企业官网建设流程全解析

“谁想要本船长的电话号码？”——这句话放在开发群里，一般没人真敢要，但放到测试环境里，几乎每个后端、App开发、运营系统都会遇到同一个需求：大批量、可重复、不惹麻烦的测试手机号。

很多第一次写测试脚本的人，直接random.randint(13000000000, 19999999999)一梭子下去，结果发现：数据是生成了，但有的号码一看就不合法，有的号段根本不存在，还有的重复率高得离谱。更麻烦的是，如果这些“假号码”被当成真实数据写进线上库，后面做手机号正则校验、运营触达、用户隐私合规，每一环都会出问题。

这篇文章不聊段子，聊清楚三件事：手机号生成背后有哪些规则，如何用 Python 写一个能直接用的批量生成工具，以及测试数据在生产环境里到底该怎么处理。读完你可以直接复制代码，在本地跑通一个虚拟号码生成器。

1. 这篇文章真正要解决的问题

先说痛点。开发过程中“需要手机号”的场景比想象中多：注册登录联调、短信验证码测试、用户画像造数、批量导入测试、活动系统压测、支付流程模拟，哪一个都绕不开。

传统的做法有三种，各有各的坑：

第一，从网上找现成的测试手机号清单。这种清单要么老，要么格式乱，要么就是已经被无数人用烂的固定号码。联调时偶尔用一次还行，压测和造数时分分钟露馅。

第二，手工拼一个看起来像手机号的数字。比如13800138000，这类号码在测试文档里很常见，但一个项目里反复用同一个号，接口层根本看不出问题，到数据处理层就暴露了：归属地查询为空、运营商识别失败、数据库唯一索引冲突。

第三，直接用真实手机号。这是最危险的做法。只要涉及真实个人信息，就要考虑授权、脱敏、存储责任。测试环境里用真实号码，一旦日志外泄或库被拖走，麻烦不是一句“只是测试数据”能带过的。

所以本文要解决的是：如何通过一段可控、可解释、可维护的 Python 代码，快速生成符合规则的虚拟手机号，并且能按前缀、按数量、按输出格式灵活调整。核心判断是：虚拟手机号生成不是 random 一把梭，它是一道数据构造规范题。

2. 手机号生成的基础规则与常见误解

在写代码之前，先弄清楚要生成的目标长什么样。

中国大陆手机号有两个硬规则和一个软规则：

2.1 硬规则：长度与首位

手机号必须是 11 位数字，这基本没有争议。第一位目前是 1，这也是通信行业多年形成的惯例。

很多脚本在定义长度时喜欢用范围随机，比如random.randint(10000000000, 19999999999)，这种写法能凑出 11 位，但容易生成出10000000000这种一看就有问题的号码。

更合理的写法是先确定首位数，再生成剩余位数。

import random def generate_mobile_simple(): // 前 2 位固定为 1 + 随机第二位 first = "1" second = random.choice("3456789") rest = "".join(random.choice("0123456789") for _ in range(9)) return first + second + rest

2.2 软规则：第二位和号段

当前开放的手机号第二位范围大致覆盖 3 到 9，但不同地区、不同年份会动态调整。这意味着代码里最好不要写死“只有 13、15、18 才算合法”的老规则。

一个比 second 是你该在工具里维护一份前缀库。比如把139、138、188、199等常见前缀放在配置文件或代码常量中，生成时从前缀库中随机选一个开头，再补 8 位随机数。

这种做法比纯随机更贴近真实数据，方便 QA 和联调方一眼看出号码归属地基本符合预期。

2.3 误解：手机号可以完全随机

很多新手以为 11 位数字随便组合就是手机号。实际上号段资源受运营商管理，不存在的号段即使格式正确，在真实系统中也可能被判定为无效。

所以在工具中，前缀库的价值不仅是“看起来像真的”，而是让生成的测试数据更接近生产环境的数据分布。你不需要覆盖所有真实号段，只需要覆盖当前项目用到的号段范围。

2.4 手机号校验兜底

除了生成，工具里最好带上校验函数。逻辑很简单：长度 11 位，首位 1，第二位 3-9，后 9 位数字。

import re MOBILE_PATTERN = re.compile(r"^1[3-9]\d{9}$") def is_valid_mobile(mobile: str) -> bool: if not isinstance(mobile, str): return False return bool(MOBILE_PATTERN.match(mobile))

