Python解析英国签证行程单：从文本清洗到交叉校验

简介这是一份专门用于申请英国旅游签证的行程单模板面向计划赴英自由行的申请人、留学家长或签证代办人员能解决签证材料中行程单格式不规范、住宿交通信息不完整、难以让签证官快速判断行程真实性的问题。压缩包内共有一个doc文档大小为43KB文档采用表格形式按日期逐日列出每日行程内容涵盖到达与离开城市、参观景点、酒店名称及地址电话、交通方式飞机、火车、巴士、地铁、步行等结构一目了然可直接对照修改。行程路线覆盖伦敦、剑桥、牛津、巴斯、布里斯托、曼彻斯特、纽卡斯尔等英国热门城市既有经典景点也有购物休闲安排能帮助申请者理解行程逻辑也便于在实际旅行中按图索骥已有180人学习浏览。使用时只需替换为个人真实的日期、酒店与预订确认信息再补充每日预算和紧急联系人即可得到一份规范、可信的英签行程单。1. 行程单不是流水账是你签证材料里被交叉核对最狠的一张主表申请英国旅游签很多人把重心放在银行流水和在职证明上行程单往往到最后才补。实际上签证官最先逐行扫的就是它停留天数、城市顺序、每晚酒店、城际交通全要和其他材料对齐。我接触过的补件案例十有七八是行程单与酒店订单对不上而不是余额不够。这份模板是5月20日上海出发、6月10日纽卡斯尔返回的22天英格兰环线覆盖伦敦、剑桥、牛津、巴斯、布里斯托、伯明翰、曼彻斯特、达勒姆、纽卡斯尔把每天的景点、酒店地址、交通方式压在一行里。适合第一次申请英国旅游签的自由行人也适合需要批量核验订单的旅游从业者。下面按拆表、重建、校验、定稿四步来用。2. 拆原始行程表把无分隔文本恢复成结构化字段2.1 先读懂原表里的“编码习惯”原模板不是严格表格更像用文本压缩过的记录。以5月20日那行为例105.20 Shanghai-LondonShanghai-LONDONBlakemore Hyde Park ADDRESS:30 Leinster Gardens, Bayswater, London, W2 3ANBus PlaneMetro这里的105.20是行号和日期粘连实际是第10行、5月20日。第二个Shanghai-LONDON是重复写了一遍城市名属于模板录入时的冗余不影响阅读但会影响程序解析。后面Blakemore Hyde Park是当晚酒店ADDRESS:到行尾是地址块末尾Bus PlaneMetro是交通方式。剑桥段写成ADRESS:少一个D解析时必须兼容两种拼写。再看5月24日那行105.24 London- Cambridgeshire The BacksCambridgeHotel Felix ADRESS: Whitehouse Lane, Huntingdon RoadCambridge, CB3 0LXTEL: 441223 81xxxx TrainFoot它把城市移动London- Cambridgeshire、景点The Backs、城市Cambridge、酒店Hotel Felix、地址、电话和交通全部塞进一行。字段间没有逗号只有大写字母和已知酒店名可以作为切割点。如果直接复制到Excel里手工分列22行数据会花掉不少时间而且容易漏掉地址里的邮编。所以我一般先写一段清洗脚本把原始行拆成字段字典再导出成表格。2.2 用 Python 和酒店名词典把原始行拆成 JSON模板里酒店名相对固定可以作为“锚点”来切分。下面这段代码针对这份模板的格式写核心思路是先抓日期再按ADDRESS/ADRESS切出地址块最后在剩余文本里找酒店名。import re # 原模板中的酒店名按名称长度降序排列 KNOWN_HOTELS [ Macdonald Randolph Hotel, The Portland by Thistle, Best Western Abbey Hotel, Thistle Birmingham City, Blakemore Hyde Park, Hotel Felix, Ramada Bristol City, Slieve Donard Hotel, ] def parse_entry(raw_line: str) - dict: # 抽取“行号.日期”兼容 105.20 这种粘连格式 m re.match(r(\d{1,2})(?:-(\d{1,2}))?\.(\d{2}), raw_line) if not m: return {} seq m.group(1) day int(m.group(3)) date f2024-05-{day:02d} if day 20 else f2024-06-{day:02d} # ADDRESS/ADRESS 之后是地址和电话之前是“路线 景点 酒店” head re.split(rADDRESS|ADRESS, raw_line[m.end():], maxsplit1) content head[0].strip() addr_block head[1] if len(head) 1 else if TEL: in addr_block: address, tel re.split(rTEL:, addr_block, maxsplit1) else: address, tel addr_block, # 在 content 中找酒店名找到后用 replace 把它切出来 hotel route content for name in KNOWN_HOTELS: if name in content: route content.replace(name, ).strip() hotel name break return { date: date, route: route, hotel: hotel, address: address.strip(), tel: tel.strip(), } print(parse_entry( 105.24 London- Cambridgeshire The BacksCambridgeHotel Felix ADRESS: Whitehouse Lane, Huntingdon RoadCambridge, CB3 0LX TEL: 441223 81xxxx TrainFoot ))这段代码的输出会把5月24日标准化成2024-05-24route里保留“London- Cambridgeshire The BacksCambridge”hotel是Hotel Felix地址与电话分开。