WhatsApp号码去重：E.164规范化与去重处理顺序

假设你拿到一份从展会登记表、官网表单和老 CRM 导出合并来的 WhatsApp 联系人名单，共一万多行。用 Excel 的「删除重复项」处理后，只少了几百行。但你按姓名抽查时发现，同一个客户仍然出现了三四次，而且每次的号码写法都不一样。

原因是 Excel 只会删除字符完全相同的行。先把每个号码转成统一的规范格式，再用这个规范号码去重，才能找出真正重复的记录。顺序反过来，重复行就会留在名单里，后面按条计费的检测也会为同一个号码多付几次钱。

为什么看起来不重复的号码其实是同一个

以一个英国手机号为例，名单里可能同时出现下面这些写法：

+44 7946 012345
0044-7946-012345
07946 012345
(07946) 012 345
447946012345

这五个号码写法不同，但指向同一个号码。差异主要来自三类情况：

符号：空格、短横线、圆括号、点号。
国际前缀：写成 +，写成国际字冠 00，或者没有写前缀。
本地拨号习惯：只写了本国的拨号方式，带着国内前导 0（trunk prefix），也没有国家代码。

同一英国手机号的五种写法经过清洗后统一为同一个规范号码，作为去重主键

国际电信联盟推荐的 E.164 格式是：+ 加国家代码，再加包含区号的用户号码，总长度不超过 15 位数字。转成国际格式时，要去掉国家代码后面的国内前导 0。比如英国的 07946... 转成 +447946...，德国的 0151... 转成 +49151...。在系统里存储和比对号码时，一般保留带 + 的 E.164 格式，或者只保留纯数字（例如 447946012345）。一份名单里只选一种写法，并且从头到尾保持一致。

处理顺序：先规范化，再去重

第一步：保留原始列，新增一列规范号码

不要直接改原始号码列。新建一列，比如命名为 phone_norm，后面所有清洗操作都写到这一列。原始写法以后排查问题时会用到，把检测结果回写到 CRM 时也需要它。

用 Excel 打开 csv 文件前，先把号码列设成「文本」格式，或者通过「数据 → 从文本/CSV 导入」手动把这一列指定为文本。否则长号码可能变成 4.47946E+11 这样的科学计数法，开头的 0 也会被直接删掉。用 pandas 读取时，同样要加上 dtype=str。

第二步：清洗符号

删除空格、短横线、括号、点号等所有非数字字符，只保留开头的 +。先检查以下两种情况：

一个单元格里有多个号码，例如 07946012345 / 07700900123。先拆成多行，再继续清洗。
号码后面带分机或备注，例如 ext 12、(微信同号)。先删除这部分内容，否则分机号的数字会被拼进号码里。

第三步：统一国际前缀

以 + 开头：去掉 +，剩下的部分从国家代码开始。
以 00 开头：去掉 00，效果和 + 相同。
部分地区的国际字冠不是 00，比如北美使用 011。如果名单主要来自这些地区，要单独处理。

第四步：给本地号码补国家代码、去前导 0

这一步最容易出错。一个以 0 开头的号码，你必须先知道它属于哪个国家，才能正确补上国家代码。判断依据可以是名单里的国家字段、收集渠道（比如某国展会），也可以是客户地址。不要凭号码长度猜测国家。 无法确定国家的号码单独放一组，暂时不参与去重和检测。

确定国家后，再按该国规则处理。多数国家的手机号要去掉前导 0，再在前面补上国家代码。但这条规则不适用于所有号码。例如意大利固定电话在国际格式里仍然保留 0。阿根廷、墨西哥等国的移动号码还有额外的编码规则。多国家名单可以对照 WhatsApp E.164 格式转换规则逐个国家确认。

如果处理的是单一国家的名单，可以参考下面这段简化逻辑。它只适用于「本地号码带前导 0、去掉 0 后补国家代码」这类国家：

import re

def normalize(raw, cc):  # cc 如英国为 '44'
    s = re.sub(r'[^\d+]', '', str(raw))
    if s.startswith('+'):
        return s[1:]
    if s.startswith('00'):
        return s[2:]
    if s.startswith('0'):
        return cc + s[1:]
    return None  # 不带任何前缀：可能已含国家代码，也可能缺失，交给人工确认

最后一种情况，号码不带 +、00 或 0，比较难判断。447946012345 已经包含国家代码，7946012345 却缺少国家代码。建议把它们单独标记出来，确认后再合并回名单。

第五步：校验长度

把规范化后超过 15 位的号码筛出来，明显过短的号码也一起筛出。这些通常是拼接错误、少录一位或多录一位造成的。先打标记放到一边，不要混进待检测名单。

第六步：按规范号码去重，并保留映射表

用 phone_norm 作为唯一键去重。遇到重复记录时，决定保留哪一条：

保留更新时间最新的记录，适合 CRM 导出数据。
保留字段最完整的记录，比如有姓名、公司、国家的那一条。
如果不同来源的标签都有价值，可以把它们合并到保留的那条记录上。

还有两种情况不要当成重复直接合并。第一种是同一个人登记了两个不同号码，这是两个号码，应该分别检测。第二种是同一个号码对应不同联系人，比如家庭或公司共用一个号码。这时号码只需要检测一次，但联系人记录是否合并，要由业务规则决定。

去重时另外保存一张映射表：原始记录ID → phone_norm。检测结果只会对应到去重后的号码。有了这张表，才能把结果回写到每一条原始记录，包括被合并掉的重复行。

把去重后的名单交给检测

完成以上步骤后，你手上会有一份每行一个规范号码的名单。多国家名单可以按国家代码拆成几个文件，方便分别核对格式和结果。各国的号码格式和常用平台可以在区域页查看。

在 NexCheck 上可以用两种方式提交名单。一种是在控制台上传 txt 或 csv 文件，另一种是通过 REST API 提交，单批不限量。系统按 WhatsApp 平台的检测项返回结果，包括是否已开通、注册时间、活跃状态等可以获取的属性，并按有效和无效分组导出。结果也可以通过 Webhook 回推到你的系统。检测按条计价，所以名单里每多一行重复号码，就多一条检测费用。上传含重复号码的名单时，平台是否会自动合并或免计重复行，请以官网说明为准。最稳妥的做法是在本地完成去重后再提交。WhatsApp 的具体检测项和单价会调整，以 WhatsApp 平台页的价目表为准。名单属于你自己的数据，来源和用途需要合法。

拿到结果后，用第六步的映射表把状态字段回写到原始记录。各个字段的含义和回写顺序，可以接着看 WhatsApp 筛号结果怎么看。