# ============================================================================== # Servicio de Parseo y Normalización de DNI Argentino (PDF417 / QR) # Soporta formatos 2009, 2012, 2026 y App Mi Argentina # ============================================================================== import re from typing import Dict, Tuple, Optional from pydantic import BaseModel def limpiar_numero_documento(doc_raw: str) -> Tuple[str, Optional[str]]: """ Limpia y normaliza un número de documento DNI argentino. En formatos antiguos (Libreta Cívica, Libreta de Enrolamiento o Formato 2009), el documento suele estar precedido por 'F' (Femenino) o 'M' (Masculino), por ejemplo: 'F5592570' -> ('5592570', 'F'), 'M34247025' -> ('34247025', 'M'). Retorna (documento_numerico, sexo_inferido). """ if not doc_raw: return "", None doc_clean = str(doc_raw).strip() doc_sin_puntos = doc_clean.replace(".", "").replace(",", "").replace(" ", "") # Patrón: Prefijo F o M seguido de 5 a 9 dígitos m = re.match(r"^([FMfm])(\d{5,9})$", doc_sin_puntos) if m: return m.group(2), m.group(1).upper() # Si contiene dígitos precedidos por F/M con posibles espacios o puntos m2 = re.match(r"^([FMfm])[\s\.]*(\d{5,9})$", doc_clean) if m2: return m2.group(2), m2.group(1).upper() return doc_sin_puntos if doc_sin_puntos.isdigit() else doc_clean, None class DNIParsedResult(BaseModel): valido: bool documento: str apellido: str nombre: str sexo: str class DniParserService: @staticmethod def parsear(raw_text: str) -> Dict[str, str]: """ Parsea el texto decodificado por la cámara de la tablet o escáner. Retorna: {"documento": str, "apellido": str, "nombre": str, "sexo": str} """ if not raw_text: return {"documento": "", "apellido": "", "nombre": "", "sexo": "M"} # Limpiar terminadores y retornos de carro raw_clean = raw_text.strip().replace("\r", "").replace("\n", "") # Si solo vino un número de documento escrito manualmente (o escaneado directamente) doc_limpio, sexo_directo = limpiar_numero_documento(raw_clean) if 5 <= len(doc_limpio) <= 9 and doc_limpio.isdigit() and '"' not in raw_clean and '@' not in raw_clean: return {"documento": doc_limpio, "apellido": "", "nombre": "", "sexo": sexo_directo or "M"} # Algunos escáneres o formatos vienen separados por @ en lugar de comillas dobles text = raw_clean.replace("@", '"') parts = [p.strip() for p in text.split('"')] if len(parts) < 5: digits = "".join(filter(str.isdigit, raw_clean)) if 5 <= len(digits) <= 9: return {"documento": digits, "apellido": "", "nombre": "", "sexo": sexo_directo or "M"} return {"documento": "", "apellido": "", "nombre": "", "sexo": "M"} doc = nombre = apellido = sexo = "" # Heurística para Formato 2009 con comilla inicial if parts[0] == "" and 5 <= len(parts[1]) <= 11 and len(parts) > 2 and parts[2].isalpha() and len(parts[2]) == 1: doc = parts[1] if len(parts) > 5: apellido = parts[4] nombre = parts[5] # Heurística para Formato 2009 sin comilla inicial elif 5 <= len(parts[0]) <= 11 and len(parts) > 4 and parts[1].isalpha() and len(parts[1]) == 1: doc = parts[0] apellido = parts[3] nombre = parts[4] # Formatos 2012, 2026 y App Mi Argentina else: if parts[0] == "" and len(parts) > 1: parts = parts[1:] if parts[0].isdigit() and len(parts[0]) >= 8: apellido = parts[1] if len(parts) > 1 else "" nombre = parts[2] if len(parts) > 2 else "" if len(parts) > 3: p3 = parts[3].strip() p4 = parts[4].strip() if len(parts) > 4 else "" # Formato 2012: parts[3] es letra de sexo (M, F, X) if len(p3) == 1 and p3.upper() in ("M", "F", "X"): sexo = p3.upper() if len(parts) > 4: doc = p4 # Formato App Mi Argentina: parts[3] es código 1=M, 2=F, 3=X y parts[4] es DNI elif p3 in ("1", "2", "3", "0") and p4.isdigit() and 5 <= len(p4) <= 9: sexo = "M" if p3 == "1" else ("F" if p3 == "2" else "X") doc = p4 # Formato 2026: parts[3] es DNI directo elif p3.isdigit() and 5 <= len(p3) <= 9 and not (p4.isdigit() and 5 <= len(p4) <= 9): doc = p3 if p4.upper() in ("M", "F", "X"): sexo = p4.upper() elif p4.upper() == "G": sexo = "M" # Desempate general: si parts[4] es DNI numérico elif p4.isdigit() and 5 <= len(p4) <= 9: doc = p4 if p3 == "1": sexo = "M" elif p3 == "2": sexo = "F" elif p3.upper() in ("M", "F", "X"): sexo = p3.upper() else: doc = p3 # Normalizar DNI por si trajo prefijo F/M en Formato 2009 o Libreta Cívica num_limpio, sexo_inf = limpiar_numero_documento(doc) if num_limpio: doc = num_limpio if not sexo and sexo_inf: sexo = sexo_inf return { "documento": doc.strip(), "apellido": apellido.upper().strip() if apellido else "", "nombre": nombre.upper().strip() if nombre else "", "sexo": sexo or "M", } @classmethod def parsear_codigo(cls, raw_text: str) -> DNIParsedResult: res = cls.parsear(raw_text) valido = bool(res["documento"] and len(res["documento"]) >= 6) return DNIParsedResult( valido=valido, documento=res["documento"], apellido=res["apellido"], nombre=res["nombre"], sexo=res["sexo"], ) # Alias para compatibilidad de nomenclatura DNIParsingService = DniParserService