灵析表格证件信息提取函数族深度分析报告

面向会计、数据分析与数据治理人员的函数级技术评估与应用研究

研究对象：灵析表格（Excel公式盒子）证件信息提取类函数共 11 个
文档依据：灵析表格官方函数文档（calcx.cn）
报告日期：2026-08-07

摘要

证件号码（以居民身份证为主）是会计核算、人力薪酬、客户管理与数据分析工作中出现频率最高的"结构化敏感字符串"之一。一段 18 位身份证号同时承载了行政区划、出生日期、性别、顺序与校验等多维信息，但传统 Excel/WPS 仅靠MID、LEN、MOD等基础函数手工拆解，存在公式冗长、易错、无法校验合法性、难以处理 15/18 位混存等突出痛点。

本报告以灵析表格（Excel公式盒子）官方文档为依据，对其"证件信息提取"类下 11 个函数进行逐个深度拆解，覆盖**信息提取类（6 个）、识别采集类（2 个）、格式转换与校验类（3 个）**三大类。报告从参数架构、技术原理、标准合规性（GB 11643-1999、个人信息保护法）、实操案例与业务价值等维度展开分析，并给出会计实务与数据分析两类典型场景的落地路径。研究表明，该函数族以"一个函数替代数十行嵌套公式"的方式，显著降低了证件信息处理的门槛与差错率，对会计、数据分析人员具有明确的提效价值。

关键词：灵析表格；身份证函数；GB 11643-1999；数据清洗；会计信息化；数据分析

一、研究背景与问题提出

1.1 证件信息处理在会计与数据分析中的普遍性

在会计实务中，员工档案建账、个税累计预扣申报、社保公积金增员、差旅与报销身份核验等环节，均需反复读取身份证号中的出生日期与性别；在数据分析领域，用户画像构建、人群年龄结构分析、生肖/星座维度的运营分群、客户实名信息核验等，同样高度依赖从证件号中稳定提取结构化字段。可以说，证件号是连接"业务台账"与"人口属性"的天然主键。

1.2 传统 Excel 处理方案的三大痛点

其一，公式冗长且脆弱。仅提取生日一项，18 位身份证需=TEXT(MID(A2,7,8),"0000-00-00")，15 位需另行补"19"前缀，混存时还需IF(LEN(A2)=18,...,IF(LEN(A2)=15,...))三层嵌套；性别、生肖、星座等更需结合MOD、CHOOSE、VLOOKUP等多函数堆叠，可读性与可维护性差。

其二，缺乏合法性校验。手工公式无法验证校验码，错误或伪造的身份证号会"安静地"通过计算并污染下游报表，造成个税申报退回、社保参保失败等连锁问题。

其三，合规风险。身份证号属于《个人信息保护法》界定的敏感个人信息，需遵循最小必要与脱敏处理原则。纯手工处理难以批量、规范地完成提取与脱敏，易留下合规隐患。

1.3 研究目的

本报告旨在系统评估灵析表格"证件信息提取"函数族（11 个函数）的技术能力与业务适配性，为会计、数据分析人员提供可落地的函数选型与组合方案，并客观呈现其在效率、准确性与合规性上的改进价值。

二、身份证号码编码体系与标准基础

函数族的全部"提取/转换/校验"逻辑均建立在国家标准之上，理解标准是评估函数正确性的前提。

2.1 GB 11643-1999《公民身份号码》

GB 11643-1999 规定了公民身份号码的编码对象、号码结构和表示形式，使每个编码对象获得唯一、不变的法定号码。18 位号码结构为：6 位地址码 + 8 位出生日期码（YYYYMMDD）+ 3 位顺序码 + 1 位校验码。其中顺序码奇数分配男性、偶数分配女性；校验码依据前 17 位按固定加权因子计算得出。

2.2 校验码算法（GB 11643-1999）

校验码计算流程为：将前 17 位数字分别乘以加权因子{7,9,10,5,8,4,2,1,6,3,7,9,10,5,8,4,2}，求和后对 11 取模，再按映射表{'1','0','X','9','8','7','6','5','4','3','2'}（对应余数 0~10）确定第 18 位校验码。该算法具备"防伪防错"能力——任意一位录入错误都会导致校验码不匹配。