seq代表原始行号如果后续要核对每天都出现且不重复这个字段很有用。ADDRESS|ADRESS保证了原模板拼写错误时也能同一规则处理。KNOWN_HOTELS按长度降序是为了避免Hotel Felix被子串更短的名称干扰。如果你拿到的是整份doc文件建议先复制到文本文件再用re.split(r(?\d{1,2}\.\d{2}), raw_schedule)切成若干行然后循环调用parse_entry。这个方法不完美比如route里仍混有城市和景点但只要下一步在Excel里用列拆分微调效率已经比纯手工高很多。2.3 字段录入规范日期、酒店、地址、交通的口径拆完字段后需要统一口径。下面是推荐的标准字段和格式字段目标格式原始模板的典型问题dateYYYY-MM-DD105.20要还原成2024-05-20且不能漏掉前导零routeCityA - CityB / 当日城市多个城市挤在一行如London- Cambridgeshirehotel与预订确认单一字不差不写中文名不写集团名代替具体分店addressStreet, City, Postcode原模板ADRESS拼写错误必须改成ADDRESStel44开头去掉空格原模板后四位是xxxx正式版要补全transport城际在前市内在后Bus PlaneMetro应写成Plane Bus Metro日期是签证官核对的第一个维度。原模板里105.20到106.04如果直接看容易被误认为10月5.20或10月6.04之类的怪格式。切分时把行号和日期拆开后面才能用日期排序、检查断档。酒店名必须与预订确认单一致。比如Thistle Birmingham City实际官方名称是Thistle Birmingham City Centre Hotel如果行程单只写缩写签证官按名字去查地址对不上就会产生怀疑。地址里的邮编是关键建议保留W2 3AN、CB3 0LX这类完整邮编方便对方在地图上定位。交通方式不要合并成“各种交通”而是按城际和市内分开。原模板写TrainFoot正式行程单应拆成Train Foot因为一段跨城火车加上目的地步行逻辑非常清楚写BusMetroFoot则意味着当天全程在城市内移动不需要预订长途车票。3. 重构 22 天环线城市链、交通链和住宿链怎么对齐3.1 为什么要先把移动链路画出来再填每日景点行程单不是景点列表签证官会从交通时间判断行程是否真实。把原始模板的日期块单拉出来可以还原出这条移动链05.20 上海 → 伦敦05.24 伦敦 → 剑桥05.27 剑桥 → 牛津05.29 牛津 → 索尔兹伯里(Stonehenge) → 巴斯05.31 巴斯 → 布里斯托06.01 布里斯托 → 伯明翰06.03 伯明翰 → 曼彻斯特06.09 曼彻斯特 → 达勒姆 → 纽卡斯尔06.10 纽卡斯尔 → 上海这条路线基本按地理位置从南往北推没有在英格兰和苏格兰之间来回折返。伦敦到剑桥火车约1小时剑桥到牛津约1.5小时且通常需在伦敦中转牛津到巴斯约1.5到2小时巴斯到布里斯托只有20分钟火车布里斯托到伯明翰约2小时伯明翰到曼彻斯特约1.5小时曼彻斯特到达勒姆约2.5小时达勒姆到纽卡斯尔约20分钟。这种“南进北出”的环线比先伦敦再爱丁堡再回曼彻斯特的跳跃路线可信得多。如果把这个判断写进代码可以用日期和城市两个字段做检查import re def extract_city_from_route(route: str) - str: # 最朴素的形式是 London- Cambridge 或 Bath-Bristol # 取最后一个明显的大写城市名这里用首单词兜底 parts re.split(r[-–—], route) return parts[-1].strip().split()[0] if parts else for item in itinerary: city extract_city_from_route(item[route]) item[city] city这段代码不会覆盖所有地名格式但它能帮你快速列出每天城市方便肉眼检查是否有“前一天在巴斯后一天突然到约克”的跳变。extract_city_from_route按分隔符切分取最后一段如果route里只有当天停留城市就取第一个词。实际使用中我会再用一份城市清单去匹配地名避免把The Backs当成城市。3.2 逐日展开时如何把 transport 列转成动作原始模板里的交通列经常是粘连的比如Bus PlaneMetro、TrainFoot、BusMetro Foot。它们虽然能看懂但在正式行程单里必须变成有顺序的动作。我一般按两个规则整理跨洋或跨大区移动放最前上海到伦敦用Plane同城内交通放后面Bus、Metro、Foot按真实使用顺序排列。