🇪🇸 BOE Explorer

February 18, 2026 · View on GitHub

BOE Explorer Dashboard

🌐 Demo en vivo: https://test.pro-eurtec.com/

Plataforma open-source de análisis, enriquecimiento y visualización de datos públicos del Boletín Oficial del Estado (BOE), Base de Datos Nacional de Subvenciones (BDNS), Boletín Oficial del Registro Mercantil (BORME), Congreso de los Diputados y Promesas Electorales.

🎯 Descripción

BOE Explorer es una plataforma 100% open-source que agrega, enriquece y cruza datos de las cinco principales fuentes de datos abiertos del Estado español:

Fuente	Datos
BOE	Legislación, licitaciones, adjudicaciones, nombramientos, convenios
BDNS	Subvenciones públicas, convocatorias, destinatarios
BORME	Registro mercantil, socios, administradores, cargos empresariales
Congreso	Votaciones parlamentarias, asistencia, transferencias de voto, correlación por CCAA
Promesas	Promesas electorales, cumplimiento, patrimonio de diputados, contradicciones políticas

El objetivo es democratizar el acceso a la información pública, facilitando la detección de patrones de gasto, concentración empresarial, actividad parlamentaria y seguimiento de compromisos electorales.

✨ Características principales

📊 Dashboard multi-fuente

Agregación diaria automática de BOE + BDNS + BORME
KPIs en tiempo real: documentos del día, tendencias semanales/mensuales
Gráficos interactivos con drill-down (click en cualquier segmento para ver el detalle)

🔍 Motor de búsqueda avanzado

Búsqueda federada unificada (BOE + Licitaciones + Subvenciones simultáneamente)
Filtros combinables: empresa, NIF/CIF, departamento, tipo, CCAA, rango de importes, procedimiento
Búsqueda accent-insensitive (encontrar "García" buscando "garcia")

💰 Análisis de licitaciones

Enriquecimiento XML individual de cada licitación
Extracción de importes (6 patrones prioritarios: adjudicación > estimado > presupuesto)
Datos de adjudicatario + NIF, CPV, procedimiento, ofertas mayor/menor (13.2/13.3)
Desglose por departamento, empresa, tipo de contrato, CCAA, sector y timeline

🔗 Motor de referencias cruzadas

Correlación automática entre documentos BOE y licitaciones
Scoring multi-signal con confianza ponderada (0.0–1.0)
Detección de afinidad departamental, coincidencia de keywords, solapamiento de términos

🏢 Inteligencia empresarial (BORME)

Parsing de PDFs del Registro Mercantil con pdftotext
Extracción de socios, administradores, consejeros (30+ tipos de cargo)
Seguimiento de nombramientos y ceses con estado activo/cesado
92,000+ empresas indexadas

🎯 Análisis de subvenciones (BDNS)

Clasificación por sector, nivel administrativo, entidad y destino
Detección de destinos internacionales (80+ países, 6 regiones)
Timeline de convocatorias con tendencias

⚠️ Alertas de transparencia

Concentración de contratos por empresa (flag ≥3, alerta alta ≥5)
Recurrencia empresa-departamento
Clasificación de 17 tipos de entidad jurídica española por NIF/CIF

🏛 Congreso de los Diputados

Votaciones parlamentarias: 1,666 votaciones de 114 sesiones (XV Legislatura)
Diagrama Sankey de transferencias de voto entre partidos
Muro de la Vergüenza: ranking de diputados por asistencia y patrones de voto
Correlación por CCAA: análisis de afinidad de voto entre comunidades autónomas
Buscador de diputados: búsqueda por nombre, filtro por grupo parlamentario, ordenación por nombre/asistencia/votos
Tabla de resultados con 8 columnas: ranking, nombre, grupo, asistencia, sí, no, abstención, no_vota

📊 Promesas Electorales

Promesómetro: barras de progreso apiladas por partido (PSOE, Sumar, PP, VOX) con indicadores gobierno/oposición
Buscador de promesas: filtro por texto libre, partido y estado (cumplida, parcial, en_trámite, incumplida, rechazada)
Nubes de Palabras: comparativa programa electoral vs. actividad legislativa real, con pestañas por partido
Timeline de Contradicciones: 7 casos documentados de "lo que dijeron" vs. "lo que hicieron" con referencias BOE
Patrimonio de diputados: tabla comparativa antes/después de ser electos + gráfico de variación patrimonial
34 promesas reales con evidencias, timeline y estado de cumplimiento
Extracción automatizada de keywords desde PDFs de programas electorales (vía pdftotext)

