Bom, penso que o problema se da pelo regex utilizado e por selecionar o "grupo 1" na busca. Vou separar aqui em duas formas diferentes de fazer, mas existem muitas possibilidades.
Primeira Forma
O que você busca extrair é a data de nascimento que vem entre "DATADENASCIMENTO:" e a palavra "LOCALDENASCIMENTO:", podemos fazer da seguinte forma:
- Primeiro precisamos encontrar a expressão para a busca (
re.search()
), recomendo utilizar um site de regex online. Eu utilizo o regex101.com. Ao colocar o texto que você indicou, e começar procurando o regex que encontraria a data, achei uma seguinte solução: (?i)DATADENASCIMENTO:(.*)LOCALDENASCIMENTO:
.
- Onde:
(?i)
indica não se importar se é maiúsculo ou minúsculo (case insensitive).
- O
DATADENASCIMENTO:(.*)LOCALDENASCIMENTO:
indica que vamos pegar qualquer coisa entre "datadenascimento:" e "localdenascimento:".
Vale dizer que não é a única solução e podemos achar outras formas de fazer isso (por exemplo usar Lookahead/Lookbehind). Além disso, como você só passou um exemplo, pode não funcionar para outros textos similares (por adição de algum caractere que o regex não considera).
2.Precisamos buscar no texto essa expressão e encontrar o grupo correto da busca. Eu utilizei o mesmo código que você passou (e mudei apenas alguns detalhes).
import re
texto_sem_espaco = "DATADENASCIMENTO:24/01/1986 LOCALDENASCIMENTO: ITANHEM-BANACIONALIDADE:BRASILEIROESTADOCIVIL:(X)SOLTEIRO()CASADO()VIÚVO()DIVORCIADOSEXO:(X)MASCULINO()FEMININONOMEDAEMPRESA:CNPJ:INSCRIÇÃOMUNICIPAL/ESTADUAL:CONTRIBUINTESIMPLES:()SIM()NÃOREPRESENTANTELEGAL:NOME:RG:DATADEEMISSAO:UFEMISSAO:ORGAOESXPEDIDOR:CPF:DATANASCIMENTO:LOCALDENASCIMENTO"
try:
s = texto_sem_espaco
ds = re.search("(?i)DATADENASCIMENTO:(.*)LOCALDENASCIMENTO:", s)
data = ds.group(1)
print(data)
except:
print("PG 7 NÃO ENCONTRADA")
Final Output:
24/01/1986
Segunda Forma
O que você busca extrair é a data de nascimento que vem antes da palavra "LOCALDENASCIMENTO:", podemos fazer da seguinte forma:
- No regex101.com. Ao colocar o texto e ir procurando o regex que encontraria a data, achei uma seguinte solução:
(?i)[0-9\/\.]* ?localdenascimento:
.
- Onde:
(?i)
indica não se importar se é maiúsculo ou minúsculo (case insensitive).
- O
[0-9\/\.]*
indica que vamos pegar qualquer numero (com "\", ".", ou nada) que tiver a frente de um localdenascimento:
separado ou não por espaço (definido pela parte " ?
").
- Precisamos buscar no texto essa expressão e encontrar o grupo correto da busca. Eu utilizei o mesmo código que você passou (e mudei apenas alguns detalhes).
import re
texto_sem_espaco = "24/01/1986 LOCALDENASCIMENTO: ITANHEM-BANACIONALIDADE:BRASILEIROESTADOCIVI\
L:(X)SOLTEIRO()CASADO()VIÚVO()DIVORCIADOSEXO:(X)MASCULINO()FEMININONOMEDAEMPRESA:CNPJ\
:INSCRIÇÃOMUNICIPAL/ESTADUAL:CONTRIBUINTESIMPLES:()SIM()NÃOREPRESENTANTELEGAL:NOME:RG\
:DATADEEMISSAO:UFEMISSAO:ORGAOESXPEDIDOR:CPF:DATANASCIMENTO:LOCALDENASCIMENTO"
try:
s = texto_sem_espaco
ds = re.search("(?i)[0-9\/\.]* ?localdenascimento:", s)
data = ds.group(0)[:-19]
print(data)
except:
print("PG 7 NÃO ENCONTRADA")
- Na parte
data = ds.group(0)[:-19]
, o [:-19]
indica que estamos filtrando a string para remover o " LOCALDENASCIMENTO:" dado o retorno do ds.group(0) seria: 24/01/1986 LOCALDENASCIMENTO:
.
Final Output:
24/01/1986