2.3 15 位与 18 位的演进

旧版 15 位身份证采用 6 位地址码 + 6 位出生日期码（YYMMDD）+ 3 位顺序码，无校验码。由于 6 位出生日期码（如 891023）无法区分 1900/2000 年代，国标将其扩展为 8 位以彻底解决跨世纪歧义，并新增校验码升级为 18 位。这也是idc_15To18与idc_18To15两个互转函数存在的标准依据。

2.4 合规基线：个人信息保护法

2021 年实施的《中华人民共和国个人信息保护法》以专节形式对敏感信息作出系统规定，将生物识别、特定身份、医疗健康、金融账户、行踪轨迹及不满十四周岁未成年人信息等归类为"敏感个人信息"，要求处理遵循单独同意、最小必要与严格保护原则。身份证号天然落入敏感个人信息范畴，因此函数族中的"提取"“脱敏”"校验"能力不仅是效率工具，更是合规治理的基础组件。

三、函数族总体架构与分类

灵析表格将 11 个函数按职责划分为三大类，构成"采集 → 转换/校验 → 提取"的完整链路。

说明：11 个函数中 10 个为免费版，仅idc_OCR（身份证图片识别）属企业版；其余提取/转换/校验能力对会计与数据分析人员完全免费开放。除idc_Check兼容至 WPS 2016+/Excel 2013+ 外，其余函数在 WPS 2019+/Excel 365 测试通过。

四、信息提取类函数深度分析

4.1 idc_InfoSummary（取汇总信息）

函数签名：idc_InfoSummary(idCard, [refDate])｜ 中文别名sfz_信息汇总

功能定位：从身份证号一次性提取性别、生日、生肖、年龄四项信息，支持 15/18 位，可指定基准日期计算年龄。

参数规范：

技术原理深度解析：

• 预处理：自动清除身份证中的空格、横线、点号等非数字字符，规避录入格式不一致问题——这是手工MID公式最常见的出错源头。
• 生日提取：18 位取第 7~14 位（yyyyMMdd），15 位取第 7~12 位并自动补"19"前缀。
• 性别判定：取倒数第二位，奇数为男、偶数为女。
• 生肖计算：(出生年 - 4) % 12映射固定顺序"鼠、牛、虎、兔、龙、蛇、马、羊、猴、鸡、狗、猪"。
• 年龄计算：基准年减出生年，若当年生日尚未到达则再减 1（即"周岁"口径）。
• 返回形态：以二维数组返回四项，是函数族中唯一"一次调用、多维产出"的聚合函数。

实操案例：

=idc_InfoSummary("11010519491231002X") → 性别:男 生日:1949-12-31 生肖:牛 年龄:75 =idc_InfoSummary("11010519491231002X", DATE(2020,1,1)) → 年龄按 2020-01-01 计为 70

业务价值：对会计而言，员工花名册"一键补全"性别/生日/年龄，无需再写四组嵌套公式；对数据分析师而言，单函数即得四维特征，直接用于人群结构统计。refDate参数尤其实用——历史数据回溯分析时，可统一以"报告期末"为基准日计算口径一致的年龄。

注意事项：异常场景下会以性别字段承载错误信息（如"身份证号为空"“身份证号长度不正确”“生日信息无效”），批量处理时建议配合IFERROR或下游idc_Check预校验。

4.2 idc_Age（取年龄）

函数签名：idc_Age(idCard, [refDate])｜ 中文别名sfz_年龄

功能定位：根据身份证号计算年龄（周岁），支持自定义基准日，默认当天。

参数规范：

技术原理深度解析：

• 内部依赖sfz_生日提取出生日期，确保生日有效后再计算年龄，形成"先校验、后计算"的稳健链路。
• 年龄 = 基准年份 − 出生年份；若基准日尚未到达当年生日，则年龄减 1。这与我国法定"周岁"定义一致，避免"虚岁/周岁"口径混淆。
• 异常分层返回：空号→身份证号为空；长度错→身份证号长度不正确/生日信息无效；解析异常→错误: 错误信息。

实操案例：

=idc_Age("11010519491231002X") → 75（以今日为基准） =idc_Age("11010519491231002X", DATE(2030,1,1)) → 79

业务价值：会计在个税专项附加扣除"赡养老人"判断、社保退休年龄测算、未成年人员工识别等场景，需要精确到日的周岁；数据分析师在做年龄分箱（18-25/26-35 等）时，统一基准日可消除"跨日采样口径不一"造成的统计偏差。可结合条件格式=idc_Age(A1)>=18快速标记成年/未成年。