🏗 Arquitectura del sistema

┌─────────────────────────────────────────────────────────────┐
│                      FRONTEND (SPA)                          │
│                index.html (~4,100 líneas)                     │
│  Vanilla JS · Chart.js 4.4.1 · Tailwind CSS · WordCloud      │
│  90+ funciones · 25+ gráficos · Sankey · Dark/Light mode     │
└───────────────────────────┬─────────────────────────────────┘
                            │ HTTP/JSON
┌───────────────────────────┴─────────────────────────────────┐
│                       API REST (PHP 8.x)                     │
│                    api/index.php (router)                     │
│                      18 endpoints                            │
├──────────┬──────────┬──────────┬──────────┬─────────────────┤
│ boe_     │ bdns_    │ borme_   │ congreso │ promesas_parser │
│ parser   │ parser   │ parser   │ _parser  │   367 LoC       │
│ 375 LoC  │ 680 LoC  │ 727 LoC  │ 568 LoC  │                 │
├──────────┴──────────┴──────────┴──────────┴─────────────────┤
│         data_store.php (743 LoC) · cross_ref (194 LoC)       │
│      Búsqueda · Análisis · Sectores · Empresas · Keywords    │
├─────────────────────────────────────────────────────────────┤
│                    config.php (151 LoC)                       │
│           Cache · HTTP client · Normalización                │
└───────────────────────────┬─────────────────────────────────┘
                            │ Flat-file JSON
┌───────────────────────────┴─────────────────────────────────┐
│                   ALMACENAMIENTO                             │
│   api/data/boe/YYYY-MM-DD.json  (557+ días)                  │
│   api/data/bdns/convocatorias.json (10K+ registros)           │
│   api/data/borme/YYYY-MM-DD.json (42+ días)                   │
│   api/data/congreso/votaciones/ (114 sesiones, 1666 JSON)    │
│   api/data/promesas/promesas.json (34 promesas, patrimonio)  │
│   api/cache/*.json (TTL: 5-60 min)                           │
└─────────────────────────────────────────────────────────────┘

┌─────────────────────────────────────────────────────────────┐
│                FUENTES DE DATOS EXTERNAS                      │
│                                                              │
│  BOE XML ── BDNS REST ── BORME PDF ── Congreso Datos Abiertos│
│  boe.es    hacienda.gob   boe.es/borme  congreso.es/opendata │
└─────────────────────────────────────────────────────────────┘

📡 Fuentes de datos

Fuente	Protocolo	URL Base	Formato
BOE (Boletín Oficial del Estado)	REST/XML	`https://www.boe.es/datosabiertos/api`	XML (sumarios + documentos individuales)
BDNS (Base Nacional de Subvenciones)	REST/JSON	`https://www.pap.hacienda.gob.es/bdnstrans/api`	JSON (con autenticación XSRF + cookies)
BORME (Registro Mercantil)	REST/JSON + PDF	`https://www.boe.es/datosabiertos/api/borme/`	JSON (sumario) + PDF (actas)
Congreso (Datos Abiertos)	REST/JSON	`https://www.congreso.es/es/opendata/votaciones`	JSON (sesiones + votaciones individuales)
Contratación del Estado	ATOM Feed	`https://contrataciondelestado.es`	XML/ATOM (parser legacy)

🛠 Stack tecnológico

Backend

Tecnología	Uso
PHP 8.x (vanilla, sin framework)	API REST, parsers, procesamiento
cURL (ext-curl)	HTTP client para APIs externas
pdftotext (poppler-utils)	Extracción de texto de PDFs BORME
JSON flat-file	Almacenamiento sin base de datos
OPcache	Caché de bytecode PHP

Frontend

Tecnología	Versión	Uso
Vanilla JavaScript	ES2021+	SPA, 90+ funciones, async/await
Chart.js	4.4.1	25+ gráficos interactivos con drill-down
chartjs-chart-sankey	0.12.1	Diagrama Sankey de transferencias de voto
chartjs-chart-wordcloud	4.4.3	Nubes de palabras (programa vs legislativo)
Tailwind CSS	3.x (CDN)	Diseño responsive, dark mode
Inter (Google Fonts)	Variable weight	Tipografía
Material Symbols	Outlined	Iconografía

Infraestructura

Componente	Detalle
Servidor	Debian Linux, Virtualmin
PHP-FPM	Worker pool con OPcache
Cron	Actualización diaria automática
Caché	Archivos JSON, TTL configurable (5–60 min)

