Escrutinio

Votaciones del Pleno del Congreso de los Diputados y de parlamentos autonómicos, juntas generales y ayuntamientos en SQLite, con una ficha por iniciativa (resumen neutro, tema, etiquetas, leyes afectadas) y una web que se abre sin servidor. Implementa las fases 1 y 2 de Análisis de votaciones parlamentarias con IA.md para el Congreso, de la X a la XV legislatura, y las amplía al nivel autonómico y local según Votaciones autonómicas y locales fuentes por territorio.md. Se actualiza cada día con GitHub Actions y DeepSeek, o desde cualquier equipo con el repositorio clonado.

Web publicada: https://migueltubia.github.io/escrutinio/

Solo usa la biblioteca estándar de Python (3.10 o superior): ni dependencias ni servidor. Para leer los PDF de algunas fuentes territoriales usa pdftotext (poppler-utils) o, si no está, pypdf. Si hay varios pdftotext en el PATH se usa el de poppler, el mismo que en GitHub Actions: el de xpdf que trae Git para Windows ordena distinto algunos PDF.

La web: sin servidor

Abre web/index.html con doble clic. El navegador carga SQLite compilado a WebAssembly (sql.js, MIT, incluido en web/vendor/) y la página hace sus consultas SQL directamente sobre la base de datos, en memoria.

Los navegadores no permiten a una página file:// leer ficheros con fetch, así que python -m escrutinio web genera una SQLite compacta y la guarda comprimida y en base64 dentro de ficheros .js, que la página carga con etiquetas <script>. Van troceados igual que la base:

Fichero	Contenido
web/datos/indice.js	Lista de ficheros de datos con su institución, su huella y la fecha de generación
web/datos/comun.js	Catálogos, instituciones y árbol de ámbitos, gobiernos, diputados, informe y los índices de la base
web/datos/programas.js	Compromisos de los programas electorales, sus iniciativas relacionadas y su estado. Solo se descarga al entrar en Activismo · Programas electorales, al abrir una iniciativa que aparece en algún programa o al pulsar «¿Qué prometieron sobre esto?» en una causa
web/datos/<institución>/legNN.js	Votaciones, voto nominal, iniciativas, fichas y afinidades de la legislatura NN de esa institución (congreso/leg15.js, parl-AS/leg12.js…)

En el navegador se juntan en una sola SQLite en memoria, pero solo los de las instituciones del ámbito elegido (ver «Ámbito territorial»): con el Congreso son unos 4,5 MB (el mayor, 1,6 MB); con todas las instituciones (28), unos 27 MB. Solo se reescriben los ficheros cuyo contenido cambia, así que cada semana solo cambian las legislaturas en curso, comun.js y el índice. La misma carpeta web/ es la que se publica en GitHub Pages.

Vistas

Sección	Qué responde
Resumen	Cifras generales, lo que se vota frente a lo que se aprueba, actividad mensual y análisis de las cifras
Votaciones / Iniciativas	Buscador con filtros (también derrotas del Gobierno), detalle con voto nominal, grupo decisivo, quién gobernaba y exportación a CSV
Temas → ficha de tema	Cómo vota cada grupo en el tema, quién propone y quién lo consigue y matriz votación a votación, con enlaces a la afinidad en el tema (Grupos) y a su evolución por legislatura (Comparar)
Grupos → perfil de grupo	Su voto por tema, sus iniciativas, con quién coincide y en qué, y cuándo su voto decidió el resultado
Comparar	Dos o más grupos frente a frente en los mismos asuntos: en cuántos votan igual, cuánto apoya cada uno lo que presentan los demás, a quién apoya cada uno, tema a tema y legislatura a legislatura, y asunto a asunto
Comparar · Programas electorales	Los programas de los partidos entre sí, sin votos: qué quiere quitar y qué añadir cada uno (por tipo de medida y por tema) y cuánto pesa cada tema en su programa frente a lo que presentó después
Análisis · Coaliciones ganadoras	Qué combinaciones de grupos aprueban y tumban cada cosa
Análisis · Mapa ideológico y polarización	Posición de los grupos según sus votos (MDS sobre la afinidad) y polarización por trimestre
Análisis · Disciplina y ausencias	Diputados que votan distinto a su grupo, votos no emitidos y votaciones que habrían cambiado con los ausentes
Análisis · Enmiendas	Qué grupo consigue cambiar las leyes, quién apoya las enmiendas de quién y leyes con más enmiendas aprobadas
Activismo · Mis causas	Seguimiento guardado en el navegador (texto, tema o etiqueta), novedades desde la última visita, scorecard con tu criterio, qué prometían los partidos sobre lo mismo en sus programas y CSV
Activismo · Qué viene	Iniciativas abiertas de la legislatura actual: recién abiertas a enmiendas, pendientes de debate y paradas en comisión, con los partidos que llevaban en su programa algo en su dirección
Activismo · Programas electorales	Lo que prometió cada partido en su programa frente a lo que votó: primero, dónde votó en contra de lo que prometía; después, cuánto coincide cada programa con lo votado, en el Gobierno y en la oposición, y compromiso a compromiso con su cita y las iniciativas relacionadas (ver «Programas electorales»). El detalle de cada iniciativa dice qué partidos llevaban algo relacionado en su programa, y el de cada votación enlaza con él

En listas y tablas los títulos oficiales se acortan (abreviatura del tipo, número y asunto: «RDL 23/2026 · Medidas fiscales…», «PNL · Digitalización de…»); el título completo sale al pasar el ratón, en el detalle y en los CSV.

