征信报告页面的input验证收集

https://ipcrs.pbccrc.org.cn/

function checkLoginName() {
    var loginName = $.trim($("#loginname").val());
    var reg = new RegExp("^[a-zA-Z0-9\-_/]*$");
    if (loginName == null || loginName == "") {
        $("#loginNameInfo").text("登录名不能为空或空格。");
        $("#loginNameInfo").removeClass("yes").addClass("no");
        return false;
    }
    if (loginName.length < 6) {
        $("#loginNameInfo").text("登录名不能小于6个字符。");
        $("#loginNameInfo").removeClass("yes").addClass("no");
        return false;
    } else if (loginName.length > 16) {
        $("#loginNameInfo").text("登录名不能大于16个字符。");
        $("#loginNameInfo").removeClass("yes").addClass("no");
        return false;
    } else if (!reg.test(loginName)) {
        $("#loginNameInfo").text("登录名由字母、数字、_、-、/组成 。");
        $("#loginNameInfo").removeClass("yes").addClass("no");
        return false;
    }
}

function checkPassword() {
    var password = $("#pwd").val();
    var reg = /^(?![0-9]+$)(?![a-zA-Z]+$)[0-9A-Za-z]+$/; //  此处大小写还可以只存在一个
    if (password == null || password == "") {
        $("#passwordInfo").text("密码不能为空。");
        $("#passwordInfo").removeClass("yes").addClass("no");
        return false;
    } else if (password.length < 6) {
        $("#passwordInfo").text("密码不能小于6个字符。");
        $("#passwordInfo").removeClass("yes").addClass("no");
        return false;
    } else if (password.length > 20) {
        $("#passwordInfo").text("密码不能超过20个字符。");
        $("#passwordInfo").removeClass("yes").addClass("no");
        return false;
    } else if (!reg.test(password)) {
        $("#passwordInfo").text("密码只能使用数字和字母,且必须同时包含数字和字母。");
        $("#passwordInfo").removeClass("yes").addClass("no");
        return false;
    }
    $("#passwordInfo").text("");
    $("#passwordInfo").removeClass("no").addClass("yes");
    return true;
}

 

转载于:https://www.cnblogs.com/CyLee/p/8124800.html

Python + re + scrapy.Selector: 分析提取某在线征信站体系内容(一) 对于大多数求职者而言,查询企业征信是很有必要的。作为一个有“内涵”有技术的计算机科学技术人员,纯手动搜索实在不是流行的手法。半自动化和自动化才是办公流行的新趋势。科学技术是第一生产力,而时间就是金钱。智能分析可以节省大量的精力和资源,提高工作效率和产出质量。不管是作为一名有“深度”的劳斯基亦或是懵懂的菜鸟,下面就来试试如何使用Python工具包智能分析提取在线征信内容吧。 阅读详情

相关推荐

人行征信分析api

服务介绍 根据用户授权,自动化查询该用户在人行的征信报告。包括借贷记录,信用卡逾期等数据信息。 H5网页,3分钟部署集成 我们为您提供H5网页和API接口两种版本,您可以通过我们授权给您的H5网页,快速完成部署和集成,无需再进行前端开发。同时,我们也提供给您丰富的底层API接口,方便您的个性化定制。  报告样例

zhangzning的博客 1万+

个人征信报告,OCR识别,OCR识别技术方案

一、产品背景 1、业务需求 个人征信报告是反应个人信用最真实、直观的材料,通过评估个人的信用情况,从而给予信用贷款是国内金融信贷机构通行的做法。 目前个人征信报告都是从人民银行征信中心获取打印的,个人征信数据属于个人隐私信息,不能对金融信贷机构开放,因此,信贷机构从人民银行征信中心获取个人信用数据是比较困难的,必须通过央行的牌照申请。 基于以上情况,现行个人信用贷款的业务模

etopliu18500233610的博客 4105

SRC漏洞挖掘实战指南:从信息收集到逻辑漏洞的完整狩猎框架

在网络安全领域,漏洞挖掘是识别和利用系统安全缺陷的核心技术。其原理在于通过系统化的方法,模拟攻击者视角,对目标资产进行探测、分析与验证。掌握这项技术对于提升系统安全性、防范数据泄露和未授权访问具有重要价值,广泛应用于渗透测试、安全应急响应(SRC)和红队评估等场景。本文聚焦于构建一套高效的漏洞挖掘实战框架,重点涵盖信息收集、资产测绘和业务逻辑漏洞的深度挖掘。通过结合自动化工具与手动测试,并融入近百条经过验证的挖洞思路,旨在帮助安全研究人员建立从目标界定到漏洞报告的全流程能力,从而在授权测试中精准定位如越权访