Total: ~11,000+ líneas de código (sin datos ni tests)

🧠 Algoritmos y NLP

1. Motor de Referencias Cruzadas

Archivo: api/cross_reference.php (194 LoC)

Scoring multi-señal que combina 5 dimensiones para calcular la confianza (0.0 – 1.0) de la correlación entre un documento BOE y una licitación:

Señal	Peso máximo	Método
Keywords temáticos	+0.15/categoría	8 categorías × ~10 keywords cada una
Afinidad departamental	+0.30	13 diccionarios de alias ministeriales
Solapamiento de palabras	+0.30	Tokens ≥4 caracteres, Jaccard-like
Afinidad tipo documento	+0.10	Bonus para tipos de contratación
Matching de referencia ID	+0.50	Coincidencia exacta de identificadores

Niveles de confianza: Alta (≥70%), Media (40-70%), Baja (20-40%), Muy baja (<20%)

2. Clasificador de sectores

Archivos: api/data_store.php + api/bdns_parser.php

Clasificador NLP basado en keywords con 14 sectores y 100+ keywords por conjunto, aplicado tanto a licitaciones como a subvenciones:

Salud · Educación · Cultura · Vivienda · Medio Ambiente
Agricultura · Industria · Transporte · Empleo · Seguridad
Justicia · Cooperación · Digitalización · Servicios Generales

Técnicas: normalización accent-insensitive, lowercase matching, priorización por especificidad.

3. Parser BORME (NLP sobre PDF)

Archivo: api/borme_parser.php (727 LoC)

Pipeline de extracción:

PDF → pdftotext -layout → Limpieza headers/footers → Split por nº registro
→ Detección de secciones (Nombramientos/Ceses) → Extracción de personas
→ Clasificación de 30+ tipos de cargo → Merge activo/cesado

Cargos reconocidos: Administrador Único, Consejero Delegado, Presidente, Secretario, Apoderado, Liquidador, Auditor, Representante, Socio, y 20+ variantes.

4. Enriquecimiento de licitaciones

Archivo: api/boe_parser.php (375 LoC)

Cada licitación se enriquece individualmente fetching su XML del BOE:

6 patrones de extracción de importe (prioridad: adjudicación > estimado > presupuesto > oferta)
Parsing de números españoles (1.234.567,89 → float)
Extracción de adjudicatario + NIF/CIF (campos 12.1, 12.2)
Detección PYME, códigos CPV, tipo de procedimiento
Ofertas mayor/menor (campos 13.2, 13.3)

5. Detección de destinos internacionales

Archivo: api/bdns_parser.php

Clasificador geo-NLP:

80+ países con variantes de gentilicio y nombre
6 agrupaciones regionales (África, América Latina, Asia, UE, Oriente Medio, Países en desarrollo)
Word-boundary regex para keywords cortos (≤6 chars) para evitar falsos positivos

6. Clasificación de entidades jurídicas

Archivo: api/data_store.php

Identificación de 17 tipos de entidad a partir del prefijo NIF/CIF:

A → S.A. | B → S.L. | C → S.Colectiva | D → S.Comanditaria
E → Comunidad | F → Cooperativa | G → Asociación | H → C.Propietarios
J → Civil | N → Extranjera | P → Corporación | Q → Organismo Público
R → Congregación | S → Estatal/Autonómico | U → UTE | V → Otros | W → Sucursal Extranjera

7. Alertas de transparencia (Red Flags)

Detección automática de:

Concentración: empresa con ≥3 contratos → flag, ≥5 → alerta alta
Recurrencia: misma empresa + mismo departamento ≥2 veces
Análisis PYME vs Gran empresa por volumen de adjudicación

8. Parser del Congreso (Votaciones)

Archivo: api/congreso_parser.php (568 LoC)

Pipeline de procesamiento de datos abiertos del Congreso:

API Congreso → Descarga sesiones → JSON votaciones individuales
→ Agregación por diputado (asistencia, votos Sí/No/Abs/NoVota)
→ Cálculo de flujos (Sankey) entre grupos parlamentarios
→ Correlación de voto por CCAA → Rankings (mejores/peores)

Capacidades:

1,666 votaciones procesadas de 114 sesiones (XV Legislatura)
407 diputados únicos (incluye reemplazos)
37 flujos de transferencia de voto entre grupos para diagrama Sankey
19 correlaciones por CCAA para análisis de afinidad territorial
Caché de asistencia incremental para rendimiento