4.3 idc_Birthday（取生日）

函数签名：idc_Birthday(idCard)｜ 中文别名sfz_生日

功能定位：从身份证号提取出生日期，输出标准YYYY-MM-DD格式。

参数规范：

技术原理深度解析：

• 清洗空格/横线/点号后，18 位取第 7~14 位（yyyyMMdd），15 位取第 7~12 位（yyMMdd）并补"19"前缀。
• 采用严格日期格式解析校验：不仅取字符，更验证其确为合法日期（如月份 13、日期 31 与月份不匹配等会被判为生日信息无效）。这一点优于手工MID——后者只截取字符、不校验合理性，会把19991331这类非法日期原样输出。
• 该函数是年龄、生肖、汇总等函数的"底层依赖"，生日有效性直接决定上游计算正确性。

实操案例：

=idc_Birthday("11010519491231002X") → 1949-12-31 =idc_Birthday("11010519991331002X") → 生日信息无效（13月31日非法）

业务价值：会计可据此批量生成员工生日台账，驱动生日福利/关怀自动化；数据分析中可直接作为时间维度参与 cohort（同期群）分析。严格校验特性使其天然胜任数据清洗的"脏数据拦截"。

4.4 idc_Zod（取生肖）

函数签名：idc_Zod(idCard)｜ 中文别名sfz_生肖

功能定位：从身份证号提取出生年份对应的生肖。

参数规范：

技术原理深度解析：

• 内部调用sfz_生日取出生日期，再以(出生年 - 4) % 12计算生肖索引。
• 生肖顺序固定为"鼠、牛、虎、兔、龙、蛇、马、羊、猴、鸡、狗、猪"。以 1949 年为例：(1949-4)%12=1→ 索引 1 → 牛，与示例输出一致。
• 该算法本质是公历年份与 12 生肖周期的同余映射，对于 1900 年后的公历出生年份均成立。

实操案例：

=idc_Zod("11010519491231002X") → 牛

业务价值：生肖维度在会员营销、节日运营（本命年关怀、生肖主题活动）中是常用分群标签。传统做法需先提取年份再CHOOSE(MOD(...))，本函数一步到位。

4.5 idc_Zodiac（取星座）

函数签名：idc_Zodiac(身份证号)｜ 中文别名sfz_星座

功能定位：根据出生日期（月-日）计算对应的西方星座。

参数规范：

技术原理深度解析：

• 按"月-日"边界划分 12 星座，划分规则为标准西方占星日期范围（如双鱼 2/19-3/20、白羊 3/21-4/19 等）。
• 区别于其他提取函数的单值返回，本函数支持区域输入（如A1:A10），并返回二维数组，适配批量场景。
• 异常处理与其他提取函数一致：空号/长度错/生日无效分别返回对应提示。

星座划分规则：

实操案例：

=sfz_星座("110101199003151234") → 双鱼座 =sfz_星座(A1:A10) → 批量返回区域中各身份证对应星座

业务价值：星座是消费行业（美妆、电商、内容）高频使用的轻量画像标签，区域输入特性使其在十万级用户表上一次填充即可完成分群，显著优于逐行公式。

4.6 idc_Sex（取性别）

函数签名：idc_Sex(idCard)｜ 中文别名sfz_性别

功能定位：从身份证号提取性别，支持 15/18 位。

参数规范：

技术原理深度解析：

• 清洗后，15 位取倒数第二位、18 位同样取倒数第二位（第 17 位）判断奇偶——两种位数规则在此统一，调用方无需区分。
• 奇数=男、偶数=女，依据 GB 11643-1999 顺序码分配规则。
• 相比手工IF(MOD(MID(A2,17,1),2)=1,"男","女")，本函数自动兼容 15/18 位，且带异常提示。

实操案例：

=idc_Sex("11010519491231002X") → 男 =idc_Sex(A2) → 批量识别

业务价值：会计在社保性别申报、个税人员信息维护、工资条性别统计中频繁使用；数据分析用于性别结构占比分析。函数对 15/18 位的统一兼容，解决了历史档案新旧号混存的现实问题。

