Migración de clientes al ERP: limpieza, validación y duplicados

1import re
2import sys
3
4LETRAS_DNI = "TRWAGMYFPDXBNJZSQVHLCKE"
5ENLACE = {"de", "del", "la", "las", "los", "el", "y"}
6
7
8def nif_valido(nif):
9    """DNI (8 cifras y letra), NIE (X, Y o Z, 7 cifras y letra) o CIF (letra, 7 cifras y control)."""
10    if re.fullmatch(r"\d{8}[A-Z]", nif):
11        return LETRAS_DNI[int(nif[:8]) % 23] == nif[8]
12    if re.fullmatch(r"[XYZ]\d{7}[A-Z]", nif):
13        numero = "XYZ".index(nif[0]) * 10 ** 7 + int(nif[1:8])
14        return LETRAS_DNI[numero % 23] == nif[8]
15    if re.fullmatch(r"[ABCDEFGHJNPQRSUVW]\d{7}[0-9A-J]", nif):
16        cifras = nif[1:8]
17        pares = sum(int(cifras[i]) for i in (1, 3, 5))
18        impares = sum(sum(divmod(int(cifras[i]) * 2, 10)) for i in (0, 2, 4, 6))
19        control = (10 - (pares + impares) % 10) % 10
20        letra = "JABCDEFGHI"[control]
21        if nif[0] in "PQRSNW":
22            return nif[8] == letra
23        if nif[0] in "ABEH":
24            return nif[8] == str(control)
25        return nif[8] in (str(control), letra)
26    return False
27
28
29def normalizar(fila):
30    nombre = " ".join(fila["nombre"].split())
31    nif = re.sub(r"[\s.-]", "", fila["nif"]).upper()
32    email = fila["email"].strip().lower()
33    telefono = re.sub(r"[\s.()-]", "", fila["telefono"])
34    if re.fullmatch(r"[6789]\d{8}", telefono):
35        telefono = "+34" + telefono
36    elif telefono.startswith("0034"):
37        telefono = "+" + telefono[2:]
38    palabras = " ".join(fila["poblacion"].split()).title().split(" ")
39    # las palabras de enlace van en minúscula, salvo al principio: Alcalá de Henares
40    poblacion = " ".join(w.lower() if i > 0 and w.lower() in ENLACE else w for i, w in enumerate(palabras))
41    return {"codigo": fila["codigo"].strip(), "nombre": nombre, "nif": nif, "email": email, "telefono": telefono, "poblacion": poblacion}
42
43
44def main():
45    lineas = [l for l in sys.stdin.read().split("\n") if l.strip()]
46    cabecera = lineas[0].split(";")
47    buenos = []
48    rechazados = 0
49    fusionados = 0
50    cambios = 0
51    for linea in lineas[1:]:
52        valores = linea.split(";")
53        if len(valores) != len(cabecera):
54            print(f"Rechazado: «{linea}» no tiene {len(cabecera)} campos")
55            rechazados += 1
56            continue
57        original = dict(zip(cabecera, valores))
58        c = normalizar(original)
59        if c != {k: original[k] for k in c}:
60            cambios += 1
61        if not nif_valido(c["nif"]):
62            print(f"Rechazado {c['codigo']} ({c['nombre']}): NIF «{c['nif']}» no válido")
63            rechazados += 1
64            continue
65        if c["email"] and not re.fullmatch(r"[^@\s]+@[^@\s]+\.[a-z]{2,}", c["email"]):
66            print(f"Aviso {c['codigo']}: email «{c['email']}» no válido, se deja vacío")
67            c["email"] = ""
68        if c["telefono"] and not re.fullmatch(r"\+\d{9,13}", c["telefono"]):
69            print(f"Aviso {c['codigo']}: teléfono «{c['telefono']}» no válido, se deja vacío")
70            c["telefono"] = ""
71        igual = next((b for b in buenos if b["nif"] == c["nif"] or (c["email"] and b["email"] == c["email"])), None)
72        if igual:
73            motivo = "mismo NIF" if igual["nif"] == c["nif"] else "mismo email"
74            completados = [k for k in ("email", "telefono", "poblacion") if not igual[k] and c[k]]
75            for k in completados:
76                igual[k] = c[k]
77            extra = f"; se completa {', '.join(completados)}" if completados else ""
78            print(f"Duplicado {c['codigo']} → {igual['codigo']} ({motivo}){extra}")
79            fusionados += 1
80            continue
81        buenos.append(c)
82    print("--- Clientes para importar ---")
83    print("codigo;nombre;nif;email;telefono;poblacion")
84    for b in sorted(buenos, key=lambda b: b["nif"]):
85        print(";".join(b[k] for k in ("codigo", "nombre", "nif", "email", "telefono", "poblacion")))
86    print(f"Leídos {len(lineas) - 1} · importados {len(buenos)} · fusionados {fusionados} · rechazados {rechazados} · normalizados {cambios}")
87
88
89main()