weixin_30561177的博客 338

python 个人征信预测模型

一、个人征信预测模型 1、项目背景 当今社会,个人信贷业务发展迅速,但同时也会暴露较高的信用风险。信息不对称在金融贷款领域突出,表现在过去时期借款一方对自身的财务状况、还款能力及还款意愿有着较为全面的掌握,而金融机构不能全面获知借款方的风险水平,或在相关信息的掌握上具有明显的滞后性。这种信息劣势,使得金融机构在贷款过程中可能由于风险评估与实际情况的偏离,产生资金损失,直接影响金融机构的利润水平。 而现今时间金融机构可以结合多方数据,提前对客户风险水平进行评估,并做出授信决策。 数据和源码请

qq_39290990的博客 2764

央行征信爬虫解决方案

笔者所在公司是一家互联网金融公司,其中最大的一块业务就是贷款。当一个用户向我们申请贷款时,我们需要用户授权获取用户的征信数据,然后将数据交给风控规则引擎生成一份数据报告,凭借这份数据报告来判断是否可以给这个用户放贷。 其中获取用户征信数据这一步就是用爬虫来实现的。爬虫的应用领域非常广泛,技术手段也是五花八门。本文主要以央行征信报告为爬取目标,讲解三种爬虫的技术解决方案。 方案一:基于接口的爬虫...

weixin_33825683的博客 3368

[HTML5]其他表单元素及输入验证

1、使用其他表单元素 select、optgroup、textarea、output、keygen 1.1、生成选项列表 select元素可以用来生成一个选项列表供用户选择。 ‼️select元素的name、disabled、form、autofocus、requied属性与input元素的同名属性类似。 ‼️size属性:设定要显示给用户的选项数目 multiple属性:用户一次选择多个选项 提供给用户的选项由option元素 eg: ​​​​​​​<......

GUIDM的博客 2065

金融AI客服贷款自动化系统架构与实现

金融AI客服通过对话机器人技术实现贷款申请全流程自动化,显著提升处理效率和转化率。核心技术包括意图识别、资格预审、材料收集和人工兜底的四层流水线设计,结合BERT+BiLSTM混合模型和实时征信系统对接,确保高准确率和快速响应。系统采用RedisCluster维护多轮对话状态,通过智能路由算法处理复杂case,将对话中断率从23%降至4.8%。风控方面,独创的'三明治'检测模型整合设备指纹、行为序列和深度关系图谱,有效降低坏账率。性能优化通过本地缓存、GPU推理等策略,将99线响应从1.4s压缩至680ms

weixin_34198881的博客 326

Mythos推理增强机制:大模型结构化验证技术解析

大语言模型的推理能力正从概率采样迈向可验证、可审计的结构化范式。Mythos作为Anthropic推出的嵌入式推理增强机制,不修改模型权重,而是通过动态插入分支锚定、双轨验证与收敛裁决三阶段流程,在多跳逻辑链构建、跨文档隐含关系推断等任务中实现高置信度输出。其核心技术价值在于将黑箱推理转化为具备知识图谱约束、原文位置锚定和语义一致性评分的可解释过程,显著提升金融合规审查、法律文书比对、科研假说验证等高风险专业场景的决策可靠性与监管合规性。

weixin_34252686的博客 443

多智能体协同系统4步搭建法:角色建模、协议设计、通信编排与协同验证

多智能体系统(Multi-Agent System)是实现复杂AI工作流自动化的关键技术范式,其核心在于将单一大模型能力解耦为多个专业Agent,通过结构化协作完成端到端任务。原理上依赖角色分工、机器可验证协议、异步可靠通信与闭环容错机制,技术价值体现在提升任务鲁棒性、可维护性与跨系统协同效率。典型应用场景包括智能采购协同、合同联合审查、客服质检流水线等需多角色联动的业务流程。本文聚焦落地最关键的四个基础环节——角色建模明确‘谁来干’、协议设计定义‘如何说清楚’、通信编排保障‘不丢不乱’、协同验证确保‘出错

348

Vuetify表单验证扩展方案:从rules到验证管道

表单验证是前端工程的核心环节,涉及输入校验、错误反馈、异步联动与状态管理等基础能力。其本质是将用户输入映射为可预测、可测试、可组合的业务规则流。在 Vue 生态中,Vuetify 提供了开箱即用的 rules 接口,但原生机制缺乏上下文感知、异步支持和跨字段协同能力,难以支撑中大型项目中的手机号区号联动、身份证真实性核验、密码强度实时反馈等复杂需求。本文聚焦 Vuetify 表单字段验证的可扩展架构设计,基于 Composition API 封装可复用校验器、Pinia 统一管理验证状态、Validatio

weixin_34221036的博客 665

多模态身份可信建模:超越人脸识别的AI身份验证新范式

身份验证正从单一生物特征识别迈向多模态联合建模时代。传统人脸识别仅依赖静态人脸图像,易受伪造、绕过与设备差异影响,难以满足金融级KYC、实时动态验证等高敏场景需求。现代AI身份系统通过融合语音频谱、文本语义行为、设备指纹与交互行为四维信号,构建可解释、可审计、自适应的数字人格校准模型。其技术价值在于突破静态快照局限,实现会话级持续信任评估,并天然契合eIDAS、GDPR等全球合规框架。典型应用场景包括智能投顾实名核验、政务助手电子签约、AI客服高权限指令授权等。Claude 4.7 Opus正是这一范式的工