Todos los filtros admiten varias opciones a la vez (legislaturas, temas, tipos, grupos…). En Grupos y en el Mapa, con varias legislaturas o temas se suman las votaciones de cada partido; en el perfil de grupo, varios grupos se analizan juntos como un bloque.

En el móvil (pantalla estrecha, o un teléfono girado) la web cambia de interfaz: secciones en una barra inferior (con «Más» para Análisis y Activismo), filtros plegados tras un botón, selectores como hojas inferiores, gráficos al ancho de la pantalla, tablas con desplazamiento horizontal y tooltips que se abren al tocar.

En todas las vistas de análisis se usa el «apoyo» a la iniciativa: en las enmiendas a la totalidad votar sí es votar contra el proyecto, así que ese voto se invierte. Los porcentajes de apoyo por grupo cuentan asuntos, no votaciones: si un asunto se votó por puntos (PNL, mociones), los puntos se reparten su peso, y en los debates con propuestas de resolución las de cada grupo cuentan como un asunto. Cada grupo apoya casi siempre lo que presenta él mismo, y el partido del Gobierno, lo que presenta el Gobierno: en la ficha de tema y en el perfil de grupo, «a favor» no cuenta lo que presenta el propio grupo ni, mientras gobierna, lo del Gobierno (en la oposición, lo del Gobierno sí cuenta), y el total con lo propio queda como dato secundario. Comparar deja fuera además todo lo del Gobierno, para medir a todos los grupos con la misma base.

Los debates de política general (estado de la nación, de la comunidad o de la región, orientación política del Gobierno) no tienen tema: cada grupo presenta propuestas de resolución sobre cualquier asunto. Se reconocen por el título (texto.es_debate_general); sus votaciones cuentan en los totales, pero en ningún tema. En el Congreso, cada propuesta se atribuye al grupo que la presenta.

Almacenamiento: una SQLite por institución y legislatura

GitHub rechaza ficheros de más de 100 MB y la base completa ocupa casi 400 MB, sobre todo por los casi 7 millones de filas de voto nominal. Por eso lo que se versiona es data/bd/, troceado por institución y legislatura, que es la unidad natural de los datos y además estable (una legislatura cerrada no cambia):

Fichero	Contenido
data/bd/comun.sqlite	Legislaturas de todas las instituciones, catálogos, diputados e informe
data/bd/<institución>/legNN.sqlite	Todo lo de la legislatura NN de una institución (congreso/leg15.sqlite, parl-AN/leg12.sqlite, ayto-gijon/leg12.sqlite…): días de pleno, votaciones, agregados por grupo, iniciativas, fichas, afinidades…
data/bd/manifiesto.json	Huella del contenido de cada fichero y recuentos

Cada institución tiene un número fijo (escrutinio/territorio.py) y su legislatura N se guarda con el id número * 100 + N. El Congreso es el 0, así que sus ids son los de siempre (10 a 15) y todo lo que filtra por legislatura vale para cualquier institución.

El voto nominal va compacto en voto_compacto: por cada votación, una cadena con el sentido de cada diputado de la plantilla (S sí, N no, A abstención, - no vota, . no era diputado) y otra con su grupo (índice en grupo_idx). Los ficheros no llevan índices de SQLite: solo guardan los datos, y unir crea los índices al reconstruir la base de trabajo. El mayor fichero ronda los 14 MB (Congreso, XIV legislatura) y el total, unos 160 MB: 40 del Congreso y el resto de las demás instituciones.

data/escrutinio.sqlite es la base de trabajo (todo junto, con voto en filas): no se versiona y se reconstruye con unir. partir vuelve a generar los troceados y solo reescribe los que han cambiado, así que cada semana en git solo cambia la legislatura en curso.

Uso

python -m escrutinio unir          # base de trabajo desde data/bd/ (menos de un minuto)
python -m escrutinio actualizar    # todo el ciclo: datos nuevos, reglas, fichas si hay clave, web y partir
python -m escrutinio estado        # resumen de la base de trabajo

Pasos sueltos, por si hacen falta:

python -m escrutinio votaciones / iniciativas / procesar / analizar / web / partir
python -m escrutinio fichas-deepseek --limite 100     # fichas nuevas con DeepSeek (DEEPSEEK_API_KEY)
python -m escrutinio informe-deepseek                 # informe de análisis con DeepSeek
python -m escrutinio fichas-exportar                  # lotes JSONL para generarlas por otra vía
python -m escrutinio fichas-validar 1
python -m escrutinio fichas-importar "data/llm/resultados/x/*.jsonl" --modelo <modelo>
python -m escrutinio estadisticas
python -m escrutinio territorial [--fuente asturias,andalucia] [--completo]   # votaciones autonómicas y locales
python -m escrutinio territorial-estado                                       # cobertura de cada conector
python -m escrutinio territorial-probar <conector> --limite 30                # probar un conector sin tocar la base
python -m escrutinio actas-deepseek --limite 40      # votaciones de diarios de sesiones y actas (DEEPSEEK_API_KEY)
python -m escrutinio actas-exportar --limite 20      # textos pendientes para procesarlos por otra vía
python -m escrutinio actas-importar "data/llm/actas/respuestas/*.json" --modelo <modelo>
python -m escrutinio programas-descargar / programas-estado    # programas electorales (ver «Programas electorales»)
python -m escrutinio programas-leer / programas-emparejar / programas-verificar / programas-calcular

Actualizar los datos: en la nube o en local

La actualización es un solo programa, python -m escrutinio actualizar, y da igual quién lo lance: GitHub Actions cada día, o cualquier persona desde su equipo con el repositorio clonado. Los dos caminos parten de la misma base troceada (data/bd/) y de las mismas fichas y actas guardadas (data/llm/), y dejan el resultado en el repositorio, así que quien actualiza después, sea el runner o una persona, sigue donde lo dejó el anterior.