下面这段脚本可以把粘连单词拆开import re def normalize_transport(raw: str) - str: words re.findall(r[A-Z][a-z], raw) order {Plane: 1, Train: 2, Bus: 3, Metro: 4, Foot: 5} return .join(sorted(words, keylambda w: order.get(w, 9))) print(normalize_transport(Bus PlaneMetro)) # Plane Bus Metro print(normalize_transport(TrainFoot)) # Train Footre.findall按大写字母开头、后面小写字母结尾的规则提取英文单词order字典规定排序权重。Plane权重最小所以排最前Foot权重最大所以排最后。权重值没有用float是为了让不认识的交通词落到最后避免污染顺序。处理BusMetro Foot时会得到Bus Metro Foot比手工删除重复空格更省事。标准化后的每日表可以这样写日期城市/移动景点安排住宿交通05.20上海 - 伦敦抵达、入住Blakemore Hyde ParkPlane Bus Metro05.24伦敦 - 剑桥The BacksHotel FelixTrain Foot05.29牛津shire - Salisbury - BathStonehengeBest Western Abbey HotelTrain Foot06.09曼彻斯特 - 达勒姆 - 纽卡斯尔Durham University, Great North Museum70 Hastings AvenueTrain Metro Taxi注意5.29这一行原模板是“Oxford shire – Salisbury- Bath Stonehenge”。它其实表达了三个位置早上从牛津郡出发中午到索尔兹伯里看巨石阵晚上住巴斯。拆成Train Foot后还需要在景点列或备注里写出“Salisbury停留约3小时”否则签证官会认为你在半天内从牛津到巨石阵再到巴斯时间不够。3.3 住宿链要和酒店确认单逐晚对齐行程单里每个过夜日必须有酒店。这里有一个快速计算原则如果5.20到达、6.10离开那么5.20晚到6.09晚一共21个夜晚行程单上必须能数出21个酒店名称。原模板的住宿链如下酒店覆盖日期Blakemore Hyde Park05.20-05.23Hotel Felix05.24-05.26Macdonald Randolph Hotel05.27-05.28Best Western Abbey Hotel05.29-05.30Ramada Bristol City05.31Thistle Birmingham City06.01-06.02The Portland by Thistle06.03-06.0870 Hastings Avenue06.095.28那天是在比斯特购物后返回牛津继续住不换酒店6.03到6.08连续住曼彻斯特6.09才移动到达勒姆和纽卡斯尔。这种安排避免了“每天换一家酒店”的消耗型行程也让签证官认为你有明确的住宿预算。用代码核对住宿晚数是最稳妥的from datetime import date arrival date(2024, 5, 20) departure date(2024, 6, 10) expected_nights (departure - arrival).days # 21 hotel_night_counts { Blakemore Hyde Park: 4, Hotel Felix: 3, Macdonald Randolph Hotel: 2, Best Western Abbey Hotel: 2, Ramada Bristol City: 1, Thistle Birmingham City: 2, The Portland by Thistle: 6, 70 Hastings Avenue: 1, } print(sum(hotel_night_counts.values()), expected_nights)如果两边数字相等说明每晚都有住宿如果不相等就要检查是哪一天漏了。常见的错误是5.28写成“Bicester Village购物”后没写回牛津酒店或6.03从伯明翰到曼彻斯特后没写The Portland酒店。原模板这部分处理得不错因为你照着改时只要不删掉酒店列基本上不会出现断档。4. 与资金证明、交通预订、住宿凭证做交叉核对4.1 行程单决定资金证明的最低水位签证官会按行程单估算每日开销。英国访问签证没有明文规定每天必须有多少余额但递签材料里银行流水通常要能覆盖整个行程的花费。常见做法是每天预算按£100到£150估算包括住宿、餐饮、市内交通和景点门票。如果行程单显示全程住四星酒店预算还要上调。用原模板的22天行程估算DAYS 22 DAILY_BUDGET 120 BUFFER 500 estimated_spending DAYS * DAILY_BUDGET suggested_balance estimated_spending BUFFER print(f预估花费: GBP {estimated_spending}) print(f建议余额: GBP {suggested_balance})这段代码算出的建议余额是£3,140。BUFFER是给签证官看的“可支配余量”它不等于要把所有钱都压在活期里但递签前至少要保持这个水位。如果你的银行流水发薪日固定、余额稳定那么行程单上的城市数量越多越需要足够余额覆盖移动成本。反过来如果流水余额不高就不要在行程单里写太多购物内容比如5.28的比斯特购物村就需要额外解释为“纯游览、无大额消费计划”。