9. Parser de Promesas Electorales

Archivo: api/promesas_parser.php (367 LoC)

Sistema de seguimiento de compromisos electorales:

promesas.json → Estadísticas por partido → Búsqueda multi-criterio
→ Extracción de keywords de PDFs (pdftotext) → Cross-ref con BOE
→ API JSON con stats, patrimonio, contradicciones

Funciones principales:

promesas_stats() — Agregados por partido: % cumplida, en proceso, incumplida, rechazada
promesas_buscar() — Búsqueda multi-criterio: texto, partido, categoría, estado
promesas_extract_keywords_from_pdf() — NLP sobre PDFs de programas electorales (tokenización, stopwords español, top-N keywords)
promesas_buscar_en_boe() — Cruce de keywords de promesas con datos BOE existentes

Datos curados:

34 promesas reales (PSOE: 12, Sumar: 8, PP: 8, VOX: 6) con estados, evidencias y timeline
8 patrimonios de diputados notables (antes/después de ser electos)
7 contradicciones documentadas con referencias BOE
Keywords estimadas de programa vs. actividad legislativa por partido

📡 API REST

Base URL: /api/?action=

Endpoints principales (18)

Endpoint	Params	Descripción
`status`	—	Salud del sistema, versión, conteos
`dashboard`	—	KPIs del día, tendencias, últimos documentos
`documentos`	`texto, departamento, seccion, tipo, fecha_*`	Búsqueda de documentos BOE (paginado)
`licitaciones`	`texto, empresa, nif, tipo, departamento, ccaa, importe_min/max, procedimiento, fecha_*`	Búsqueda de licitaciones (paginado)
`referencias`	`confianza_min, limite`	Referencias cruzadas BOE↔Licitaciones
`resumen-gasto`	`periodo` (diario/semanal/mensual)	Análisis de gasto por múltiples dimensiones
`analisis-empresas`	—	Concentración empresarial + alertas
`analisis-tematico`	—	Análisis temático por keywords
`subvenciones`	—	Analytics de BDNS (sector, nivel, destino, timeline)
`subvenciones-buscar`	`texto, nivel, sector, fecha_*`	Búsqueda de convocatorias BDNS (paginado)
`subvenciones-chart-detalle`	`campo, valor`	Drill-down de gráficos BDNS
`subvenciones-destino-detalle`	`destino`	Detalle por destino internacional
`busqueda-global`	`q`	Búsqueda federada (BOE + Licitaciones + Subvenciones)
`socios`	`empresa`	Socios/cargos de empresa desde BORME
`borme-status`	—	Estado de procesamiento BORME
`departamentos`	—	Lista de departamentos únicos (30 días)
`congreso`	—	Votaciones, asistencia, Sankey, correlación CCAA (caché 30 min)
`promesas`	—	Promesómetro, stats, patrimonio, contradicciones, keywords (caché 1h)

Ejemplo de uso

# Buscar licitaciones de Defensa con importe > 1M€
curl "https://tu-dominio.com/api/?action=licitaciones&departamento=Defensa&importe_min=1000000"

# Buscar socios de Telefónica en BORME
curl "https://tu-dominio.com/api/?action=socios&empresa=TELEFONICA"

# Análisis de gasto mensual
curl "https://tu-dominio.com/api/?action=resumen-gasto&periodo=mensual"

# Datos del Congreso (votaciones, Sankey, diputados)
curl "https://tu-dominio.com/api/?action=congreso"

# Promesas electorales (promesómetro, patrimonio, contradicciones)
curl "https://tu-dominio.com/api/?action=promesas"

💾 Almacenamiento de datos

Filosofía: Zero-Database

BOE Explorer usa almacenamiento flat-file JSON intencionalmente:

✅ Sin dependencias — No necesita MySQL, PostgreSQL ni MongoDB
✅ Portabilidad total — Los datos son archivos legibles por humanos
✅ Backup trivial — cp -r api/data/ backup/
✅ Versionable — Compatible con git (aunque no recomendado por volumen)
✅ Procesamiento incremental — Un archivo por día, merge selectivo