五、识别采集类函数深度分析

5.1 idc_OCR（身份证识别OCR）

函数签名：idc_OCR(imgPath, [displayMode])｜ 中文别名sfz_OCR｜ 版本：🔴企业版

功能定位：对身份证图片进行 OCR 识别，提取姓名、性别、民族、出生日期、住址、身份证号等字段，支持三种显示模式。

参数规范：

技术原理深度解析：

• 依赖底层 OCR 引擎，由GetRawOCRResult完成图片识别并返回 JSON，再经FormatAsHorizontalTable/FormatAsVerticalTable转换为表格形态。这一"识别 + 结构化"两段式设计，使函数既能输出可直接落表的结构化数据，也能透出原始 JSON 供二次加工。
• 三种模式适配不同场景：模式 1 横向一行多列，适合横排录入花名册；模式 2 纵向多行（字段-值对照），适合单证核对；模式 3 原始 JSON，适合与json_*函数族链式处理（如抽取指定字段）。
• 异常处理：空路径→文件路径不能为空；文件不存在→文件不存在；其他→处理错误: 错误信息。

实操案例：

=idc_OCR("C:\images\idcard.jpg") → 姓名 性别 民族 出生日期 住址 身份证号（横向） =idc_OCR("C:\images\idcard.jpg", 2) → 字段-值纵向对照表 =idc_OCR("C:\images\idcard.jpg", 3) → {"name":"张三","sex":"男",...} 原始 JSON

业务价值：这是函数族中唯一"从图片到结构化数据"的入口，打通了纸质/扫描件身份证进入 Excel 的最后一公里。会计在新员工入职材料归档、报销人身份核验中可批量识别；模式 3 输出 JSON 后可无缝衔接灵析表格的 JSON 函数族，实现"OCR → 提字段 → 校验 → 入库"全链路自动化。

注意事项：仅支持本地图片路径，需确保路径正确且文件可访问；属企业版功能。

5.2 idc_ExtractID（提取证件号）

函数签名：idc_ExtractID(input, [horizontalOutput])｜ 中文别名sfz_提取身份证

功能定位：从任意文本中正则提取符合中国大陆 18 位身份证格式的所有号码，支持横/纵向输出。

参数规范：

技术原理深度解析：

• 采用正则表达式匹配 18 位身份证号，格式为：6 位地址码 + 4 位年份（不以 0 开头）+ 2 位月份 + 2 位日期 + 3 位顺序码 + 1 位校验码（数字或 X/x）。正则在年份、月份、日期段均设合法范围约束（如月份0[1-9]|1[0-2]、日期[0-2][1-9]|3[0-1]），具备一定的格式级过滤能力。
• 内部调用通用正则提取函数wb_正则提取完成匹配与格式化，复用平台正则引擎。
• 输出方向可控：横向一行多列便于横向铺开，纵向一列多行便于与原始文本逐行对照。
• 无匹配时返回空数组/空单元格，不报错，适合嵌入批量清洗流程。

实操案例：

=idc_ExtractID("张三身份证号是110105199003071234") → | 110105199003071234 |（横向） =idc_ExtractID("身份证A:110105199003071234;身份证B:320311198812120019", FALSE) → 纵向两行：110105199003071234 / 320311198812120019

业务价值：会计常遇到从合同、邮件正文、备注字段中"捞"身份证号的需求；数据分析师需从非结构化日志中抽取证件号做去重与核验。本函数把"文本挖掘"降维成一次函数调用。建议与idc_Check组合：先提取、再校验，形成"采集—校验"闭环。

注意事项：正则只做格式匹配，不验证校验码与行政区划真实性，故务必联动idc_Check做合法性二次确认。

六、格式转换与校验类函数深度分析

6.1 idc_15To18（证件号15升18位）

函数签名：idc_15To18(idCard15)｜ 中文别名sfz_15To18

功能定位：将 15 位旧版身份证号转换为 18 位标准格式，自动补全年份并按国标计算校验码。

参数规范：

技术原理深度解析：

• 在第 7~8 位之间插入"19"补全出生年份（旧 15 位默认 19xx 年生），得到 17 位本体码。
• 依 GB 11643-1999 计算校验码：17 位分别乘以加权因子{7,9,10,5,8,4,2,1,6,3,7,9,10,5,8,4,2}求和，和对 11 取模，按映射表{'1','0','X','9','8','7','6','5','4','3','2'}取末位。
• 示例验证：130503670401001→ 插入"19" →13050319670401001（17 位）→ 校验码 9 →130503196704010019，与文档输出一致。
• 异常：非 15 位输入返回输入必须是15位身份证号码。

