Ejercicio resuelto: validar y extraer datos con regex en Python

La solución separa dos responsabilidades. La función parsear recibe una línea ya recortada y devuelve una tupla con los campos si es válida, o None si no lo es. El programa principal recorre la entrada, acumula resultados y formatea la salida.

La regex captura cuatro grupos con nombre y está compilada una sola vez a nivel de módulo. La letra de control se verifica fuera de la regex, porque depende de un cálculo aritmético sobre el número.

import re
import sys

LETRAS = "TRWAGMYFPDXBNJZSQVHLCKE"
LETRA_NOMBRE = "A-Za-zÁÉÍÓÚÜÑáéíóúüñ"

PATRON = re.compile(
    r"(?P<num>\d{8})(?P<letra>[A-Z]);"
    r"(?P<apellidos>[" + LETRA_NOMBRE + r"][" + LETRA_NOMBRE + r" -]*), "
    r"(?P<nombre>[" + LETRA_NOMBRE + r"][" + LETRA_NOMBRE + r" -]*);"
    r"(?P<asig>[A-Z]{3}-\d{3});"
    r"(?P<nota>10(?:\.0{1,2})?|\d(?:\.\d{1,2})?)"
)


def parsear(linea):
    m = PATRON.fullmatch(linea)
    if m is None:
        return None
    if LETRAS[int(m.group("num")) % 23] != m.group("letra"):
        return None
    dni = m.group("num") + m.group("letra")
    return dni, m.group("apellidos"), m.group("nombre"), m.group("asig"), float(m.group("nota"))


def main():
    notas = {}
    rechazadas = []
    validas = 0
    mejor = None
    for numero, cruda in enumerate(sys.stdin.read().splitlines(), 1):
        linea = cruda.strip()
        if not linea:
            continue
        datos = parsear(linea)
        if datos is None:
            rechazadas.append(numero)
            continue
        validas += 1
        dni, apellidos, nombre, asig, nota = datos
        notas.setdefault(asig, []).append(nota)
        if mejor is None or nota > mejor[3]:
            mejor = (dni, nombre, apellidos, nota)
    print(f"VALIDAS: {validas}")
    print(f"RECHAZADAS: {len(rechazadas)}")
    for k in rechazadas:
        print(f"RECHAZADA {k}")
    for asig in sorted(notas):
        lista = notas[asig]
        media = sum(lista) / len(lista)
        print(f"{asig}: alumnos={len(lista)} media={media:.2f}")
    if mejor is not None:
        dni, nombre, apellidos, nota = mejor
        print(f"MEJOR: {dni} {nombre} {apellidos} {nota:.2f}")


main()

La constante PATRON se construye concatenando fragmentos para que sea legible. Los grupos num y letra separan los ocho dígitos de la letra, de modo que parsear pueda calcular int(m.group("num")) % 23 y compararlo con LETRAS. Los grupos apellidos y nombre exigen empezar por letra y admiten espacios y guiones; la coma y el espacio que los separan forman parte literal del patrón, por eso Ruiz,Ana se rechaza.

El grupo nota usa dos alternativas: 10(?:\.0{1,2})? para el diez (con decimales cero opcionales) y \d(?:\.\d{1,2})? para un dígito de 0 a 9 con hasta dos decimales. Así quedan fuera 10.5, 7.123 y 07. Al usar fullmatch no hace falta poner anclas y se evita el error clásico de aceptar una coincidencia parcial.

En main, enumerate(..., 1) numera todas las líneas antes de filtrar las vacías, tal como pide el enunciado. Las válidas alimentan el diccionario notas (asignatura a lista de notas) y la variable mejor, que solo se actualiza con nota > mejor[3]: la comparación estricta garantiza que en un empate se conserve el primero de la entrada. La salida recorre sorted(notas) para el orden alfabético y formatea la media con :.2f.

En el test del enunciado hay seis líneas útiles: tres válidas y tres rechazadas (letra de DNI incorrecta, nota 11 y falta de espacio tras la coma). En el test con solo líneas vacías el programa imprime únicamente los dos contadores a cero, y en el test del empate se comprueba que MEJOR conserva al primer alumno.