3. 环境准备与前置条件

本文示例基于 Python 3，不需要第三方框架。建议 Python 版本不低于 3.8，因为后续示例会用到secrets模块以及类型注解。

需要的工具：

• Python 3.8+ 解释器
• 命令行终端（Windows 可用 PowerShell，macOS/Linux 可用 bash）
• 一个空目录，用来放脚本文件

不需要安装任何第三方包，标准库足够完成核心功能。不过如果你希望命令行交互更顺滑，可以自行安装click，但这不是必须的。

建议在动手之前先确认 Python 环境。

python --version

如果输出类似Python 3.10.12，即可继续。如果你机器上同时存在 python 和 python3，下文命令统一使用python3还是python，请以实际环境为准，这里不强行统一。

4. 核心流程拆解

我们要实现的小工具，整体流程可以分成四步：

4.1 定义前缀库

前缀库决定了生成的号码“像不像真的”。建议单独维护一个列表。实际项目中，前缀库可以放在配置文件里，由测试负责人维护，避免每次改代码。

PREFIXES = [ "130", "131", "132", "133", "134", "135", "136", "137", "138", "139", "150", "151", "152", "153", "155", "156", "157", "158", "159", "166", "170", "171", "175", "176", "177", "178", "180", "181", "182", "183", "184", "185", "186", "187", "188", "189", "198", "199" ]

注意：前缀库不是越多越好，而是要根据你的测试目标决定。比如你主要测试某省用户，就应该配置该省放号较多的前缀。这里无法提供每个省份的准确号段，因为号段资源会动态变化，直接到运营商公开渠道查询或由团队内部维护更稳妥。

4.2 生成函数

生成函数负责做两件事：从前缀库选择一个前缀，再生成后续 8 位随机数字。

随机选择有两个模块可选：random和secrets。

如果是测试造数，对安全性没有要求，用random即可，性能更好。如果这个号码将来会用于生成验证码、密码、令牌等敏感场景，必须用secrets，因为random是伪随机，可预测，存在安全隐患。

4.3 批量去重

批量生成时最大的坑是重复。当生成量大到上万级别，纯随机方式的重复率会明显上升。工程上更稳妥的方式是用集合去重，数量不够就继续生成。

4.4 输出与校验

生成结果可以有两种出口：直接打印到命令行，或写入文件。文件格式常见有 CSV、JSON、纯文本一行一个。为了方便后续导入数据库，CSV 或 JSON 更合适。

生成结束后，必须用校验函数对结果做一遍全量校验，避免前缀库或随机逻辑引入脏数据。

5. 完整示例与代码实现

下面按照上面的设计，给出一个可以直接运行的完整脚本。为了方便阅读，我会拆成多个文件结构，但单文件方式也能用。

5.1 核心文件结构

fake_mobile/ ├── fake_mobile.py ├── prefixes.py └── output/

prefixes.py只放前缀库：

# 文件路径：fake_mobile/prefixes.py # 注意：号段为常见号段示例，实际请按项目需要维护 PREFIXES = [ "130", "131", "132", "133", "134", "135", "136", "137", "138", "139", "150", "151", "152", "153", "155", "156", "157", "158", "159", "166", "170", "171", "175", "176", "177", "178", "180", "181", "182", "183", "184", "185", "186", "187", "188", "189", "198", "199" ]