实操案例：

=idc_15To18("130503670401001") → 130503196704010019

业务价值：历史人事/财务档案中大量存在 15 位旧号，升级为新系统要求的 18 位是数据迁移的必修课。本函数按国标精确重算校验码，避免了"仅补 19 不算校验码"的常见错误，是档案数字化的关键工具。

6.2 idc_18To15（证件号18转15位）

函数签名：idc_18To15(idCard18)｜ 中文别名sfz_18To15

功能定位：将 18 位身份证号转换为 15 位旧格式，移除年份中的"19"并剔除校验码。

参数规范：

技术原理深度解析：

• 仅支持第 7~8 位为"19"（即 1900-1999 年出生）的身份证转换——因为 15 位旧格式无法表达 2000 年及以后出生者，强行转换会造成年份歧义。
• 操作为"去 19 + 去校验码"：去除第 7~8 位的"19"，并剔除末位校验码，保留前 15 位。
• 异常分层：非 18 位→输入必须是18位身份证号码；非"19"开头年份→仅支持2000年前出生的身份证转换。

实操案例：

=idc_18To15("130503196704010019") → 130503670401001 =idc_18To15("130503200001010019") → 仅支持2000年前出生的身份证转换

业务价值：用于向仍只接受 15 位的旧系统/旧接口回写数据时的格式兼容。与idc_15To18配对，可实现新旧格式双向互转与数据清洗。函数对"2000 年界限"的主动拦截，体现了对国标语义的正确理解，避免产生历史数据污染。

6.3 idc_Check（证件号校验）

函数签名：idc_Check(idCard)｜ 中文别名sfz_校验身份证

功能定位：对 18 位二代身份证号进行合法性校验，返回"合法/不合法"。

参数规范：

技术原理深度解析（五重校验）：

1. 长度校验：必须 18 位。
2. 格式校验：前 17 位为数字，末位为数字或 X/x。
3. 行政区划校验：前 6 位须为有效行政区代码。
4. 出生日期校验：第 7~14 位须为有效日期。
5. 校验码校验：按 GB 11643-1999 算法重算并比对末位。

这是函数族中校验最严格的一个，将"格式合法性"提升到"语义合法性"层面。空文本与非文本参数统一返回"不合法"，无异常抛出，便于嵌入条件公式。

实操案例：

=idc_Check("11010519900307283X") → 合法 =idc_Check("123456789012345678") → 不合法 =IF(idc_Check(A2)="合法","√","×") → 批量标记 =IF(idc_Check(B5)="合法",TEXT(MID(B5,7,8),"0000-00-00"),"无效") → 校验通过才取生日

业务价值：会计在个税申报、社保参保前对身份证号做批量预校验，可提前拦截录入错误，避免申报退回；数据分析师在数据清洗阶段以idc_Check作为质量门禁，确保下游统计基于合法数据。建议将idc_Check作为整个证件处理流程的"前置门禁"——先校验、再提取，可杜绝非法号污染所有下游字段。

注意事项：行政区划校验需自行维护代码表（地址码会随行政区划调整而变化）；兼容性下探至 WPS 2016+/Excel 2013+，是函数族中对老版本支持最好的一个。

七、典型业务应用场景

7.1 会计实务：员工档案与个税申报自动化

场景：新员工入职，HR 递交一批身份证扫描件与花名册，会计需建立可申报的员工信息台账。

落地路径：

1. 采集：idc_OCR(图片路径, 3)识别扫描件得 JSON，再用 JSON 函数族抽取出身份证号文本。
2. 提取：idc_ExtractID从含噪文本中正则提取标准 18 位号。
3. 校验：idc_Check批量预校验合法性，标记"√/×"，不合法者退回核实。
4. 补全：idc_InfoSummary一次性补全性别/生日/生肖/年龄；idc_Age(号, 报告期末)计算统一口径年龄用于个税专项扣除判断。
5. 归一：历史档案中混存的 15 位号用idc_15To18统一升级。

相比手工公式，该链路将"识别—校验—补全—归一"压缩为五个函数调用，且每步均有异常拦截，个税申报退回率显著降低。

7.2 数据分析：用户画像与人群结构分析

场景：电商/会员运营团队需对十万级实名会员做画像分群，支撑生肖主题营销与年龄分层投放。

落地路径：

1. 以idc_Check做数据门禁，仅保留合法号进入画像层。
2. idc_Age统一以"活动启动日"为基准日计算年龄，做 18-25/26-35/36-45 等分箱。
3. idc_Zodiac(A1:A10)区域输入批量得星座；idc_Zod批量得生肖，作为营销标签。
4. idc_Sex得性别，做性别结构占比。
5. 生肖/星座/年龄/性别四维交叉透视，输出分群报表。

