基于Visions自定义类型实现证券标识符列的自动识别与校验

你的实现思路完全贴合Visions的设计逻辑——既然原生已经实现了带校验位的ISBN识别场景，同属“固定长度+字符集约束+末尾校验位”逻辑的ISIN、SEDOL、CUSIP三类证券标识符，完全不需要改动Visions的底层识别引擎，只要对齐ISBN的自定义类型范式做扩展，就能覆盖你提到的两类需求。

核心实现路径 #

1. 为三类证券标识符自定义对应Visions数据类型 #

所有带校验位的字符串类标识符，自定义的逻辑和ISBN类型的结构完全一致，只需要给每个类型绑定两个维度的判断规则即可：

• 前置硬过滤规则：快速排除明显不匹配的样本，减少校验位计算的性能损耗
  • ISIN：固定12位长度，前2位为大写字母组成的国家/地区码，剩余9位为数字+大写字母组合，末位为校验位
  • SEDOL：固定7位长度，由大写字母、数字混合组成，内容不包含元音字符，末位为校验位
  • CUSIP：固定9位长度，前6位为发行方识别码、后续2位为标的识别码，末位为校验位
• 专属校验位计算函数：严格遵循每类标识符的官方加权校验算法，这部分逻辑和ISBN的校验位计算在Visions里的作用完全等价

你可以参考如下的自定义类型结构完成代码实现：

from visions import VisionsTypeset, String

# 示例：定义ISIN类型，继承基础字符串类型
class ISIN(String):
    @staticmethod
    def get_relations():
        # 绑定ISIN类型的序列判断规则
        return [ISIN.match_isin_format]
    
    @staticmethod
    def match_isin_format(series):
        # 1. 先快速过滤长度不符合要求的样本
        # 2. 校验字符集合规性
        # 3. 逐行计算校验位匹配结果
        ...

按同样的逻辑完成SEDOL、CUSIP的类型定义后，把三个自定义类型打包成专属的证券标识符类型集，就可以接入Visions的原生流程了。

2. 覆盖“非100%匹配的未知列识别”需求 #

这个需求不需要额外写定制逻辑，直接用Visions原生的采样识别能力调整阈值即可：

• 跳过“必须整列100%元素匹配才算对应类型”的硬约束，调整识别流程里的序列采样占比参数，比如设置为0.8，当列中80%的元素符合某类证券标识符的规则时，即可将该列归类为对应类型
• 识别时直接传入你自定义的证券标识符专属类型集，避免内置的通用字符串、数值类型和自定义类型的判断冲突

3. 覆盖“已知目标类型的合规性校验”需求 #

这类场景直接复用Visions原生的类型强制转换校验能力即可：

• 明确指定待校验列的目标类型（比如“当前列预期为全量CUSIP编码”）
• 系统会自动逐行执行你之前绑定的校验规则，定位出不符合校验逻辑的异常行，不会默认将不匹配的样本强行转换为目标类型

实操注意事项 #

• 三类标识符的判断逻辑要把长度校验放在最前置的过滤环节，避免因为字符集规则的重叠导致ISIN、CUSIP的识别混淆
• 实现校验位计算时，不要遗漏大写字母到数值的映射规则（即A=10、B=11……Z=35的映射关系），这是最容易导致校验结果出错的细节

内容的提问来源于stack exchange，提问作者Michael S.