客户画像系统"""    def __init__(self):        self.id_parser = ProductionIDCardProcessor()    def create_customer_profile(self, customer_data: pd.DataFrame) -> pd.DataFrame:        """创建客户画像"""        # 1. 解析身份证信息        result = self.id_parser.process_with_error_handling(customer_data, 'id_card')        if not result['success']:            raise Exception(f"身份证解析失败: {result['errors']}")        profile_df = result['data']        # 2. 添加客户标签        profile_df = self._add_customer_tags(profile_df)        # 3. 风险评估        profile_df = self._assess_risk_level(profile_df)        # 4. 营销推荐        profile_df = self._generate_marketing_recommendations(profile_df)        return profile_df    def _add_customer_tags(self, df: pd.DataFrame) -> pd.DataFrame:        """添加客户标签"""        # 年龄标签        def get_age_tag(age):            if pd.isna(age):                return '未知'            if age < 18:                return '未成年'            elif age < 30:                return '青年'            elif age < 45:                return '中年'            elif age < 60:                return '中老年'            else:                return '老年'        df['age_tag'] = df['age'].apply(get_age_tag)        # 星座标签        zodiac_tags = {            '白羊座': '积极进取型',            '金牛座': '稳健保守型',            '双子座': '灵活多变型',            '巨蟹座': '家庭导向型',            '狮子座': '领导型',            '处女座': '谨慎细致型',            '天秤座': '平衡和谐型',            '天蝎座': '深度思考型',            '射手座': '冒险型',            '摩羯座': '务实型',            '水瓶座': '创新型',            '双鱼座': '感性型'        }        df['zodiac_tag'] = df['zodiac'].map(zodiac_tags)        # 生肖标签        chinese_zodiac_tags = {            '鼠': '机智灵活',            '牛': '勤奋踏实',            '虎': '勇敢果断',            '兔': '谨慎温和',            '龙': '自信热情',            '蛇': '深思熟虑',            '马': '自由奔放',            '羊': '温和善良',            '猴': '聪明机灵',            '鸡': '精确细致',            '狗': '忠诚可靠',            '猪': '随和乐观'        }        df['chinese_zodiac_tag'] = df['chinese_zodiac'].map(chinese_zodiac_tags)        return df    def _assess_risk_level(self, df: pd.DataFrame) -> pd.DataFrame:        """风险评估"""        def calculate_risk_score(row):            score = 0            # 年龄风险            age = row.get('age')            if not pd.isna(age):                if age < 22 or age > 65:                    score += 20                elif age < 30:                    score += 10                elif age >= 30 and age <= 50:                    score -= 10            # 地区风险（简化版）            province = row.get('province', '')            high_risk_provinces = ['云南省', '广西壮族自治区', '广东省']            if province in high_risk_provinces:                score += 15            # 星座风险（娱乐性质）            zodiac = row.get('zodiac', '')            risk_zodiacs = ['射手座', '白羊座', '狮子座']  # 喜欢冒险的星座            if zodiac in risk_zodiacs:                score += 5            # 确定风险等级            if score >= 30:                return '高风险'            elif score >= 20:                return '中高风险'            elif score >= 10:                return '中风险'            elif score >= 0:                return '中低风险'            else:                return '低风险'        df['risk_level'] = df.apply(calculate_risk_score, axis=1)        return df    def _generate_marketing_recommendations(self, df: pd.DataFrame) -> pd.DataFrame:        """生成营销推荐"""        def get_recommendation(row):            age = row.get('age')            gender = row.get('gender_from_id')            zodiac = row.get('zodiac')            age_tag = row.get('age_tag')            recommendations = []            # 基于年龄的推荐            if not pd.isna(age):                if age < 25:                    recommendations.extend(['校园信用卡', '教育贷款', '旅行保险'])                elif age < 35:                    recommendations.extend(['消费贷款', '车贷', '健康保险'])                elif age < 50:                    recommendations.extend(['房贷', '理财保险', '子女教育金'])                else:                    recommendations.extend(['养老金规划', '医疗保险', '遗产规划'])            # 基于性别的推荐            if gender == '男':                recommendations.extend(['汽车金融', '运动装备分期'])            elif gender == '女':                recommendations.extend(['美容消费贷', '母婴分期'])            # 基于星座的推荐（娱乐性质）            if zodiac in ['金牛座', '处女座', '摩羯座']:                recommendations.append('稳健型理财')            elif zodiac in ['白羊座', '狮子座', '射手座']:                recommendations.append('进取型投资')            # 去重            unique_recommendations = list(dict.fromkeys(recommendations))            return '、'.join(unique_recommendations[:3])  # 返回前3个        df['recommendations'] = df.apply(get_recommendation, axis=1)        return df

class InsurancePricingEngine:    """保险定价引擎"""    def __init__(self):        self.id_parser = IDCardParserAdvanced()    def calculate_premium(self, customer_data: pd.DataFrame) -> pd.DataFrame:        """计算保费"""        # 解析身份证信息        customer_data = self.id_parser.batch_process_vectorized(customer_data, 'id_card')        # 计算基础保费        customer_data['base_premium'] = 1000  # 基础保费        # 年龄系数        customer_data['age_factor'] = customer_data['age'].apply(self._get_age_factor)        # 地区系数        customer_data['region_factor'] = customer_data['province'].apply(self._get_region_factor)        # 性别系数        customer_data['gender_factor'] = customer_data['gender_from_id'].apply(            lambda x: 0.9 if x == '女' else 1.0        )        # 总保费        customer_data['total_premium'] = (            customer_data['base_premium'] *             customer_data['age_factor'] *             customer_data['region_factor'] *             customer_data['gender_factor']        ).round(2)        return customer_data    def _get_age_factor(self, age):        """获取年龄系数"""        if pd.isna(age):            return 1.5  # 默认较高风险        if age < 18:            return 1.8        elif age < 30:            return 1.0        elif age < 45:            return 1.2        elif age < 60:            return 1.5        else:            return 2.0    def _get_region_factor(self, province):        """获取地区系数"""        if pd.isna(province):            return 1.2        # 高风险地区        high_risk = ['云南省', '广西壮族自治区', '广东省', '福建省']        if province in high_risk:            return 1.3        # 低风险地区        low_risk = ['北京市', '上海市', '浙江省', '江苏省']        if province in low_risk:            return 0.9        return 1.0