171 lines
7.1 KiB
Python
171 lines
7.1 KiB
Python
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"
|
||
}
|