5.2 主脚本

fake_mobile.py提供四个能力：单个生成、校验、批量生成、命令行入口。

# 文件路径：fake_mobile/fake_mobile.py import csv import json import random import re import secrets from collections.abc import Iterable from prefixes import PREFIXES MOBILE_PATTERN = re.compile(r"^1[3-9]\d{9}$") DEFAULT_COUNT = 10 def random_number(length: int, secure: bool = False) -> str: """生成指定长度的数字字符串。 secure 为 True 时使用 secrets，适合对随机性有安全要求的场景。 """ if secure: source = secrets.choice("0123456789") return "".join(secrets.choice("0123456789") for _ in range(length)) return "".join(random.choice("0123456789") for _ in range(length)) def generate_one(prefix: str | None = None, secure: bool = False) -> str: """生成一个虚拟手机号。""" if prefix is None: prefix = random.choice(PREFIXES) if len(prefix) != 3 or not prefix.isdigit(): raise ValueError(f"非法前缀: {prefix}") tail = random_number(8, secure=secure) return prefix + tail def is_valid_mobile(mobile: str) -> bool: """校验手机号格式。""" if not isinstance(mobile, str): return False return bool(MOBILE_PATTERN.match(mobile)) def generate_batch( count: int, prefixes: Iterable[str] | None = None, secure: bool = False, unique: bool = True, ) -> list[str]: """批量生成虚拟手机号。""" count = max(0, count) prefix_list = list(prefixes if prefixes is not None else PREFIXES) if not prefix_list: raise ValueError("前缀列表不能为空") result = set() if unique else [] retry = 0 max_retry = count * 20 + 100 while len(result) < count: if retry > max_retry: break prefix = random.choice(prefix_list) mobile = generate_one(prefix, secure=secure) if unique: result.add(mobile) else: result.append(mobile) retry += 1 return list(result) def export_csv(mobiles: list[str], filepath: str) -> None: """导出为 CSV。""" with open(filepath, "w", newline="", encoding="utf-8") as f: writer = csv.writer(f) writer.writerow(["mobile"]) for m in mobiles: writer.writerow([m]) def export_json(mobiles: list[str], filepath: str) -> None: """导出为 JSON。""" with open(filepath, "w", encoding="utf-8") as f: json.dump({"mobiles": mobiles}, f, ensure_ascii=False, indent=2) def main(): import argparse parser = argparse.ArgumentParser(description="生成虚拟手机号") parser.add_argument("-n", "--count", type=int, default=DEFAULT_COUNT, help="生成数量") parser.add_argument("--prefix", action="append", help="指定前缀，可多次传入") parser.add_argument("--secure", action="store_true", help="使用安全随机") parser.add_argument("--output", help="输出文件路径，支持 .csv / .json / .txt") parser.add_argument("--no-unique", action="store_true", help="不去重") args = parser.parse_args() prefixes = args.prefix or None mobiles = generate_batch( count=args.count, prefixes=prefixes, secure=args.secure, unique=not args.no_unique, ) invalid = [m for m in mobiles if not is_valid_mobile(m)] if invalid: print(f"发现非法号码 {len(invalid)} 个，请检查前缀库") for m in invalid[:10]: print(m) return if args.output: if args.output.endswith(".csv"): export_csv(mobiles, args.output) elif args.output.endswith(".json"): export_json(mobiles, args.output) else: with open(args.output, "w", encoding="utf-8") as f: f.write("\n".join(mobiles) + "\n") print(f"已生成 {len(mobiles)} 个号码 -> {args.output}") else: for m in mobiles: print(m) if __name__ == "__main__": main()

这份代码有几个值得注意的地方：

• generate_batch里去重逻辑使用集合，保证返回结果没有重复。
• retry上限是为了避免极端情况下无限循环。
• 导出函数区分了 CSV、JSON、普通文本三种格式，方便不同测试工具读取。
• 校验逻辑放在导出前，能及时暴露前缀库或生成逻辑的问题。

5.3 命令行使用示例

生成 5 个号码：

python fake_mobile.py -n 5

生成 200 个号码，固定使用 139、188 前缀，并导出为 CSV：

python fake_mobile.py -n 200 --prefix 139 --prefix 188 --output output/demo.csv

生成 1000 个号码并导出为 JSON：

python fake_mobile.py -n 1000 --output output/demo.json

5.4 作为模块导入

如果你不想用命令行，也可以在其他 Python 项目中直接导入。

# 文件路径：fake_mobile/use_example.py from fake_mobile import generate_batch, is_valid_mobile mobiles = generate_batch(20, prefixes=["139", "138"]) print(mobiles) print(all(is_valid_mobile(m) for m in mobiles))

6. 运行结果与效果验证

运行生成命令后，正常情况下会输出指定数量的 11 位号码，比如：

python fake_mobile.py -n 3 --prefix 139

预期输出：

13948592014 13967201548 13935882017

这里注意一点：由于是随机生成，每次运行输出的具体号码都不同，这属于正常现象。判断工具是否成功，不依赖具体号码值，而看三点：

第一，号码长度是否全部为 11 位。

第二，号码是否全部通过正则校验。

第三，指定前缀时，号码开头是否与传入前缀一致。

如果导出到文件，可以直接用 wc 或 Python 打开检查。

python fake_mobile.py -n 1000 --prefix 139 --output output/demo.csv wc -l output/demo.csv

因为 CSV 带了表头，所以wc -l结果应为 1001，而不是 1000。如果你不需要表头，可以把代码中的writer.writerow(["mobile"])注释掉。

如果运行失败，第一步先看命令行是否报语法错误，重点检查 Python 版本是否低于 3.8。str | None这种类型注解语法在 Python 3.10 之前不可用，如果你用的版本较低，需要改成Optional[str]并导入typing。