En la nube: GitHub Actions y GitHub Pages

Dos workflows:

Workflow	Cuándo	Qué hace
actualizar.yml («Actualizar datos»)	Diaria, de lunes a sábado a las 04:20 UTC y a las 22:40 UTC: la de la noche recoge las votaciones del mismo día y cubre a la de la mañana si GitHub la descarta	python -m escrutinio actualizar, commit de data/llm (las fichas generadas) y publicación de la web con los datos del día
	Semanal, el domingo a las 04:20 UTC, y a mano	Lo mismo, más el informe de análisis de la portada (--informe) y commit también de data/bd y web/datos
pages.yml («Publicar web»)	Al subir cambios de web/ a main y a mano	Publica web/ en GitHub Pages, tal cual

La base y los datos de la web se guardan en git solo una vez por semana para que el historial no sume cada día una copia binaria de varios MB; la web publicada sí se actualiza a diario, porque la publica el propio workflow con lo que acaba de calcular. Las fichas (data/llm) se guardan cada día porque no se pueden volver a descargar. Al subir un cambio de código, «Publicar web» publica los datos de la última copia semanal hasta la siguiente actualización diaria.

Configuración, una sola vez, en el repositorio de GitHub:

1. Settings > Pages > Build and deployment > Source: GitHub Actions.

2. Settings > Secrets and variables > Actions:

   Tipo	Nombre	Valor
   Secret	DEEPSEEK_API_KEY	Clave de la API de DeepSeek. Sin ella se actualiza todo menos las fichas nuevas
   Variable	DEEPSEEK_MODEL	Opcional; por defecto deepseek-flash (también deepseek-v4-pro)

3. Pestaña Actions: ejecutar «Publicar web» para la primera publicación (luego va sola) y, si se quiere probar ya, «Actualizar datos».

Los workflows declaran los permisos que necesitan (contents: write para el commit, pages: write para publicar). Si el commit falla con un 403, en Settings > Actions > General > Workflow permissions hay que elegir «Read and write permissions».

Qué hace cada día:

1. Recupera la base de trabajo que dejó la ejecución anterior (se guarda en la caché de Actions). Si data/bd/ ha cambiado desde entonces (la copia del domingo, o una actualización subida desde un equipo), la reconstruye desde ahí.
2. Descarga las votaciones nuevas (y revisa las de los últimos 14 días, por si se publicaron incompletas) y el catálogo, plazos y fases de las iniciativas de la legislatura actual.
3. Carga las fichas versionadas y procesa todo con reglas fijas.
4. Con DeepSeek: decide el tipo de las votaciones que las reglas no reconocen y genera las fichas de las iniciativas nuevas (hasta 400 por ejecución). Sin clave, las leyes nuevas quedan con el tema provisional por comisión.
5. Votaciones autonómicas y locales: cada conector trae lo publicado desde su última votación guardada (con unos días de margen) y, con DeepSeek, se leen hasta 40 diarios de sesiones o actas pendientes, repartidos entre instituciones. Un conector que falla (web caída, cambio de formato) se anota, no para a los demás ni al Congreso y la web lo avisa (ver el apartado siguiente). Cada conector tiene como mucho 10 minutos y todos juntos 35; si no da tiempo a todos, los que se quedan sin turno van los primeros al día siguiente.
6. Programas electorales: con DeepSeek, lee los pendientes y relaciona sus compromisos con las iniciativas nuevas.
7. Recalcula agregados, regenera la web y vuelve a trocear la base.
8. Hace commit de lo que toque (ver la tabla) y publica la web.

Cada ejecución tiene 95 minutos (MINUTOS_MAX) repartidos entre los pasos, con tiempo reservado siempre para el 7 y el 8. Lo que no da tiempo a hacer queda para la ejecución siguiente: así GitHub no corta el trabajo a las dos horas, que perdería todo lo hecho. Al terminar deja en la ejecución un aviso con lo que ha tardado cada paso. Si aun así algo falla, se guardan las fichas y actas ya leídas (data/llm).

Qué se actualiza y cada cuánto, contado para quien usa la web, está también en la página de ayuda (#/ayuda), que además explica cada pestaña con el botón «Cómo se lee».

En local: desde cualquier equipo

Hace falta Python 3.10 o superior y git, nada más (para los PDF de algunas fuentes, pdftotext o pypdf, ver arriba). La clave de DeepSeek es opcional: sin ella se actualiza todo menos las fichas nuevas, la lectura de diarios y actas y el informe (ver el apartado siguiente). Los pasos, siempre en este orden y de una vez:

git pull                              # 1. la última base y las últimas fichas
python -m escrutinio unir            # 2. base de trabajo desde data/bd/ (sustituye la que hubiera)
python -m escrutinio actualizar      # 3. lo mismo que hace Actions: de unos minutos a más de una hora
git add data/bd web/datos data/llm    # 4. base troceada, datos de la web, fichas y actas
git commit -m "Actualización de datos"
git push                              # 5. enseguida, antes de que actualice otro

Los mismos comandos valen en PowerShell. Opciones de actualizar: --limite-fichas N (400 por defecto), --limite-actas N (sin límite por defecto: lee actas hasta que se acaba el tiempo; sin --minutos, todas las pendientes que se listen; 0 para no leer ninguna; las ejecuciones programadas de Actions leen 150, o lo que diga la variable LIMITE_ACTAS), --informe (redacta el informe de la portada), --sin-ia (no llamar a DeepSeek aunque haya clave), --sin-territorial (solo el Congreso) y --minutos N (tiempo máximo, como en Actions; sin él, no hay límite). Antes de subir se puede ver el resultado abriendo web/index.html. La web publicada se actualiza con el siguiente «Actualizar datos» o lanzando «Publicar web» a mano en la pestaña Actions.