4.2 用逻辑规则校验交通方式的合理性交通方式必须匹配移动距离。以下规则是从实际签证材料里总结出来的移动场景合理交通不合理写法上海 - 伦敦PlaneMetro伦敦 - 剑桥Train / BusFoot牛津shire - SalisburyTrain / CarMetro巴斯 - 布里斯托Train / BusPlane曼彻斯特 - 达勒姆TrainFoot原模板里出现Bus PlaneMetro实际含义是飞机为主、落地后巴士和地铁为辅写的时候拆开即可。最怕把同一天的长途移动和市内移动混成一个词签证官就无法判断你从机场到酒店花了多长时间。另一个容易被忽略的是“丰度一致性”。如果5.24写Train从伦敦到剑桥却没有火车票订单或预订邮件不一定会被要求补件但一旦抽查到至少要能拿出英铁或Trainline的电子确认单。原模板只给了TrainFoot说明作者默认不递交车票。如果你愿意准备得更充分可以在行程单里加一列“预订参考号”火车票、酒店、门票都放进去这样签证官能快速验证。4.3 最容易导致补件的三个错位第一个错位是日期错位。签证申请表的预计到达日期填了05.20行程单却从05.21开始或者酒店确认单首晚是05.21机票却是05.20落地。递签前要把所有材料里的日期聚在一起逐个比对。第二个错位是酒店城市错位。比如6.01行程单写的是伯明翰但酒店订单的地址在布里斯托。原模板里的Thistle Birmingham City没问题但如果你为了让路线顺把巴斯到伯明翰安排在同一天就必须确认当晚酒店属于伯明翰而不是巴斯附近。第三个错位是交通方式错位。行程单写Train实际材料中拿不出一张火车票行程单写Foot却把两个相距5英里的景点排在同一天。可以用下面这个小函数快速扫描缺失字段def find_missing_fields(rows, required[hotel, address, transport]): missing [] for row in rows: for key in required: if not row.get(key, ).strip(): missing.append((row.get(date), key)) return missingfind_missing_fields返回的是所有空字段的日期和字段名调用后只需要看结果里有没有漏。我的习惯是把它放在所有字段整理完成后跑一次再开始生成最终Excel。5. 用一张六列 Excel 表收口30 分钟完成递签前自检5.1 列顺序、字体和打印设置最终递签的行程单建议只用六列Date、City/Route、Itinerary、Hotel、Address、Transport。原模板里的第7列“Contact/TEL”可以并入Address列或者单独作为备注不必单独成列。列示例说明A Date2024-05-20日期连续不能漏行B City/RouteLondon / London - Cambridge当天所在城市或移动路径C ItineraryTower of London; Tower Bridge景点用分号分隔D HotelBlakemore Hyde Park与预订确认单完全一致E Address30 Leinster Gardens, London W2 3AN完整邮编方便地图定位F TransportPlane Bus Metro城际交通在前市内交通在后打印时用A4纸字体选Arial或Calibri字号10号左右。表头加粗列宽按内容调整不要出现一列特别宽、其他列挤成一团的情况。页面边距用普通中等宽度整张表控制在两页以内即可。别做封面页也别加过多图标签证官最需要的是快速检索。5.2 用条件格式自动标记日期断档和酒店错位Excel里有两个公式非常实用。第一个是检查日期连续性在G列辅助列输入A3-A2然后用条件格式选中A列设置公式AND(A3, A3A21)一旦日期出现跳号或重复单元格就会变红。第二个是检查酒店与城市是否对得上。如果B列写城市名D列写酒店名可以用COUNTIFS(B:B,B2,D:D,D2)0来标记“同一天有多个不同酒店”的情况。实际上标准行程表中每天只能有一个酒店所以只要这个条件成立就说明这一天可能存在两处住宿或上一行与下一行的城市重叠。递签前再扫一遍原模板里的ADRESS、x、缺邮编等细节把它们全部替换成正式格式。这个过程可以在Excel里用“查找和替换”完成不需要重新跑脚本。5.3 在 Cover Letter 中把行程单作为索引最终递签时Cover Letter里应该单独有一句指向行程单的说明。我常用的写法是“Please find my day-by-day itinerary from 20 May 2024 to 10 June 2024. It covers accommodation addresses and transport modes for London, Cambridge, Oxford, Bath, Bristol, Birmingham, Manchester, Durham and Newcastle. All referred bookings are consistent with the attached confirmations.”这句话的作用是告诉签证官后面材料中每一家酒店、每一段交通都能从行程单反向找到。你不必把预算表放进Cover Letter但可以在行程单底部加一行“Estimated daily budget: GBP 120”让资金证明和行程单形成闭环。最后再检查一遍表格里不得有任何TEL:44 871376xxxx这种脱敏数字所有电话和邮编必须是可查的真实信息。本文还有配套的精品资源点击获取