¿Qué es el Extractor de Identificaciones Nacionales (DNI, NIE, CIF, RFC y CURP)?
El Extractor de Identificaciones Nacionales es un sistema inteligente de procesamiento de lenguaje natural (NLP), minería de textos y auditoría de privacidad diseñado para escanear, reconocer, aislar y validar de forma automatizada los principales documentos y códigos de identidad fiscal y civil utilizados en el mundo hispanohablante. La herramienta está optimizada con reglas algorítmicas oficiales para detectar documentos de España (DNI, NIE de residentes extranjeros y CIF de sociedades mercantiles) y de México (RFC de personas físicas y morales y la CURP).
En departamentos de recursos humanos, asesorías fiscales, bufetes jurídicos, entidades de cobro, notarías y plataformas de contratación electrónica, la recepción continua de contratos, nóminas, facturas, demandas judiciales y formularios escaneados genera grandes volúmenes de texto donde los números de identidad se encuentran incrustados de forma caótica. Este extractor no solo localiza cada documento con independencia de que contenga guiones, puntos o espacios accidentales, sino que ejecuta la validación matemática oficial del dígito de control (como el algoritmo Módulo 23 del Ministerio del Interior de España o la homoclave del SAT en México), separando los documentos auténticos de cadenas numéricas no válidas o erróneas.
Además, para dar cumplimiento a las leyes de protección de datos (como el RGPD europeo y la LFPDPPP mexicana), la herramienta integra un motor de anonimización y ofuscación documental que permite suprimir o enmascarar identificadores reales antes de divulgar informes, publicar sentencias o ceder bases de datos a terceros.
Anatomía y Reglas Oficiales de los Documentos de Identidad
Cada documento nacional responde a un marco normativo estatal con especificaciones morfosintácticas y algoritmos de control propios:
1. DNI y NIF de España (Documento Nacional de Identidad)
El NIF de las personas físicas españolas consta de 8 dígitos numéricos correlativos seguidos de una letra mayúscula de control obligatoria (ejemplo: 12345678Z). La asignación de la letra de control sigue el Decreto 1553/2005 y se rige por el cálculo Módulo 23:
- Se toma el número íntegro de 8 dígitos (si tiene menos de 8 cifras, se completa con ceros a la izquierda).
- Se calcula el resto de la división euclídea por el número primo 23: $R = \text{Número} \pmod{23}$.
- El residuo $R$ (un valor comprendido entre 0 y 22) se utiliza como índice para seleccionar la letra correspondiente en la tabla oficial de 23 caracteres:
T - R - W - A - G - M - Y - F - P - D - X - B - N - J - Z - S - Q - V - H - L - C - K - E
Nota: Se omiten deliberadamente las letras I, O, U y Ñ para evitar confusiones visuales con los dígitos 1 y 0.
2. NIE de España (Número de Identidad de Extranjero)
El NIE se asigna a los ciudadanos extranjeros residentes o con intereses económicos en España. Consta de 9 caracteres: una letra inicial (X, Y o Z), seguida de 7 dígitos numéricos y una letra final de control (ejemplo: Y1234567L). Su validación matemática utiliza la misma tabla Módulo 23 tras aplicar una equivalencia numérica obligatoria a la letra inicial:
- Si la letra inicial es X, se sustituye por 0 (ej.
X1234567→01234567). - Si la letra inicial es Y, se sustituye por 1 (ej.
Y1234567→11234567). - Si la letra inicial es Z, se sustituye por 2 (ej.
Z1234567→21234567). - Con la cifra resultante de 8 dígitos se calcula el resto módulo 23 y se coteja con la letra final.
3. CIF de España (Código de Identificación Fiscal para Personas Jurídicas)
Utilizado por empresas, asociaciones, fundaciones y entidades públicas. Consta de 9 caracteres: una letra inicial indicativa de la forma jurídica (A para S.A., B para S.L., C para colectivas, etc.), 7 dígitos de numeración provincial correlativa y un carácter de control final (que puede ser un número o una letra según la tipología societaria). El carácter de control se verifica mediante un algoritmo ponderado basado en módulo 10.
4. RFC de México (Registro Federal de Contribuyentes)
Expedido por el Servicio de Administración Tributaria (SAT) en México. Presenta dos modalidades estructurales:
- Persona Física (13 caracteres): Compuesto por 4 letras (derivadas de la primera letra y vocal interna del apellido paterno, primera letra del materno y primera letra del nombre), 6 dígitos con la fecha de nacimiento en formato
AAMMDD(Año, Mes, Día) y 3 caracteres alfanuméricos correspondientes a la homoclave asignada por el SAT con dígito verificador. - Persona Moral / Empresas (12 caracteres): Compuesto por 3 letras (iniciales de la razón social), 6 dígitos con la fecha de constitución legal
AAMMDDy 3 caracteres alfanuméricos de homoclave. - El motor del extractor valida que las 6 cifras de fecha representen un día y mes biológicamente reales (mes entre 01 y 12, días coherentes según el mes).
