数据挖掘中的中国身份证结构解析

在数据挖掘中会遇到相同长度数字字串的类型区分问题，个人认为最好的解决方案就是了解各个类型数据的构词方法，从而对不同、甚至相同长度的数据进行解构区分。对于身份证而言，采用第十八位的校验码进行校验计算能够有效的达到区分效果。

1  首先说明一下中国身份证的组成结构。

1.1  第二代身份证（18位）和第一代身份证（15位）的构成

身份证构成
18位身份证	身份证内容	15位身份证
1-2位	省、自治区、直辖市代码	1-2位
3-4位	地级市、盟、自治州代码	3-4位
5-6位	县、县级市、区代码	5-6位
7-14位	出生日期	7-12位
15-17位	顺序号	13-15位
18位	校验位	null

1.2  第二代身份证与第一代身份证变化的几个地方

（1）出生日期

第二代身份证的出生日期由第一代身份证的XX/XX/XX的6位修改成XXXX/XX/XX的8位。