Files
admin-edu-space/backend/app/services/argentine_dni_parser.py
T

167 lines
6.8 KiB
Python
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
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()
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
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 ' o barras |
text = raw_clean.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"
}