企业注册号构造、入库实现原理

1、背景：

为找到并尽可能小范围、精确的穷尽注册号，我做了哪些工作？

（1）、外部

通过Google、baidu、知乎大范围撒网找相关注册号的规律的资料。
核心结论：
1）前6位代表机关号，如：山东省有17地市，共175个机关号。
2）第7-14位为顺序号，第7位代表私营企业、有限责任公司、外资企业等，用1-9表示；
第8-14没有资料介绍规律。
3）第15位为校验码。

（2）、内部

1）通过程序实现了了校验码。
2）尝试通过穷举方式，穷举一个省的全部注册号。面临问题：已有核心结论，面太广，命中率非常低。
3）最终采用方法：从天眼查等网站找一定数量的数据（2万条）左右，穷举其第7-10位的可能性，
初步排查可能性远小于10000，这是提高命中率的极好的信号。
穷举方法：Shell脚本取第7-10位，然后排序sort、取唯一值uniq。
4）根据以上分析，构造某一个省内全部注册号数据。

3、一键构造某省数据、并完成入库流程

第一步：对机关号进行编码，并分别存储。

机关英文缩写存储到一个文件中，如: sd_register_name.txt机关号以地市为单位存储到不同的文件中，如：zb_register_codes.txt，共17个文件。比如：济南、济宁编号都是jn开头的，可以变化下一个为qn（确保不同即可）。
如：
淄博市 zb_zibo 370300
张店区 zb_zhangdian 370303
博山区 zb_boshan 370304

周村区 zb_zhoucun 370306

第二步：根据已有2万条记录，穷举的7-10位数据存储到数组中。

该部分内容数量不大，可以存储到数组中。后续如果需要扩展，直接向后填充即可。
程序求长度不要写死，直接sizeof(数组名)/sizeof(char*)求长度，便于动态扩展。

第三步：循环构造第11-14位。

穷举构造0000——9999共1万种可能性。

第四步：将前14位带入校验码程序验证，生成校验码。

第五步：构造拼接成15位程序。

4、程序具体实现步骤

Step1：逐行读sd_register_name.txt文件，外层共循环175次。(以山东省为例）
Step2：读到前两个字节为zb开头的，判定zb_register的数据库表是否存在，不存在，则创建之；存在，则跳过。
Step3：对应读zb_register_codes.txt文件，以便构造15位注册号；
Step4：构造完毕后，写入zb_register的数据库表中。
Step5：外层循环结束，整个写入完毕。

5、小结

采用技术：Linux平台 C++、MysqlC++、创建数据库表、读文件、构造数据、写数据库。
逻辑清晰后，其他水到渠成。

2016-9-20 pm23:02 思于家中床前

作者：铭毅天下
转载请标明出处，原文地址：
http://blog.csdn.net/laoyang360/article/details/52601607
如果感觉本文对您有帮助，请点击‘顶’支持一下，您的支持是我坚持写作最大的动力，谢谢！