当前位置: 首页 > news >正文

SN生成流水号并且打乱

目前公司的产品会通过sn绑定账号,但是会出现一个问题,流水号会容易被人猜出来导致被他人在未授权的情况下使用,所以开发了一个生成流水号后打乱的python程序,比如输入sn的前11位后,后面的字符所有的排列组合有26^4方种,然后随机打乱后,取这次生产要用的前10000个,这样可以降低被猜中的概率,以下是实现的代码,至于说如何保证不同批次的sn不重复,只要保证前11位不重复即可

使用方式如下,先按要求输入前11位,然后输入你的字符集,比如  a,b,c,d,e 这样就会穷尽这几个的排列组合后打乱  当然可以是任意字符 比如特殊字符@#$这种 或者你可以26个字母里面排除某些字母作为后面4位字符排列组合时选取的字符集,最后会生成csv格式的文件,方便给工厂的生成流程使用

import random
import csv
from itertools import productdef generate_custom_sn_csv():# 输入前11位SN(自动验证长度)prefix = input("请输入前11位SN:").strip()while len(prefix) != 11:print("错误:必须输入恰好11个字符!")prefix = input("请重新输入前11位SN:").strip()# 输入自定义字符集合chars = input("请输入后4位字符集合(例如:a,b,c,d,e,f):").strip()char_set = [c.strip() for c in chars.split(',')] if chars else []while not char_set or len(char_set) < 2:print("错误:至少需要2个不同字符!")chars = input("请重新输入后4位字符集合(例如:a,b,c,d,e,f):").strip()char_set = [c.strip() for c in chars.split(',')]# 生成所有4位排列组合all_combinations = [''.join(p) for p in product(char_set, repeat=4)]# 随机打乱顺序random.shuffle(all_combinations)# 生成完整SN列表sn_list = [f"{prefix}{suffix}" for suffix in all_combinations]# 写入CSV文件filename = f"custom_sns_{len(char_set)}chars.csv"with open(filename, 'w', newline='', encoding='utf-8') as csvfile:writer = csv.writer(csvfile)writer.writerow(['Serial_Number'])  # 写入标题行writer.writerows([[sn] for sn in sn_list])  # 逐行写入SNprint(f"成功生成包含{len(sn_list)}个SN的CSV文件:{filename}")print(f"字符集合:{char_set},排列组合总数:{len(char_set)**4}")print("示例数据预览:")print(sn_list[:10])  # 打印前10个结果预览if __name__ == "__main__":generate_custom_sn_csv()

生成如下

http://www.xdnf.cn/news/552925.html

相关文章:

  • LTX-Videov本地部署教程:时空扩散+多尺度渲染,重塑AI视频研究范式
  • 第 4 章:网络与总线——CAN / Ethernet / USB-OTG
  • STM32中的ADC
  • CSS之box-sizing、图片模糊、计算盒子宽度clac、(重点含小米、进度条案例)过渡
  • 喷涂喷漆机器人详解
  • python-leetcode 68.有效的括号
  • RSA加解密实战指南:Java与JavaScript实现详解 + 在线工具推荐
  • PyTorch 之 torch.distributions.Categorical 详解
  • Vue 3.0 Transition 组件使用详解
  • 高等数学笔记——向量代数与空间解析几何1
  • Mujoco 学习系列(一)安装与部署
  • C#新建打开文件对话框
  • 机器学习 集成学习方法之随机森林
  • Oracle中如何解决LATCH:CACHE BUFFERS LRU CHAIN
  • 精益数据分析(73/126):黏性阶段的功能优先级法则——七问决策模型与风险控制
  • 【神经网络与深度学习】扩散模型之原理解释
  • 调皮用法|python语言中的self参数
  • python训练营打卡第29天
  • 【实用教程】如何快速搭建一套私有的埋点系统?
  • 国产视频转换LT6211UX:HDMI2.0转LVDS/MIPI芯片简介,支持4K60Hz
  • Zenmap代理情况下无法扫描ip
  • MongoDB 学习(三)Redis 与 MongoDB 的区别
  • EasyOCR 模型文件下载
  • 开源运维工具HHDESK源码开发
  • Linux(ubuntu18.04)下安装instant-ngp环境
  • JWT单双token实现机制记录
  • 精益数据分析(71/126):从移情到黏性——创业阶段的关键跨越与数据驱动策略
  • JavaScript性能优化实战(13):性能测试与持续优化
  • Mysql面经
  • 基于Python批量删除文件和批量增加文件