aofan9566的博客 451

PDL:结构化提示词语言,构建AI协作的可验证契约

Prompt Declaration Language(PDL)是一种面向AI工程化的声明式提示词语言,它将模糊的自然语言指令升级为具备类型定义、输入输出约束和可验证规则的结构化契约。其核心原理借鉴IDL(接口定义语言)思想,通过静态校验、约束驱动和Schema化治理,解决大模型交互中语义漂移、错误归因难与能力复用低三大痛点。技术价值在于提升AI服务的确定性、可观测性与跨团队协同效率,广泛应用于金融风控、电商文案生成、政务智能审批等需高可靠性AI输出的生产场景。本文深入解析PDL如何以工程化方式重塑人机协作

dielucui7698的博客 426

生产机器学习系统四大支柱:部署、监控、验证与治理

生产机器学习(Production ML)不是模型训练完成后的简单部署,而是围绕服务可靠性构建的系统工程。其核心在于将模型视为业务决策链中可审计、可降级、可追溯的服务单元,而非孤立算法。关键技术原理涵盖输入契约约束、多层级漂移检测(如PSI分布监控)、面向真实场景的压力测试(噪声/缺失/对抗),以及模型血缘与决策日志驱动的治理闭环。该范式显著提升金融、风控等高敏场景下的决策可信度与故障响应效率,支撑模型在数据漂移、服务依赖抖动和监管审查等复杂现实中持续稳定运行。

weixin_29159711的博客 292

O3推理模型:可审计、可干预、可验证的AI决策流水线

推理模型正从黑盒式语言生成转向结构化、可追溯的工程化推理范式。其核心原理在于将传统端到端token预测解耦为问题解析、多路径推演与一致性校验三阶段流水线,通过阶段隔离、路径正交和规则嵌入实现过程可控。这种设计显著提升高后果场景(如金融风控、医疗诊断、法律审查)下的可信度与合规性,支撑人机协同决策闭环。O3作为典型代表,不仅提供API能力,更定义了一套面向生产环境的推理基础设施标准——它让AI推理具备了类似数据库事务的可观测性与可干预性,标志着大模型落地从‘能用’迈向‘敢用’的关键跃迁。

abc20899的专栏 384

生产级思维链(CoT)工程化落地:可审计、可验证、可干预的推理协议

思维链(Chain-of-Thought)并非简单的‘让模型多想几步’,而是一种面向高可靠场景的结构化推理范式。其核心原理在于将模糊的生成过程解耦为语义明确、类型可分、行为可约束的推理节点;技术价值体现在可解释性增强、人工干预路径清晰、审计回溯闭环可控;典型应用于金融风控、医疗决策、政务审批等强合规要求领域。本文聚焦CoT在真实生产系统中的工程重构——通过节点类型化(FACT_EXTRACTION/NUMERIC_CALCULATION等)、Prompt锚点强制声明、独立规则引擎验证等手段,实现推理链从‘黑

weixin_30696427的博客 383

LLM微调数据集构建:从清洗、划分到质量验证的生产级实践

大型语言模型(LLM)微调效果高度依赖训练数据质量,而非仅靠超参数调优。数据准备本质是语义完整性诊断、分布一致性校验与任务对齐度测量的过程。其核心原理在于确保instruction-output对准确反映业务约束,避免领域知识断层、任务粒度失配和隐式分布污染。技术价值体现在提升模型在线上场景的真实泛化能力与合规响应水平,支撑客服对话、SQL补全、金融风控等关键应用。本文聚焦LLM数据集构建的生产级落地路径,覆盖数据清洗、分层划分、元数据注入及自动化质量门禁等实操环节。

dengjuanshou7445的博客 371

OpenSpec:Agent时代可验证、可审计的契约式基础设施

Agent开发正从‘能跑通’迈向‘可信赖’阶段,其核心挑战在于行为边界模糊、错误发现滞后、跨系统协作不可控。OpenSpec并非传统框架,而是一套基于YAML与JSON Schema的开放规范,将Agent的输入约束、工具调用、重试策略、超时阈值等关键契约编译期固化,实现机器可读、可验证、可版本化。它不替代大模型或向量库,而是通过契约沙箱、DAG执行计划和Superpowers元能力,为Agent装上‘刹车、油门与仪表盘’,显著提升金融、电商等强合规场景下的交付确定性与运维可观测性。

chuanzhuanxian8669的博客 582
上一篇: JS 手势长按代码
下一篇: 获取 Android 版本
dicha7140
博客等级 码龄10年 9粉丝 127原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值