7. 常见问题与排查思路

这里补一个容易忽视的坑：如果前缀列表里只有一两个前缀，又要生成几万条不重复号码，那么最终的随机空间被严重压缩，脚本会陷入长时间重试。更合理的做法是同时放宽唯一性要求，或大幅增加前缀范围。

8. 最佳实践与工程建议

8.1 测试数据不要直接污染生产库

生成虚拟手机号的目的是造测试数据，但造出来的数据一旦导入生产环境，就会变成脏数据。工程上建议在导入之前明确标记测试归属，比如在用户表的备注字段或独立测试标识中注明“虚拟数据”，方便后续清理。

8.2 不要在代码里硬编码前缀库

前缀库属于易变信息，建议放到配置中心、YAML 或数据库中，由测试负责人维护。代码里只保留一份兜底默认前缀，避免因业务变化反复改代码。

8.3 区分随机数安全级别

再次强调：random模块生成的数据不能用于密码、验证码、令牌等安全敏感场景。这类场景必须使用secrets。本文代码已经预留了secure参数，但默认仍走random，这是为了造数性能。将来如果需求变成“生成一批可用于风控测试的虚拟号码”，需要打开--secure。

8.4 考虑号码的敏感性和管理责任

虚拟手机号如果只是随机数字，理论上不构成真实个人信息，但要注意两个边界：

• 如果前缀库来自真实用户号段统计，并且生成结果刚好与某个真实号码撞车，那么在日志、监控等系统里，它看起来仍然像一个真实号码。虽然概率不高，但批量生成几百万条时，撞号风险会上升。
• 对于“号码是否真实存在、是否可注册、是否已注册”这类问题，不要在非授权情况下批量探测。批量注册探测、批量短信发送、营销骚扰，这些都是明确的高风险行为，本文代码仅用于开发和测试环境的数据构造，不能用于任何未经授权的线上行为。

8.5 日志与脱敏

在测试环境使用虚拟号码时，建议日志中统一加上前缀标识，比如TEST_13900000000或者在日志字段中增加data_type=test，避免运营和数据分析同事把测试数据当成真实用户。

8.6 与数据工厂结合

如果你所在团队已经使用了 Faker 这类造数工具，没必要重复造轮子，可以将其作为自定义 Provider 接入。Faker 本身也提供了手机号生成能力，但国内号段细节和自定义前缀扩展仍需要自己维护。本文示例代码的价值就在于此：逻辑简单，可定制性强，不依赖大量第三方库。

8.7 代码审查的小建议

这类工具虽然小，但也应该走代码审查。重点看三处：前缀库是否含有过期号段，随机逻辑是否用了安全模块，导出文件是否包含了多余的真实数据。哪怕它是“一次性脚本”，也建议放到仓库里管理，而不是存在某台机器的/tmp下。

9. 总结与后续学习方向

回到开头那句话：真正想要船长的电话号码的人不多，但需要一个“安全、合规、可批量生成虚拟手机号工具”的开发者很多。

本文从手机号格式规则入手，讲清楚了虚拟手机号生成的核心逻辑：前缀库决定真实性，随机策略决定性能与安全性，去重机制决定批量质量，校验函数决定最终可靠性。然后给了一个可以直接运行的 Python 命令行脚本，支持指定数量、指定前缀、CSV/JSON 导出，并在最后强调了测试数据管理的工程注意点。

如果你想继续深入，可以往这几个方向走：

第一，把生成器扩展成更通用的测试数据工厂，不仅生成手机号，还生成姓名、地址、邮箱、身份证脱敏数据，形成一套造数平台。

第二，学习如何使用 Faker 自定义 Provider，和本文的前缀库思路结合起来，让团队造数体验更好。

第三，研究测试数据生命周期管理，包括数据生成、数据标记、数据清理，以及如何在 CI 流水线里自动生成和销毁测试数据。

第四，如果你的工作涉及数据库大批量造数，可以结合copy、insert ... select等批量导入方式，把生成结果直接灌入测试库，但要注意充分利用事务和批量提交，避免导入性能问题。

最后提醒一句：虚拟手机号是测试工具的辅助手段，不是绕过验证、批量注册、短信轰炸的“万能钥匙”。把工具用在开发和测试的合规场景里，它能成为团队效率提升的好帮手；用在错误的地方，只会给项目和自己带来风险。这一点，比任何代码细节都重要。

建议先把这份脚本收藏起来，下次需要批量测试手机号时，直接改改前缀库就能跑。