2026-10-06 · 喵窝资源铺
场景：做客服或代发的人，微信记录、邮件、Excel 里粘着几十个快递单号，想按顺丰/圆通/中通分开去查件、打单、对账。手动一个个复制粘贴再筛选，比查件本身还费时间。这篇给一个纯标准库的 Python 脚本（track_classify.py）：整段文本或 CSV 直接丢进去，自动提单号、按号段分类、去重、分组输出成每家一个文件，认不出的单号单独列出并标注置信度，绝不瞎猜。文中代码实跑验证，真实输出贴在下面。
| 输入 | 脚本的处理 |
|---|---|
| 聊天记录/邮件正文 | 整段文本直接提取，不用先清洗格式 |
| CSV 文件 | 整个文件内容当文本扫，单号藏在哪列都能提 |
| 字母前缀单号 | SF/YT/STO/JT/JD/EMS 按前缀高置信分类 |
| 纯数字单号 | 按号段分类，标注置信度（高/中/低） |
| 重复单号 | 去重保序，客户复制粘贴常态不产生重复打单 |
| 手机号 | 自动排除，不会把 138xxxxxxxx 当成快递单号 |
| 认不出的 | 进「未知」组，列出最可能候选但不强行归类 |
| 输出 | 每家公司一个 txt：单号 + 识别依据 + 置信度 |
第一版先跑通用\d{10,15}抓数字，再跑各家前缀规则。EMS9876543210CN被抓成9876543210——前缀丢了，CN 尾也丢了，直接没法查件。
正解：先扫字母开头的完整单号模式（含 EMS 的 E+数字+CN 尾），纯数字兜底放最后。抓取顺序本身就是规则的一部分：
CODE = re.compile(r"(?修复后
EMS9876543210CN被完整抓成EMS9876543210（实测保留前缀、去掉 CN 尾后仍是合法 EMS 单号格式）。坑二：单号规则互相重叠，正则不设优先级就先到先得
中通 75 开头 12~14 位、韵达 4 开头 13 位、京东纯数字 11~15 位……这些号段互相有重叠。规则列表如果按字母序而不是按公司官方号段置信度排，一个数字单号可能被错误的规则抢先命中。实测：第一版
44001234567891（韵达 13 位）因正则写死4\d{12}恰好是 13 位才没命中——换一个真实韵达 14 位单号就漏了。每条规则都带「依据 + 置信度」输出，让人一眼知道这个单号是靠什么规则归类的、可信度多少：$ python track_classify.py input.txt --out classified 共提取 9 个单号（已去重） 顺丰: 1 个 -> classified/顺丰.txt 中通: 1 个 -> classified/中通.txt EMS: 1 个 -> classified/EMS.txt ... 注意: 未知/低置信单号已单独列出，请人工确认，勿直接打单输出示例（
classified/中通.txt）：75123456789012 75开12~14位 置信高坑三：手机号被当快递单号
纯数字兜底规则\d{10,15}会把13800138000（11 位手机号）和20261006001（订单号）都抓进来。实测抓到后修复：先标出文本里所有手机号的位置（
1[3-9]\d{9}），纯数字命中这些位置的直接跳过：PHONE = re.compile(r"1[3-9]\d{9}") # 提取时跳过落在手机号区间内的纯数字命中实测：
手机13812345678别抓 -> [] # 排除成功 订单20261006001 -> [('20261006001', None, '低')] # 订单号没手机号特征，抓了但进低置信纯数字单号没有手机号特征又没有公司规则命中的（比如订单号），宁可进低置信/未知让人复核，也不能当成确定单号去查件。
坑四：号段长度网上说的和真实单号对不上
网上查「中通单号位数」普遍说 12 位或 13 位，实测75123456789012是 14 位，44001234567891（韵达）13 位、YT7788112233445（圆通）14 位——各家公司号段长度本来就不是固定值，且会随时间扩展。正解：规则写成区间而不是固定长度（如
75\d{10,12}、4\d{11,13}），并且宁可写宽松一点、输出里标置信度，也不要写死导致真单号漏抓。置信度中/低的照样输出，让人眼复核——漏抓比误报代价更大（漏了就永远没查件）。坑五：重复单号不去重就重复打单
客服聊天记录里同一段单号被复制粘贴两三次是常态。不去重，打单就重复、对账就翻倍。实测：同一段落贴两遍
75123456789012，第一版输出 2 条重复记录；改成OrderedDict去重保序后只出 1 条。再把提取结果整批追加回输入再跑一遍，结果完全一致（9 个单号不变）——幂等性顺带验证了：first pass: 9 second pass: 9 identical: True边界测试一览（实跑输出）
| 输入片段 | 提取结果 | 说明 |
|---|---|---|
SF1388555512345 | 顺丰，置信高 | SF 前缀 |
YT4321123456789 | 圆通，置信高 | YT 前缀 |
STO1234567890123 | 申通，置信高 | STO 前缀 |
JT9100223344556 | 极兔，置信高 | JT 前缀 |
JDV012345678901 | 京东，置信高 | JDV 前缀 |
EMS9876543210CN | EMS，置信高 | 坑一修复后完整保留 |
75123456789012 | 中通，置信高 | 75 号段 |
44001234567891 | 韵达，置信中 | 4 号段 |
9399123456789 | 邮政EMS，置信低 | 9 号段，需人工复核 |
13800138000 | （排除） | 手机号 |
20261006001 | 未知，置信低 | 订单号，待人工确认 |
6222020200112233445 | （排除） | 19 位银行卡超出长度上限 |
CSV 输入同样可用：SF1234567890123、YT7788990123456 两行混合表格，各自正确归到顺丰/圆通。
python track_classify.py 微信记录.txt 订单.csv --out classified # 输出 classified/顺丰.txt、classified/圆通.txt ... classified/未知.txt
代码纯标准库，Python 3.8+ 直接跑，无需安装任何依赖。
喵窝资源铺提供代跑脚本服务：你把记录/文件发过来，跑完把分类结果发回你，¥5 起，虚拟物品不退款（跑不通不收费）。脚本本身免费自取。
📖 更多批量处理实战：博客目录 · 相邻文章：照片按 EXIF 日期归档 · Excel 批量提取手机号 · 微信群AA收款记录批量对账
脚本规则基于公开号段整理，快递公司号段可能随时间调整；识别结果仅供参考，查件前请以官方渠道为准。