区域输入与批量返回特性，使十万级数据的画像构建无需逐行写公式，效率与一致性同步提升。

7.3 数据治理：清洗、归一与合规脱敏

场景：数据中台需对存量证件字段做质量治理与合规处理。

落地路径：

• 清洗：idc_ExtractID从备注/混合文本中捞取号；idc_Check标记非法号待人工复核。
• 归一：idc_15To18将旧号统一升级为 18 位，消除历史格式差异。
• 脱敏前置：身份证号属敏感个人信息，处理须遵循最小必要原则。先用idc_Check/idc_ExtractID等完成结构化，再按脱敏规则仅保留必要字段（如生日、性别），原始完整号按合规要求存储与访问控制。
• 可追溯：idc_InfoSummary输出二维结构，便于审计回溯"由号派生字段"的完整链路。

八、与传统方案对比评估

综合来看，函数族在"能力完备性"（补齐校验、互转、OCR、文本提取四类传统空白）、“准确性与合规性”（严格遵循 GB 11643-1999 与个保法口径）、“易用性”（语义化函数名 + 中文别名）三方面对传统方案形成代际优势。

九、综合评估与推广价值

9.1 技术评估结论

灵析表格证件信息提取函数族（11 个）以国家标准 GB 11643-1999 为算法基线，覆盖了从"图片识别 → 文本提取 → 合法性校验 → 格式互转 → 多维信息提取"的证件数据处理全链路。10 个函数免费开放，对会计与数据分析人员的核心诉求（提取、校验、归一）零门槛可用。函数间的依赖关系（如idc_Age/idc_Zod依赖idc_Birthday）与组合能力（如idc_ExtractID+idc_Check+idc_InfoSummary）体现了良好的工程化设计。

9.2 面向会计与数据分析人员的推广价值

• 对会计：把员工档案、个税申报、社保参保中"反复拆身份证"的高频低效劳动，压缩为语义化函数调用，配合idc_Check前置校验可直接降低申报退回率，提升合规水平。
• 对数据分析师：区域输入与批量返回（idc_Zodiac、idc_InfoSummary）适配大表画像构建，统一基准日的年龄计算消除统计口径偏差，生肖/星座标签即取即用。
• 对数据治理：idc_Check作为质量门禁、idc_15To18作为归一工具、idc_ExtractID作为非结构化采集器，三者构成敏感数据治理的基础工具箱。

9.3 使用建议

1. 校验先行：任何提取操作前先用idc_Check过滤非法号，避免脏数据污染下游。
2. 基准日统一：批量年龄计算统一指定refDate，确保口径一致。
3. 聚合优先：需多维信息时优先用idc_InfoSummary，减少函数调用次数。
4. 组合成链：复杂场景按"OCR/提取 → 校验 → 提取/转换"顺序组合，形成自动化流水线。
5. 合规脱敏：身份证号属敏感个人信息，结构化处理完成后按最小必要原则脱敏与访问控制。

参考文献

1. GB 11643-1999《公民身份号码》国家标准。该标准规定了公民身份号码的编码对象、号码结构和表示形式，是本函数族校验码与 15/18 位互转的算法依据。
2. 《中华人民共和国个人信息保护法》（2021 年实施）。该法以专节形式对敏感个人信息作出系统规定，将特定身份、医疗健康、金融账户等归类为敏感个人信息，构成证件数据处理的合规基线。
3. 灵析表格（Excel公式盒子）官方函数文档，calcx.cn。本报告全部函数的参数规范、技术说明与案例均依据该官方文档。
4. GB 11643-1999 校验码算法实现资料（加权因子 {7,9,10,5,8,4,2,1,6,3,7,9,10,5,8,4,2}、对 11 取模映射表 {‘1’,‘0’,‘X’,‘9’,‘8’,‘7’,‘6’,‘5’,‘4’,‘3’,‘2’}）。

本报告基于灵析表格官方函数文档编写，所有函数签名、参数与技术说明均与官方文档一致。函数的实际可用性以安装环境（WPS 2019+/Excel 365，idc_Check兼容至 WPS 2016+/Excel 2013+）为准。