1

Estoy intentando sacar los nif de un fichero de texto con el siguiente formato :

Fichero con.txt

texto dkdkkdkdkdk
Expediente
202002345610854
Subvención
Asunto
texto ldllakdkkdkdkdk
dlldlkfkjfkdj
ldldkfjjf
kdkdkdk :
dkdkfjkdk:
Código expediente
DNI/CIF
Importe Subvencion Concedida
1
2020012727
01234567N
1.500,00 €
2
2020013992
76543210Y
1.620,00 €
3
2020013331
01234567T
1.000,00 €
4
2020013637
01234567A
1.500,00 €
5
2020012875
01234567Q
2.220,00 €
6
2020014315
76543210B
1.860,00 €
7
2020012856
76543210Y
1.000,00 €
8
2020013410
76543210D
1.620,00 €
9
2020014320
76543210E
1.120,00 €
10
2020014090
76543210W
1.000,00 €
11
2020012392
76543210Z
1.980,00 €
12
2020012646
76543210S
1.500,00 €
13
2020013292
76543210K
1.740,00 €
14
2020013743
76543210X
1.500,00 €
Listado pág. 1/49
Puede verificar lsldldkkdkkf dkkdkdkdkkd https://www.dkkdkdkdkkdkdk.com

----
15
2020019759
76543210L
1.500,00 €

etc...

hasta

Listado pág. 49/49
Puede verificar lsldldkkdkkf dkkdkdkdkkd https://www.dkkdkdkdkkdkdk.com


texto legal... etc... etc

----

El código que he intentado es el siguiente pero aunque no me da errores tampoco extrae la información que quiero

#! /usr/bin/python3
# _*_ coding: utf-8 _*_

import re

patron = '([0-9]{8})([A-Z]{1})'

input_path = "con.txt"
output_path = "nif.txt"
with open(input_path, "r") as in_file,\
open(output_path, "w") as out_file:
    for line in in_file:
        lista = re.findall(patron, line)
    if lista:
        print(lista)
    else:
        print('zer0 nif')
        out_file.write(line)
2
  • ¿Qué es un nif?
    – user166844
    el 10 sep. 2020 a las 19:33
  • 1
    @Gabitohh Numero de Identificación Fiscal. Documento de identificación en España.
    – Adrian
    el 10 sep. 2020 a las 19:39

2 respuestas 2

2

El problema es de anidamiento. El programa original dice:

for line in in_file:
    lista = re.findall(patron, line)
if lista:
    print(lista)
else:
    print('zer0 nif')
    out_file.write(line)

lo que se lee así:

Leer todo el archivo, colocando en lista el resultado de la búsqueda con expresión regular. Al terminar el for, lista contiene el resultado de la expresión regular aplicada a la última línea del archivo de entrada.

No es lo que queremos. Queremos que se examine cada línea del archivo. Entonces, anidamos correctamente:

for line in in_file:
    lista = re.findall(patron, line)
    if lista:
        print(lista)
    else:
        print('zer0 nif')
        out_file.write(line)

Ahora lista se revisa e imprime con cada linea del archivo de entrada.

1
  • también tenía mal colocado out_file.write(line)... lo he puesto if lista: print(lista) out_file.write(line) y ya está perfecto... gracias por la ayuda
    – ribeirego
    el 10 sep. 2020 a las 19:59
2

Suponiendo que tienes el contenido en un fichero llamado 'dni.txt':

Podemos usar la siguiente expresión regular:

  • Sabemos que pueden ser caracteres del 0 al 9 y que son 8 números. Posteriormente una letra
^[0-9]{8}[TRWAGMYFPDXBNJZSQVHLCKE]$

Con lo que el código quedaría de la siguiente forma:


import re
nombreFichero = 'dni.txt'

nifRegex = "^[0-9]{8}[TRWAGMYFPDXBNJZSQVHLCKE]$"
r = re.compile(nifRegex)

# Abrimos el fichero, leemos las líneas, eliminamos espacios y lo almacenamos en una lista

with open(nombreFichero) as f:
    contenido = [i.strip() for i in f.readlines()]

# Filtramos usando la regex la lista anterior
listaDNI = list(filter(r.match, contenido))

Si hacemos un print del contenido de listaDNI:

['01234567N', '76543210Y', '01234567T', '01234567A', '01234567Q', '76543210B', '76543210Y', '76543210D', '76543210E', '76543210W', '76543210Z', '76543210S', '76543210K', '76543210X', '76543210L']

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge that you have read and understand our privacy policy and code of conduct.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.