Files
OnEverControl/backend/app/services/dni_parser_service.py
T

160 lines
6.3 KiB
Python

# ==============================================================================
# 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