##Servel-Extract
Extrayendo la información que Servel provee. Para ello, se trabaja con PDF del Servel haciendo varias pruebas, obteniendo mejores resultados con pdftotext -table
Todos los datos fueron solicitados a Servel por medio de la Ley de Transparencia, y los PDF con el listado original lo pueden descargar deste este link: https://mega.nz/#F!UNEHxLjJ!rkoE4qHLvhhIo0KM6JLMZw
(La info no está disponible de momento en Servel.cl)
##Avances El orden de las comunas es por el orden de creación.
| Comuna | Codigo | Cantidad validad | % Valido | Cantidad erróneo | % erróneo | Total datos |
|---|---|---|---|---|---|---|
| Lo Espejo | A1321016 | 92.875 | 99,93% | 68 | 00,07% | 92.943 |
| La Florida | A1321024 | 288.390 | 99,56% | 1.281 | 00,44% | 289.671 |
| Providencia | A1321029 | 161.909 | 99,92% | 133 | 00,08% | 162.042 |
| Santiago | A1321001 | 282.697 | 99,67% | 947 | 00,33% | 283.644 |
| Colina | A1320001 | 66.864 | 97,44% | 1.759 | 02,56% | 68.623 |
| Lampa | A1320002 | 41.686 | 99,67% | 140 | 00,33% | 41.826 |
| Tiltil | A1320003 | 12.751 | 99,72% | 36 | 00,28% | 12.787 |
| Independencia | A1321002 | 78.550 | 99,87% | 105 | 00,13% | 78.655 |
| Recoleta | A1321003 | 135.702 | 99,56% | 597 | 00,44% | 136.299 |
| Estacion Central | A1321004 | 127.082 | 99,77% | 290 | 00,23% | 127.372 |
| Conchali | A1321005 | 119.160 | 99,91% | 113 | 00,09% | 119.273 |
| Huechuraba | A1321006 | 61.331 | 99,21% | 491 | 00,79% | 61.822 |
| Quilicura | A1321007 | 111.995 | 98,71% | 1.460 | 01,29% | 113.455 |
| Renca | A1321008 | 109.902 | 99,81% | 205 | 00,19% | 110.107 |
| Quinta Normal | A1321009 | 99.685 | 99,85% | 153 | 00,15% | 99.838 |
| Pudahuel | A1321010 | 150.107 | 99,77% | 342 | 00,23% | 150.449 |
| Cerro Navia | A1321011 | 115.851 | 99,95% | 60 | 00,05% | 115.911 |
| Lo Prado | A1321012 | 88.918 | 99,91% | 78 | 00,09% | 88.996 |
| Maipú | A1321013 | 341.319 | 99,43% | 1.958 | 00,57% | 343.277 |
| Cerrillos | A1321014 | 65.856 | 99,39% | 401 | 00,61% | 66.257 |
| La Cisterna | A1321015 | 82.641 | 99,90% | 83 | 00,10% | 82.724 |
| El Bosque | A1321017 | 135.517 | 99,83% | 235 | 00,17% | 135.752 |
| La Granja | A1321018 | 102.930 | 99,90% | 101 | 00,10% | 103.031 |
| La Pintana | A1321019 | 128.180 | 99,80% | 255 | 00,20% | 128.435 |
| San Ramón | A1321020 | 82.465 | 99,93% | 55 | 00,07% | 82.520 |
| San Miguel | A1321021 | 95.829 | 99,91% | 82 | 00,09% | 95.911 |
| Pedro Aguirre Cerda | A1321022 | 96.006 | 99,92% | 80 | 00,08% | 96.086 |
| San Joaquin | A1321023 | 83.350 | 99,91% | 73 | 00,09% | 83.423 |
| Ñuñoa | A1321025 | 177.940 | 99,84% | 280 | 00,16% | 178.220 |
| Macul | A1321026 | 97.489 | 99,36% | 632 | 00,64% | 98.121 |
| Peñalolen | A1321027 | 174.768 | 99,80% | 354 | 00,20% | 175.122 |
| La Reina | A1321028 | 87.117 | 99,92% | 74 | 00,08% | 87.191 |
| Las Condes | A1321030 | 236.926 | 99,87% | 306 | 00,13% | 237.232 |
| Vitacura | A1321031 | 79.731 | 99,84% | 128 | 00,16% | 79.859 |
| Lo Barnechea | A1321032 | 64.085 | 99,78% | 143 | 00,22% | 64.228 |
| Puente Alto | A1322001 | 335.915 | 99,23% | 2.608 | 00,77% | 338.523 |
| Pirque | A1322002 | 18.924 | 99,04% | 183 | 00,96% | 19.107 |
| Total Parcial | 4.632.443 | 99,65% | 16.289 | 00,35% | 4.648.732 |
####Problemas detectados:
- Direcciones muy largas, lo cual mezcla la información entre la dirección y la circunscripción (no le veo solución)
- Nombres muy cortos (asigné una condición de distancia para buscar el guión, lo cual es facilmente corregible)
- Nombres muy largos, los cuales generan problemas para detectar el RUT.
- Direcciones con el mismo nombre de circunscripciones (por lo que la direccion y la circunscripcion generaban un conflictos de datos, pendiente de revisar)
##Fuente de ayuda http://deerme.org/web-scraping-2/extraccion-de-datos-en-un-archico-pdf-de-forma-automatizada