Dos reglas para no chocar con Actions ni con otra persona:

• Pull justo antes y push justo después. data/bd son SQLite y web/datos va en base64: git no puede fusionarlos, solo elegir una versión. Dos actualizaciones seguidas, cada una a partir de la anterior, no dan problema; dos cruzadas, sí: la segunda no puede subir.
• Evitar las franjas de Actions y no dejar datos sin subir. El runner corre a las 04:20 UTC (06:20 en verano y 05:20 en invierno, hora peninsular) y a las 22:40 UTC, aunque GitHub suele empezarlas con horas de retraso. Cada pasada dura como mucho unos 100 minutos, más si hay cola. Los domingos sube su copia de la base, así que unos datos locales de varios días chocan seguro.

Si el push falla porque main ha avanzado mientras tanto, no hay que fusionar los binarios sino regenerarlos: git pull --no-rebase; en los conflictos de data/bd y web/datos, quedarse con los propios (git checkout --ours -- data/bd web/datos); en los de data/llm, conservar las líneas de las dos versiones (cada línea de los .jsonl es independiente; si choca el informe, elegir uno); volver a ejecutar python -m escrutinio actualizar, que importa las fichas y actas recién traídas y regenera la base y la web; y hacer commit y push.

La clave de DeepSeek

DeepSeek hace tres cosas en la actualización: las fichas de las iniciativas nuevas, la lectura de los diarios de sesiones y actas que solo se publican en texto libre, y el informe de la portada. Todo lo que devuelve se guarda en data/llm/ y se versiona, así que la clave la necesita solo quien actualiza; ni la web ni unir la usan. Dónde va, según quién actualiza:

Quién	Dónde
GitHub Actions	Settings > Secrets and variables > Actions: secret DEEPSEEK_API_KEY y, opcional, la variable DEEPSEEK_MODEL
Una persona, en su equipo	Fichero .env en la raíz del repositorio, copiado de .env.ejemplo. Está en .gitignore y no se sube. También vale como variable de entorno del sistema, que tiene prioridad

Variable	Para qué
DEEPSEEK_API_KEY	La clave. Sin ella, actualizar lo avisa en el registro y hace todo lo demás
DEEPSEEK_MODEL	Modelo; por defecto deepseek-flash (también deepseek-v4-pro)
DEEPSEEK_BASE_URL	Dirección de la API; por defecto https://api.deepseek.com

Sin clave, o con otro sistema: fichas-exportar y actas-exportar dejan en data/llm/pendientes/ y data/llm/actas/pendientes/ los lotes pendientes con sus instrucciones (data/llm/INSTRUCCIONES.md), para que los procese otro modelo, otro servicio u otra persona; fichas-validar y actas-validar comprueban las respuestas y fichas-importar y actas-importar las cargan. El cliente (escrutinio/llm/deepseek.py) habla con una API compatible con la de OpenAI usando solo la biblioteca estándar, así que DEEPSEEK_BASE_URL y DEEPSEEK_MODEL son el punto de partida para otro servicio compatible, aunque no está probado con ninguno.

Aviso: webs que no responden desde fuera de España

Los servidores de GitHub Actions están fuera de España y varias webs de instituciones no aceptan esas conexiones. En la primera ejecución no respondieron el Parlamento Vasco, el Ayuntamiento de Zaragoza y las Cortes de Aragón (se agota el tiempo o cortan la conexión), y el Parlamento de Navarra contestó con un 403: su web está detrás de una protección contra robots, que no se intenta saltar. Una web que no deja ni conectar dos veces seguidas se da por caída hasta el final de la ejecución, para no esperar minutos en cada petición. Esas instituciones se quedan como estaban, y se avisa en tres sitios:

• En la web: la portada lista las instituciones del ámbito elegido que no se han podido actualizar, con el motivo y la fecha de sus últimos datos; el selector de ámbito y la tabla de cobertura las marcan con ⚠, y la ayuda lo explica.
• En GitHub: salen como avisos en el resumen de la ejecución de «Actualizar datos».
• En el registro: «Fuentes sin actualizar en esta ejecución», al final.

Cada recogida anota por institución si respondió y, si no, por qué (escrutinio/territorial/estado.py); los avisos viajan a la web en web/datos/indice.js. Para poner al día esas instituciones basta hacer la actualización en local desde España, con los pasos de «En local: desde cualquier equipo»: cada conector trae lo que falte desde la última votación guardada de su institución.

Otras tres webs, las de las Cortes de Castilla y León, las Juntas Generales de Bizkaia y el Parlament de les Illes Balears, fallaban en Actions por otro motivo: envían su certificado sin el intermedio, que Windows completa por su cuenta y Linux no. Esos intermedios van en escrutinio/territorial/certificados.pem y ya no fallan. En el mismo fichero va la raíz nueva de la FNMT-RCM (G2R, de diciembre de 2025) con la que la Asamblea de Extremadura firma su certificado desde septiembre de 2026: ni el paquete de certificados de Linux ni el almacén de Windows la traen todavía y sin ella fallaba en los dos.

Fichas y reglas

Casi todo es determinista: descarga, cruces, tipo de votación, resultados, grupo decisivo, afinidades, coaliciones, enmiendas… DeepSeek describe y clasifica cada iniciativa sin recibir votos ni resultados; en lo autonómico y local, además, lee los días de diario o acta que las reglas no saben leer (ver «Ámbito territorial»).

