import re from typing import Tuple, Optional, Dict 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 = doc_raw.strip() # Limpiar prefijos comunes como 'DNI:', 'DNI ', 'D.N.I.:', 'D.N.I. ', 'DOC:', 'DOCUMENTO:' doc_clean = re.sub(r'^(?:DNI|D\.N\.I\.|DOC|DOCUMENTO)[\s\:\-\.]*', '', doc_clean, flags=re.IGNORECASE).strip() doc_sin_puntos = doc_clean.replace('.', '').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 def parsear_dni(raw_text: str) -> Dict[str, str]: """ Parsea la cadena de texto cruda obtenida de un escáner de código de barras/QR de un DNI argentino. Soporta los formatos 2009, 2012, 2026 y App Mi Argentina. Retorna un diccionario con las llaves: 'documento', 'apellido', 'nombre', 'sexo' o un diccionario vacío si no corresponde a un documento de identidad argentino. """ if not raw_text: return {} # Limpiar terminadores y retornos de carro raw_clean = raw_text.strip().replace('\r', '').replace('\n', '') # Algunos escáneres o formatos vienen separados por @, comillas simples ', barras | o punto y coma ; text = raw_clean.replace('@', '"').replace("'", '"').replace('´', '"').replace('|', '"').replace(';', '"') parts = text.split('"') # Limpiar espacios de cada segmento parts = [p.strip() for p in parts] if len(parts) < 5: # Si es un ingreso directo de DNI (escaneado de tarjeta de código de barras 1D o tipeado) doc_limpio, sexo_inf = limpiar_numero_documento(raw_clean) if doc_limpio and doc_limpio.isdigit() and 5 <= len(doc_limpio) <= 9: return { "documento": doc_limpio, "apellido": "", "nombre": "", "sexo": sexo_inf or "M" } return {} doc = nombre = apellido = sexo = "" # Heurística para Formato 2009 con comilla inicial # Ej: "34247025"A"1"TELLO"CARLOS FACUNDO"... # Ej: "F5592570 "A"1"SAUCEDO"TERESA DE JESUS"... if parts[0] == '' and 6 <= len(parts[1]) <= 11 and len(parts) > 2 and parts[2].isalpha() and len(parts[2]) == 1: doc = parts[1] if len(parts) > 4: apellido = parts[4] if len(parts) > 5: nombre = parts[5] # Búsqueda de sexo en posiciones subsiguientes (índices 6 a 9) for idx in range(6, min(len(parts), 10)): val = parts[idx].upper() if val in ("M", "F", "X"): sexo = val break # Heurística para Formato 2009 sin comilla inicial # Ej: 34247025"A"1"TELLO"CARLOS FACUNDO... # Ej: F5592570"A"1"SAUCEDO"TERESA DE JESUS... elif 6 <= 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] for idx in range(5, min(len(parts), 9)): val = parts[idx].upper() if val in ("M", "F", "X"): sexo = val break # Heurística para Formatos 2012, 2026 y App Mi Argentina (Comienzan con número de trámite >= 8 dígitos) else: # Si la cadena comenzó con comilla/arroba y no es formato 2009, normalizamos descartando el elemento vacío inicial 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 "" # Caso 1: Formato 2012 (parts[3] es letra de sexo M, F, X) # 00680051210"TELLO"CARLOS FACUNDO"M"34247025... if len(p3) == 1 and p3.upper() in ("M", "F", "X"): sexo = p3.upper() if len(parts) > 4: doc = p4 # Caso 2: Formato App Mi Argentina (parts[3] es código numérico de sexo 1=M, 2=F, 3=X) # y parts[4] es el DNI numérico (6 a 9 dígitos) # Ej: 00305336518@CIRILLI@GEORGINA SUSANA@2@28988082@A@23/08/1981@13/10/2014 # Ej: 00680051210@TELLO@Carlos Facundo@1@34247025@F@09/02/1989@13/10/2021 elif p3 in ("1", "2", "3", "0") and p4.isdigit() and 6 <= len(p4) <= 9: if p3 == "1": sexo = "M" elif p3 == "2": sexo = "F" else: sexo = "X" doc = p4 # Caso 3: Formato 2026 (parts[3] es directamente el DNI de 6 a 9 dígitos) # y parts[4] suele ser ejemplar o sexo alfabético (ej. 'G', 'F', 'M') # 00749743816"TELLO"CARLOS FACUNDO"34247025"G... elif p3.isdigit() and 6 <= len(p3) <= 9 and not (p4.isdigit() and 6 <= len(p4) <= 9): doc = p3 if p4.upper() in ("M", "F", "X"): sexo = p4.upper() elif p4.upper() == "G": sexo = "M" # Caso 4: Desempate general: si parts[4] es un DNI numérico válido de 6 a 9 dígitos elif p4.isdigit() and 6 <= 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: # Fallback final doc = p3 # Normalización del documento extraído (eliminación de prefijos F/M en DNI viejo) doc_limpio, sexo_doc = limpiar_numero_documento(doc) doc = doc_limpio if not sexo and sexo_doc: sexo = sexo_doc if not doc or not doc.isdigit() or not (5 <= len(doc) <= 9): return {} return { "documento": doc.strip(), "apellido": apellido.upper() if apellido else "", "nombre": nombre.upper() if nombre else "", "sexo": sexo or "M" }