5. CURP de México (Clave Única de Registro de Población)
Consta de 18 caracteres alfanuméricos rigurosamente estructurados: 4 letras iniciales del nombre y apellidos, 6 dígitos de fecha de nacimiento (AAMMDD), 1 carácter de sexo (H para Hombre, M para Mujer), 2 letras con el código oficial de la entidad federativa de nacimiento (como DF, NL, JC, o NE para nacidos en el extranjero), 3 consonantes internas no iniciales y 2 caracteres finales de homoclave y dígito verificador.
Tabla Sinóptica de Identificadores Soportados
| Documento | País / Ámbito | Longitud | Patrón de Formato | Algoritmo Verificador |
|---|---|---|---|---|
| DNI / NIF | España (Físicas) | 9 caracteres | 12345678Z | Módulo 23 Oficial |
| NIE | España (Extranjeros) | 9 caracteres | [X,Y,Z]1234567L | Módulo 23 (X=0, Y=1, Z=2) |
| CIF | España (Jurídicas) | 9 caracteres | [A-W]1234567[0-9,A-J] | Módulo 10 Ponderado |
| RFC (Física) | México | 13 caracteres | AAAA991231XXX | Módulo 11 SAT + Fecha |
| RFC (Moral) | México | 12 caracteres | AAA991231XXX | Módulo 11 SAT + Fecha |
| CURP | México | 18 caracteres | AAAA991231HDFXXX01 | Estructural + Estado |
Herramientas de Anonimización y Cumplimiento del RGPD
Bajo el Reglamento General de Protección de Datos (RGPD) en la Unión Europea y la Ley Federal de Protección de Datos Personales en Posesión de los Particulares (LFPDPPP) en México, los números de documento nacional de identidad están catalogados como datos de carácter personal de identificación directa. Su divulgación indebida en resoluciones públicas, sentencias judiciales, publicaciones académicas o bases de datos de prueba constituye una infracción muy grave sujeta a multas millonarias.
Para mitigar este riesgo, la herramienta incorpora la funcionalidad de Saneamiento y Redacción Documental:
- Enmascaramiento Parcial: Oculta los dígitos centrales conservando únicamente los extremos para trazabilidad interna (por ejemplo, transformando
12345678Zen123***78Zo***45678*). - Marcador de Tipo Seguro: Sustituye de forma no reversible cada documento por etiquetas semánticas como
[DNI_REDACTADO],[NIE_REDACTADO]o[RFC_REDACTADO]. - Descarga Limpia: Permite obtener el texto procesado para su entrega a peritos, auditores o publicación web con plena tranquilidad jurídica.
Herramientas Relacionadas en Nuestro Ecosistema
Amplía tu capacidad de extracción y procesamiento de entidades con nuestras utilidades especializadas:
- Validador de Formato DNI/NIE en Texto: Auditoría masiva y reparador automático de letras de control erróneas.
- Extractor de Contactos desde Texto: Extrae correos electrónicos, nombres y teléfonos de documentos.
- Extractor de IBAN y Cuentas Bancarias: Localiza y valida cuentas bancarias en texto.
- Generador de Datos de Prueba en Texto: Genera identificaciones sintéticas con dígito de control válido para testing.
Preguntas Frecuentes (FAQ)
¿Un DNI que supera la prueba del Módulo 23 pertenece necesariamente a una persona viva?
No. El algoritmo Módulo 23 verifica que la letra se corresponda matemáticamente con el número asignado conforme a la ley española. No obstante, para confirmar si ese DNI está actualmente activo, corresponde a una persona fallecida o ha sido denunciado por extravío o sustracción, se requiere acceso a las bases de datos policiales de la Dirección General de la Policía (DGP).
¿Cómo distingue el extractor entre un DNI y un número de teléfono o código postal?
El extractor analiza la presencia obligatoria de la letra de control contigua (separada o no por guion/espacio) y aplica el test del Módulo 23. Si una secuencia de 8 números está aislada o va seguida de letras incompatibles con el residuo 23, la descarta de inmediato para evitar falsos positivos.
¿Los documentos analizados se almacenan en algún registro del servidor?
No. El procesamiento de expresiones regulares y la validación matemática se realizan íntegramente en memoria volátil dentro de tu propio navegador web mediante JavaScript local. Ningún DNI, NIE, RFC ni fragmento de texto es transmitido por la red ni almacenado en nuestros servidores.