Qué	Cómo	Dónde queda
Ficha de cada iniciativa (resumen, tema de una lista cerrada de 23, etiquetas, leyes afectadas, marcas)	Generada con DeepSeek; todo se valida contra los catálogos antes de guardarse	data/llm/resultados/**.jsonl (fuente de verdad) y ficha_llm
Tipo de las votaciones que las reglas no reconocen	DeepSeek, con lista cerrada	data/llm/tipos_votacion.jsonl
Tema provisional de las leyes sin ficha	Reglas sobre la comisión competente: coincide con la ficha definitiva en el 90% de los casos	tema_provisional
Equivalencias de etiquetas y nombres de leyes	Tabla revisada una vez; ahora es código	escrutinio/llm/etiquetas.py
Quién gobernaba en cada fecha (presidente, partido y socios)	Tabla a mano: Gobierno de España, comunidades autónomas, diputaciones forales y ayuntamientos	escrutinio/gobiernos.py
Informe de la portada	DeepSeek a partir de estadisticas	data/llm/informe.md
Votaciones de los diarios y actas que las reglas no leen	DeepSeek, solo con lo que está escrito	data/llm/actas/<institución>.jsonl

Las fichas del lote inicial se generaron antes de montar la actualización automática (data/llm/resultados/modelos.json las marca como «lote inicial»); las nuevas de DeepSeek llevan su origen en cada línea. Quedan unas 11.900 iniciativas sin ficha, casi todas de las instituciones autonómicas incorporadas al final: el workflow diario hace hasta 400 por ejecución, así que se completan en alrededor de un mes. Todas las peticiones a DeepSeek piden responder en español de España. Control de calidad: reclasificadas a ciegas 60 fichas al azar, el tema principal coincide en el 93% (98% contando secundarios). El resultado calculado con los totales se contrasta con el oficial: en convalidaciones y votaciones de conjunto solo discrepa una votación, marcada con aviso.

Programas electorales: lo que prometen frente a lo que votan

Implementa las fases 0 y 1 de Programas y votos lo que dicen frente a lo que votan.md y la sección «Programas electorales» de Activismo en la web: los compromisos del programa de cada partido, cada uno con su cita literal y su página, enlazados con las iniciativas del Pleno que tratan lo mismo y con lo que votó el partido en ellas. Están los programas de las generales de 2011 a 2023 de los partidos con grupo propio, cada uno frente a la legislatura que empezó tras la elección:

Elecciones	Legislatura	Programas
2011	X	PSOE, PP, CiU, IU (La Izquierda Plural), UPyD y PNV
2015	XI	PSOE, PP, Podemos, ERC, Democràcia i Llibertat y PNV
2016	XII	PSOE, PP, Unidos Podemos, Ciudadanos, ERC y PNV
Abril de 2019	XIII	PSOE, PP, Unidas Podemos, Ciudadanos, VOX, ERC y PNV
Noviembre de 2019	XIV	PSOE, PP, VOX, Unidas Podemos, Ciudadanos, ERC y PNV
2023	XV	PSOE, PP, VOX, Sumar, ERC, Junts, EH Bildu y PNV

Faltan el de Ciudadanos de 2015, que solo existe escaneado, y el de EH Bildu de noviembre de 2019, que no se ha encontrado. La XI y la XIII duraron pocos meses, así que sus programas tienen pocas iniciativas con las que compararse. Los de CiU, Democràcia i Llibertat, ERC y Junts están en catalán: la cita se guarda en la lengua del programa y el compromiso, en castellano. Los programas se añaden en escrutinio/programas/registro.py (PROGRAMAS) o, sin tocar código, en data/programas.json (mismo formato, pensado para una elección nueva): la ruta del PDF se pone a mano cuando el partido lo publica, no se descubre sola. Los partidos que votan dentro del Grupo Mixto (BNG, CC, UPN, y Podemos desde diciembre de 2023) no tienen voto propio de grupo con el que comparar: harían falta sus diputados uno a uno.

Cada programa se descarga, se lee y se guarda una sola vez. Lo que manda son los ficheros de data/llm/programas/, versionados como las fichas, y la base se reconstruye desde ellos (unir, web y actualizar los cargan):

Fichero	Contenido
data/llm/programas/registro.jsonl	Una línea por documento: partido, elección, URL, sha256, formato (pdf o html), páginas, estado (pendiente, leido, error), modelo, versión del prompt, compromisos y tokens gastados
data/raw/programas/<id>.txt	Texto extraído del PDF (o de la página web), con un salto de página entre páginas (en las páginas web, entre apartados). Se versiona (el PDF no) para que las citas sigan siendo comprobables aunque el partido retire el programa
data/llm/programas/<id>.jsonl	Una línea por compromiso: texto, cita literal, página, tema, tipo de acción, de quién depende y si es verificable
data/llm/programas/emparejamientos/<id>.jsonl	Una línea por par compromiso–iniciativa decidido, también los que no tienen que ver, para no volver a preguntarlos
data/llm/programas/verificaciones/<id>.jsonl	Segunda revisión de cada relación con dirección (misma o contraria): manda sobre la primera y no se repite

python -m escrutinio programas-descargar     # descarga y registra; si el sha256 no cambia, no hace nada
python -m escrutinio programas-estado        # qué está leído, qué falta, qué falló y el gasto estimado
python -m escrutinio programas-leer          # compromisos de los pendientes, con DeepSeek (modelo Pro)
python -m escrutinio programas-emparejar     # candidatas nuevas de cada compromiso, con DeepSeek
python -m escrutinio programas-verificar     # segunda revisión de las relaciones con dirección (modelo Pro)
python -m escrutinio programas-verificar --cifras --modelo <modelo rápido>   # solo las que cuentan, como cada día
python -m escrutinio programas-verificar --rehacer --solo contraria   # tras cambiar el prompt, solo esas
python -m escrutinio programas-calcular      # recarga todo y recalcula el estado, sin DeepSeek
python -m escrutinio programas-rehacer-citas # vuelve a buscar las citas con las respuestas guardadas, sin DeepSeek
python -m escrutinio programas-rehacer-texto --id generales-2019-04-psoe   # vuelve a extraer el texto y rehace sus citas
python -m escrutinio programas-releer --id generales-2023-pp --version compromisos-v2   # solo a propósito

