信用卡Luhn算法(模10)具体的校验过程如下: 1.从卡号最后一位数字开始,逆向将奇数位(1.3.5等等)相加. 2.从卡号最后一位数字开始,逆向将偶数位数字,先乘以2(如果乘积为两位数,则将其减去9),再求和. 3.将奇数位总和加上偶数位总和,结果应该可以被10整除. 例如,卡号是:5432123456788881 则奇数.偶数位分布:5432123456788881 奇数位和=35 偶数位乘以2(有些要减去9)的结果:1 6 2 6 1 5 7 7,求和=35. 最后35+35=70 可以

一般验证银行卡有效性用到一种叫做LUHN的算法,简介请参考这篇博客:基于Luhn算法的银行卡卡号的格式校验 注意: 1.LUHN算法只是能校验卡号是否有效,并不能校验卡号和用户名是否一致. 2.如果有部分银行卡不符合LUHN算法的话,也不用奇怪,有这种可能. 下面贴出JS实现的LUHN算法: /** * 检查银行卡号是否符合规则 * @param bankno 银行卡号 * @returns */ function checkBankNo(bankno) { var bankno = bankn

最近的项目中涉及到绑定用户的银行卡,借记卡.经过查找银行卡的校验规是采用 Luhn算法进行验证. Luhn算法,也被称作“模10算法”.它是一种简单的校验公式,一般会被用于身份证号码,IMEI号码,美国供应商识别号码,或是加拿大的社会保险号码的验证,主要用来计算信用卡等证件号码的合法性. 从卡号最后一位数字开始,逆向将奇数位(1.3.5等等)相加. 从卡号最后一位数字开始,逆向将偶数位数字,先乘以2(如果乘积为两位数,则将其减去9),再求和. 将奇数位总和加上偶数位总和,结果应该可以被10整除.

开发中,有时候,为了打造更好的用户体验,同时减轻服务器端的压力,需要对于一些如,手机号码,银行卡号,身份证号码进行格式校验 下面是判断银行卡号输入是否正确的代码(基于Luhn算法的格式校验): iOS代码: /** *  银行卡格式校验 * *  @param cardNo 银行卡号 * *  @return */ + (BOOL) checkCardNo:(NSString*) cardNo{ int oddsum = 0;     //奇数求和 int evensum = 0;    //偶

1.Luhn算法(模10算法) 通过查看ISO/IEC 7812-1:2017文件可以看到对于luhn算法的解释,如下图: 算法主要分为三步: 第一步:从右边第一位(最低位)开始隔位乘2: 第二步:把第一步所得的每一个数字加入到原来的数中,比如9*2=18,为1+8: 第三步:用以0结尾且大于第二步所获得的数的和的最小整数减去第二步所获得的合即可以获得校验位,如70-67=3,3即为校验位,如果第二步所有数字的和以0结尾,比如30.40.50等,那么校验为0: 2.IMEI校验 IMEI码由GS

Luhn算法会通过校验码对一串数字进行验证,校验码通常会被加到这串数字的末尾处,从而得到一个完整的身份识别码. 我们以数字“7992739871”为例,计算其校验位: 从校验位开始,从右往左,偶数位乘2(例如,7*2=14),然后将两位数字的个位与十位相加(例如,10:1+0=1,14:1+4=5): 把得到的数字加在一起(本例中得到67): 将数字的和取模10(本例中得到7),再用10去减(本例中得到3),得到校验位. 另一种方法是: 从校验位开始,从右往左,偶数位乘2,然后将两位数字的个位与

<?php /* 16-19 位卡号校验位采用 Luhn 校验方法计算: 第一步:把信用卡号倒序(61789372994) 第二步:取出倒序后的奇数位置上的号码, 相加等到总和s1.(eg:s1=6+7+9+7+9+4=42) 第三步:取出倒序后的偶数位置上的号码,每个号码乘以2. (eg:2,16,6,4,18) 第四步:把第三步得到的大于10的号码转化为个位+十位.(eg:2,7,6,4,9) 第五步:把处理好的偶数位号码相加,得到s2. (eg:s2=2+7+6+4+9=28) 第六步:判

有时候在网上办理一些业务时有些需要填写银行卡号码,当胡乱填写时会立即报错,但是并没有发现向后端发送请求,那么这个效果是怎么实现的呢. 对于银行卡号有一个校验算法,叫做Luhn算法. 一.银行卡号码的校验规则 银行卡号码的校验采用Luhn算法,校验过程大致如下: 1. 从右到左给卡号字符串编号,最右边第一位是1,最右边第二位是2,最右边第三位是3-. 2. 从右向左遍历,对每一位字符t执行第三个步骤,并将每一位的计算结果相加得到一个数s. 3. 对每一位的计算规则:如果这一位是奇数位,则返回t本身

LUHN算法,主要用来计算信用卡等证件号码的合法性. 1.从卡号最后一位数字开始,偶数位乘以2,如果乘以2的结果是两位数,将两个位上数字相加保存. 2.把所有数字相加,得到总和. 3.如果信用卡号码是合法的,总和可以被10整除. 英文描述: 1.Counting from the check digit, which is the rightmost, and moving left, double the value of every second digit. 2.Sum the digit