Cómo se hace, paso a paso:

1. Descarga y registro (sin DeepSeek). Si un partido corrige el PDF, entra como documento nuevo con su propia línea y la lectura anterior se conserva. Un PDF escaneado queda como error. El texto se extrae con pdftotext separando las columnas por la posición de cada palabra (en los programas a dos columnas, sin separarlas, las frases salían mezcladas); los del PNV de 2019, que meten los rótulos laterales en medio de las palabras, en el orden interno del PDF (EXTRACCION). Los de Ciudadanos de 2019 solo se publicaron como página web: cada apartado hace de página y la web enlaza con él como «apartado N».
2. Compromisos (DeepSeek, una vez por programa). El texto va por trozos de unas 40 páginas. La cita tiene que aparecer en el programa, o el compromiso se descarta: se busca tal cual (salvo espacios, comillas, mayúsculas y tildes) y, si no, con todas sus palabras en el mismo orden, uniendo las partidas por guion y admitiendo hasta tres intercaladas (un número de página, un rótulo). Las cabeceras y pies que se repiten en cada página se quitan antes. La página sale de dónde está la cita, no de lo que responda el modelo. Las frases vagas quedan como no verificables. Si la lectura se corta, los trozos ya respondidos están en la caché local (data/raw/programas/trozos/, sin versionar) y no se vuelven a pagar; si una respuesta sale truncada, el trozo se parte en dos. Con esa caché, programas-rehacer-citas y programas-rehacer-texto rehacen las citas sin volver a leer.
3. Candidatas (sin DeepSeek). Las 10 iniciativas con ficha más parecidas de la legislatura siguiente, del mismo tema, con BM25 sobre título, resumen y etiquetas.
4. Relación (DeepSeek, modelo rápido). Recibe el compromiso y las candidatas sin partido, sin autor y sin votos, y dice si cada una va en su dirección, en la contraria, trata lo mismo sin dirección o no tiene que ver. Solo se preguntan las candidatas nuevas.
5. Segunda revisión (DeepSeek). Las relaciones con dirección se revisan con un criterio más estricto y más contexto: la cita literal del programa (sin nombres de partido) y el título, el resumen y las etiquetas de la iniciativa. No basta con que se llamen parecido: dos «leyes de familias» pueden proponer cosas opuestas. «En la contraria» exige ir en sentido opuesto: quedarse corto (un impuesto temporal frente a hacerlo permanente) va en su dirección, y pedir información, auditar, retocar un detalle o un trámite sin contenido propio solo tratan lo mismo. Ante la duda, queda como «trata lo mismo, sin dirección clara», que no cuenta. En las cifras solo cuentan las iniciativas que el partido votó en la votación decisiva o que presentó él o su Gobierno; la actualización diaria revisa solo esas, con el modelo rápido (--cifras).
6. Estado (reglas, en cada actualización). Con el apoyo del partido en la votación decisiva de cada iniciativa (enmiendas a la totalidad invertidas; lo aprobado por asentimiento cuenta como apoyo): si presentó algo en su dirección (o lo presentó el Gobierno mientras gobernaba), , , , , y (lo que depende del Gobierno o de otra Administración solo se comprueba con los decretos-leyes). Sin votación no es incumplimiento, y la web lo dice. Un programa leído que aún no se ha comparado con ninguna iniciativa queda , que no cuenta en las cifras.

La actualización diaria lee los programas registrados que estén pendientes, decide las candidatas nuevas (hasta 300 compromisos por ejecución), revisa con el modelo rápido las relaciones nuevas que cuentan en las cifras y recalcula el estado. Descargar un programa nuevo es siempre a mano. En la web, la lista de programas va en web/datos/comun.js y los compromisos, en web/datos/programas.js, que solo se descarga cuando hace falta.

Pendiente, según el plan: las intervenciones en el Pleno, los programas autonómicos y el contraste con la Chapel Hill Expert Survey. Cuando la web del partido no deja descargar el programa (psoe.es está tras una protección contra robots que no se intenta saltar) o ya no lo enlaza, se usa la copia que publicó un medio o la del archivo de Internet (web.archive.org), y se guarda también la URL oficial si se conoce.

Fuentes y limitaciones

Dato	Fuente
Votaciones y voto nominal	Datos abiertos de votaciones del Congreso (un JSON por votación)
Expediente, autor y resultado de tramitación	Buscador de iniciativas del Congreso (endpoint JSON)
Situación, comisión, plazos y enlaces al BOCG (legislatura actual)	Datos abiertos de iniciativas

• No hay 20 años. Las votaciones nominales en datos abiertos empiezan en la X legislatura (enero de 2012). La IX y anteriores no tienen voto nominal publicado.
• Los ficheros de votación no traen expediente. El cruce con la iniciativa se hace por título normalizado (y por número en los decretos-leyes y los Presupuestos). Lo que no se puede enlazar queda como iniciativa «sintética» (SIN/...) con el texto de la votación.
• Las fichas se hacen a partir del título oficial, no del texto del BOCG (fase 3 del plan).
• La comisión competente solo está en los datos abiertos de la legislatura actual, así que el tema provisional solo existe para ella.
• Solo el Pleno (las comisiones no tienen voto nominal). De las Cortes Generales, solo el Congreso (el Senado es la fase 4); lo autonómico y local tiene sus propias fuentes y limitaciones (ver «Ámbito territorial»).
• Al trocear no se guarda el número de asiento de cada diputado, que no se usa en ningún análisis.

Ámbito territorial: parlamentos autonómicos, instituciones provinciales y ayuntamientos

Además del Congreso se recogen las votaciones de parlamentos autonómicos, Juntas Generales vascas y ayuntamientos. Las fuentes, lo que publica cada una y lo difícil que es sacarlo están en Votaciones autonómicas y locales fuentes por territorio.md.

Elegir qué se analiza

La cabecera de la web tiene un selector de ámbito con un árbol:

• Toda España
  • Nacional: el Congreso (y, cuando se añadan, otras fuentes nacionales por separado).
  • Comunidades autónomas → cada comunidad → su parlamento, sus instituciones provinciales o insulares (Juntas Generales, cabildos, consells) y sus ayuntamientos.

Marcar un nodo marca todo lo que tiene debajo: una comunidad incluye su parlamento, lo provincial y los ayuntamientos; se puede desmarcar lo que sobre o elegir solo un ayuntamiento. Los atajos por nivel eligen un nivel entero sin lo de debajo: por ejemplo, todos los parlamentos autonómicos sin juntas ni ayuntamientos, o todos los ayuntamientos. La elección va en la URL (amb=congreso, amb=AS, amb=*autonomico, amb=es…), así que los enlaces compartidos la conservan. Al abrir la web sin ámbito en la URL se carga solo lo nacional, que es lo más ligero; el selector ofrece volver a la última elección y avisa cuando lo marcado pesa mucho (la primera carga puede tardar y el navegador usa bastante memoria).

La web solo descarga y monta los ficheros de las instituciones elegidas, y todas las vistas (votaciones, temas, grupos, coaliciones, mapa, disciplina…) trabajan sobre ese ámbito sin más cambios. Con varias instituciones, las legislaturas llevan su nombre corto («Asturias XII») y los grupos se suman por partido (el PSOE del Congreso y el de un parlamento cuentan juntos), lo que permite ver, por ejemplo, con quién coincide cada partido en toda una comunidad. Cada votación enlaza a su fuente original.

Cómo se recogen

Cada institución tiene un conector en escrutinio/territorial/fuentes/ que devuelve las votaciones ya normalizadas (escrutinio/territorial/modelo.py); guardarlas, calcular resultados, votación decisiva, grupos y grupos decisivos es común a todas (territorial/cargar.py y territorial/procesar.py). Hay tres tipos de conector:

Tipo	Qué hace	fuente
Datos estructurados	Descarga XML, JSON, CSV o tablas HTML con el voto nominal, por grupo o los totales	xml, json, csv, html
PDF de formato fijo	Lee con reglas el PDF que genera el sistema de votación o un acta muy regular	pdf-reglas, html-reglas
Diario de sesiones o acta en texto libre	El conector lista los documentos del pleno; DeepSeek lee el texto condensado y devuelve cada votación con su asunto, expediente, totales, voto por grupo y resultado, sin añadir nada que no esté escrito	pdf-llm, html-llm

Lo leído de diarios y actas se guarda en data/llm/actas/<institución>.jsonl (una línea por documento): es la fuente de verdad de esa parte, así que reconstruir la base no repite nada y cada ejecución sigue con el atraso donde lo dejó la anterior. Sin clave de DeepSeek, actas-exportar deja los textos y unas instrucciones para procesarlos por otra vía y actas-importar carga el resultado.

Nada se inventa: si una fuente solo da el resultado, no hay totales; si solo da los totales, no hay voto por grupo. El resultado es el oficial cuando la fuente lo publica; si no, se calcula con los totales y la mayoría de esa cámara (sus escaños), y si ambos no cuadran la votación lleva un aviso. Los grupos se reconocen por el nombre que publica cada fuente (territorial/partidos.py) para que el mismo partido tenga las mismas siglas y el mismo color en todas partes. Un grupo que no encaje con ningún patrón no se pierde: sale con su propio nombre y un color neutro.

Para un partido nuevo no hace falta tocar el código: se da de alta en data/partidos.json (patrón, siglas y color), que la actualización —en la nube o en local— lee al arrancar. Y para saber qué partidos están apareciendo sin reconocer, python -m escrutinio partidos-pendientes lista los grupos que no casan con ningún patrón, los que salen en más instituciones primero (candidatos más claros a ser un partido que merece la pena dar de alta). La actualización diaria también los resume al final, y en GitHub Actions avisa de los que aparecen en varias instituciones.

Para añadir una institución basta un módulo nuevo en escrutinio/territorial/fuentes/ que declare CUERPOS (con su número, legislaturas y escaños) y descargar(ctx) o documentos(ctx); se prueba con python -m escrutinio territorial-probar <módulo> sin tocar la base.

Cobertura

Situación a 27 de septiembre de 2026. Casi todos los diarios y actas se leen ya con reglas; «para leer» son los días que las reglas no saben leer (investiduras por llamamiento, elecciones con papeleta, escaneos ilegibles), que DeepSeek va procesando con un cupo por ejecución (40 documentos al día, repartidos entre instituciones). La web calcula la tabla con lo que haya cargado en cada momento.