问题描述: 2:信用卡号的验证 [信用卡号的验证] 当你输入信用卡号码的时候,有没有担心输错了而造成损失呢?其实可以不必这么 担心,因为并不是一个随便的信用卡号码都是合法的,它必须通过 Luhn 算法来验 证通过. 该校验的过程: 1.从卡号最后一位数字开始,逆向将奇数位(1.3.5 等等)相加. 2.从卡号最后一位数字开始,逆向将偶数位数字,先乘以 2(如果乘积为两位 数,则将其减去 9),再求和. 3.将奇数位总和加上偶数位总和,结果应该可以被 10 整除. 例如,卡号是:543212345

1.最优化与线性规划 最优化问题的三要素是决策变量.目标函数和约束条件. 线性规划(Linear programming),是研究线性约束条件下线性目标函数的极值问题的优化方法,常用于解决利用现有的资源得到最优决策的问题. 简单的线性规划问题可以用 Lingo软件求解,Matlab.Python 中也有求解线性规划问题的库函数或求解器,很容易学习和使用,并不需要用模拟退火算法.但是,由一般线性规划问题所衍生的整数规划.混合规划.0/1规划.二次规划.非线性规划.组合优化问题,则并不是调用某个库函

1.整数规划问题 整数规划问题在工业.经济.国防.医疗等各行各业应用十分广泛,是指规划中的变量(全部或部分)限制为整数,属于离散优化问题(Discrete Optimization). 线性规划问题的最优解可能是分数或小数.但很多实际问题常常要求某些变量必须是整数解,例如:机器的台数.工作的人数或装货的车数.根据对决策变量的不同要求,整数规划又可以分为:纯整数规划.混合整数规划.0-1整数规划.混合0-1规划. 整数规划与线性规划的差别只在于增加了整数约束.初看起来似乎只要把线性规划得到的非整数

一.什么是pagerank PageRank的Page可是认为是网页,表示网页排名,也可以认为是Larry Page(google 产品经理),因为他是这个算法的发明者之一,还是google CEO(^_^).PageRank算法计算每一个网页的PageRank值,然后根据这个值的大小对网页的重要性进行排序.它的思想是模拟一个悠闲的上网者,上网者首先随机选择一个网页打开,然后在这个网页上呆了几分钟后,跳转到该网页所指向的链接,这样无所事事.漫无目的地在网页上跳来跳去,PageRank就是估计这个

常见排序算法-Python实现 python 排序 算法 1.二分法     python    32行 right = length-  :  ]   ):  test_list = [,,,,,,]  test_val1 =   test_val2 =   ):  length = len(array)  :  :  ):  ]:  array[i],array[i+] = array[i+],array[i]  length -=   :  :  ):  ]:  array[i],arra

kmp算法python实现 kmp算法 kmp算法用于字符串的模式匹配,也就是找到模式字符串在目标字符串的第一次出现的位置比如abababc那么bab在其位置1处,bc在其位置5处我们首先想到的最简单的办法就是蛮力的一个字符一个字符的匹配,但那样的时间复杂度会是O(m*n)kmp算法保证了时间复杂度为O(m+n) 基本原理 举个例子:发现x与c不同后,进行移动a与x不同,再次移动此时比较到了c与y, 于是下一步移动成了下面这样这一次的移动与前两次的移动不同,之前每次比较到上面长字符串的字符位置后

                           KMP算法-Python版 传统法: 从左到右一个个匹配,如果这个过程中有某个字符不匹配,就跳回去,将模式串向右移动一位.这有什么难的? 我们可以这样初始化: 之后我们只需要比较i指针指向的字符和j指针指向的字符是否一致.如果一致就都向后移动,如果不一致,如下图: A和E不相等,那就把i指针移回第1位(假设下标从0开始),j移动到模式串的第0位,然后又重新开始这个步骤: 因为主串匹配失败的位置前面除了第一个A之外再也没有A了,我们为什么能知道

压缩感知重构算法之OMP算法python实现 压缩感知重构算法之CoSaMP算法python实现 压缩感知重构算法之SP算法python实现 压缩感知重构算法之IHT算法python实现 压缩感知重构算法之OLS算法python实现 压缩感知重构算法之IRLS算法python实现 IRLS(iteratively reweighted least squares)算法 (本文给出的代码未进行优化,只是为了说明算法流程 ,所以运行速度不是很快) IRLS(iteratively reweighte

压缩感知重构算法之OMP算法python实现 压缩感知重构算法之CoSaMP算法python实现 压缩感知重构算法之SP算法python实现 压缩感知重构算法之IHT算法python实现 压缩感知重构算法之OLS算法python实现 压缩感知重构算法之IRLS算法python实现 Orthogonal Least Squares (OLS)算法流程 实验 要利用python实现,电脑必须安装以下程序 python (本文用的python版本为3.5.1) numpy python包(本文用的版本

压缩感知重构算法之OMP算法python实现 压缩感知重构算法之CoSaMP算法python实现 压缩感知重构算法之SP算法python实现 压缩感知重构算法之IHT算法python实现 压缩感知重构算法之OLS算法python实现 压缩感知重构算法之IRLS算法python实现 算法流程 算法分析 python代码 要利用python实现,电脑必须安装以下程序 python (本文用的python版本为3.5.1) numpy python包(本文用的版本为1.10.4) scipy pyth

压缩感知重构算法之OMP算法python实现 压缩感知重构算法之CoSaMP算法python实现 压缩感知重构算法之SP算法python实现 压缩感知重构算法之IHT算法python实现 压缩感知重构算法之OLS算法python实现 压缩感知重构算法之IRLS算法python实现 IHT(iterative hard thresholding )算法是压缩感知中一种非常重要的贪婪算法,它具有算法简单的有点,且易于实现,在实际中应用较多.本文给出了IHT算法的python和matlab代码(本文给