En total, 106.277 votaciones de 27 instituciones autonómicas, provinciales y municipales, además de las 16.928 del Congreso.

Parlamentos autonómicos

Institución	Conector	Legislaturas	Votaciones	Detalle	Cómo
Parlamento de Andalucía	andalucia	IX–XIII (2012–)	4.650	Voto de cada diputado (98 %), por grupo y totales	PDF del sistema de votación, con reglas; fichas de iniciativa
Junta General del Principado de Asturias	asturias	X–XII (2015–)	5.074	Voto de cada diputado hasta 2023; después, totales y resultado	XML de eParlamento cruzado con el Diario de Sesiones
Parlamento de Canarias	canarias	IV–XI (1995–)	9.847	Totales y resultado	Texto del Diario (API de datos abiertos) y, antes de 2007, el PDF del Diario, con reglas; 4.609 iniciativas
Cortes de Castilla y León	castilla_leon	IX–XII (2015–)	2.781	Totales y resultado	Versión de texto del Diario, con reglas
Parlament de Catalunya	cataluna	XII–XV (2018–)	11.836	Totales y resultado	Diari de Sessions, con reglas
Corts Valencianes	valencia	V–XI (1999–)	3.018	Totales y resultado; voto de cada diputado en 2019–2020	Sumario del Diari de Sessions, con reglas, y XML por sesión (2019–2020); los días de presupuestos e investiduras, para leer
Asamblea de Extremadura	extremadura	IX–XII (2015–)	3.620	Voto de cada diputado y por grupo	Informe de votaciones en PDF, con reglas
Parlamento de Galicia	galicia	X–XII (2016–)	2.956	Totales y resultado	Diario de Sesiones, con reglas
Parlamento de La Rioja	la_rioja	IX–XI (2015–)	1.435	Totales, resultado y voto por grupo (IX–X)	Diario de Sesiones, con reglas; 962 iniciativas
Cortes de Aragón	aragon	X–XII (2019–)	3.125	Totales, resultado y, a veces, voto por grupo	Diario de Sesiones leído entero en la primera carga; los nuevos, para leer

Provincial e insular

Institución	Conector	Votaciones	Detalle	Cómo
Juntas Generales de Álava	juntas_generales	4.125 (1999–)	Totales y resultado	Fichas HTML de expediente; catálogo de iniciativas
Juntas Generales de Bizkaia	juntas_generales	286 (2013–)	Totales, resultado y voto por grupo	Actas en PDF, con reglas
Juntas Generales de Gipuzkoa	juntas_generales	708 (2005–)	Totales	Listado de sesiones; el resto, actas para leer
Cabildo de Lanzarote, Consell de Mallorca	cabildos_consells	—	Actas para leer (61 y 79)

Ayuntamientos

Ayuntamiento	Conector	Periodo	Votaciones	Detalle	Cómo
Zaragoza	zaragoza	2015–	7.206	Totales, resultado y voto por grupo	Extracto de acuerdos en HTML, con reglas
Alicante	alicante	1999–	5.056	Totales, resultado y voto por grupo	Actas y extractos, con reglas
Córdoba	cordoba	2012–	4.513	Totales, resultado y voto por grupo	Extracto de pleno en PDF, con reglas
Málaga	malaga	2019–	2.959	Totales, resultado y voto por grupo	Videoactas en PDF, con reglas
Valladolid	valladolid	2015– (sin oct. 2023–may. 2025)	2.103	Totales, resultado y voto por grupo	«Acuerdos adoptados», con reglas
Gijón	gijon	2015–	1.580	Voto de cada concejal (JSON municipal, hasta 2025) y por grupo	Datos abiertos y actas con reglas; actas antiguas para leer
Valencia	ayto_valencia	2018–	705	Resultado y grupo proponente	CSV de mociones por sesión; actas para leer (voto por grupo)
Las Palmas de Gran Canaria	las_palmas	2025–	284	Totales, resultado y voto por grupo	Actas en PDF, con reglas (las anteriores son imágenes escaneadas)
69 ayuntamientos de Cataluña de más de 20.000 habitantes	aoc_actes	2015–	—	Actas para leer (10.231)	Dataset «Actes de Ple» del Consorci AOC

Descartados tras comprobarlos: Séneca (la API de votos pide identificarse), los datos abiertos del Ayuntamiento de Madrid (no hay acuerdos ni votos), el Cabildo de Tenerife (los acuerdos piden Cl@ve) y el de Gran Canaria (no se puede listar sus actas).

Limitaciones

• Cada fuente cubre periodos distintos y con distinto detalle: las comparaciones entre instituciones deben tener en cuenta la columna «Detalle» de la tabla de la portada (que la web calcula con lo que hay cargado).
• Las votaciones leídas de diarios y actas dependen de cómo se redactan: si el acta dice «queda aprobada» sin cifras, no hay totales. Conviene contrastarlas con el documento, enlazado en cada una.
• Solo se recoge el pleno, nunca las comisiones.
• Algunas instituciones pueden ir con retraso si su web no acepta conexiones desde fuera de España (ver «Aviso: webs que no responden desde fuera de España»); la web lo avisa con ⚠.
• Las diputaciones provinciales de régimen común quedan fuera por lo que aportan frente al esfuerzo (elección indirecta, mucha unanimidad y una web distinta cada una), como explica el documento de fuentes.

Licencia

Código bajo licencia MIT (LICENSE). sql.js, en web/vendor/, es MIT. Los datos proceden de los datos abiertos del Congreso de los Diputados y de las webs de cada parlamento, juntas generales y ayuntamiento, que se enlazan desde cada votación.