Estructura

api/data/
├── meta.json                     # Índice global: conteos diarios, rango de fechas, totales
├── boe/
│   └── YYYY-MM-DD.json           # Array de documentos BOE del día (~557 archivos)
├── bdns/
│   ├── convocatorias.json        # Todas las convocatorias (merge deduplicado por ID)
│   ├── taxonomias.json           # Datos de referencia (regiones, sectores, etc.)
│   └── meta.json                 # Metadata de actualización BDNS
├── borme/
│   ├── YYYY-MM-DD.json           # Actas parseadas de todas las provincias del día
│   ├── index.json                # Índice invertido empresa → fechas
│   └── meta.json                 # Metadata de procesamiento BORME
├── congreso/
│   ├── votaciones/               # 114 directorios de sesión
│   │   └── sesionNN/             # JSON por cada votación individual
│   ├── diputados.json            # Índice de diputados y grupos parlamentarios
│   ├── asistencia_cache.json     # Caché incremental de asistencia
│   └── meta.json                 # Metadata: 114 sesiones, 1666 votaciones
├── promesas/
│   └── promesas.json             # 34 promesas, 8 patrimonios, 7 contradicciones, keywords
└── .htaccess                     # "Deny from all" (seguridad)

Caché

api/cache/
├── {md5_hash}.json               # Cache con TTL configurable por endpoint
└── .htaccess                     # "Deny from all"

Endpoint	TTL
BOE día	10 min
Dashboard	5 min (rendered: 1h)
Licitaciones	15 min
Analytics	1 hora
Congreso	30 min
Promesas	1 hora

🚀 Instalación

Requisitos previos

PHP 8.0+ con extensiones: curl, json, mbstring, xml
pdftotext (poppler-utils) para parsing BORME
Servidor web con soporte PHP (Apache/Nginx)
~500 MB de espacio en disco para datos históricos

Pasos

# 1. Clonar el repositorio
git clone https://github.com/vbmedina91/boeexplorer.git
cd boeexplorer

# 2. Instalar pdftotext (si no está instalado)
sudo apt-get install poppler-utils

# 3. Crear directorios de datos
mkdir -p api/data/boe api/data/bdns api/data/borme api/data/congreso api/data/promesas api/cache

# 4. Configurar permisos
chmod 755 api/data api/cache
chown -R www-data:www-data api/data api/cache

# 5. Proteger directorios de datos (si usas Apache)
echo "Deny from all" > api/data/.htaccess
echo "Deny from all" > api/cache/.htaccess

# 6. Ejecutar primera carga de datos
php cron_update.php

# 7. (Opcional) Backfill histórico — carga los últimos N días
php backfill.php --days=30

# 8. Abrir en el navegador
# http://tu-dominio.com/

Verificar instalación

# Comprobar estado del sistema
curl "http://tu-dominio.com/api/?action=status"

# Resultado esperado:
# {"version":"2.1.0","total_documentos":119000,...}

⏰ Configuración del cron

# Actualización diaria a las 20:00 (cuando BOE publica el sumario del día siguiente)
0 20 * * * cd /ruta/al/proyecto && php cron_update.php >> /var/log/boe_cron.log 2>&1

El cron ejecuta secuencialmente:

Fetch BOE — Descarga sumario del día y clasifica documentos
Enriquecimiento — Fetch XML individual de cada licitación para importes, adjudicatarios
BDNS Update — Descarga nuevas convocatorias de subvenciones
BORME Update — Descarga y parsea PDFs del Registro Mercantil
Limpieza de caché — Invalida cachés afectados

Qué esperabas vs qué ocurrió
Pasos para reproducir
Capturas de pantalla si aplica

💡 Proponer mejoras

Abre un issue con la etiqueta enhancement describiendo:

El problema que resuelve
Propuesta de solución
Impacto esperado

🔧 Contribuir código

Fork del repositorio
Crea una rama para tu feature: git checkout -b feature/mi-mejora
Haz commit de tus cambios: git commit -m "Añadir: descripción"
Push a tu fork: git push origin feature/mi-mejora
Abre un Pull Request describiendo los cambios

📝 Mejorar documentación

Corregir errores en el README
Añadir ejemplos de uso de la API
Traducir a otros idiomas (inglés, catalán, etc.)

Áreas donde más se necesita ayuda

Área	Descripción	Dificultad
Nuevos parsers	Parsear DOGC (Cataluña), BOJA (Andalucía), otros boletines autonómicos	Media-Alta
Machine Learning	Reemplazar clasificadores de keywords por modelos NLP (spaCy, BERT)	Alta
Base de datos	Migración opcional a SQLite/PostgreSQL para mejor rendimiento	Media
Tests	Crear suite de tests unitarios (PHPUnit)	Media
Visualización	Nuevos tipos de gráficos, mapas interactivos de España	Media
API pública	Documentación OpenAPI/Swagger, rate limiting, API keys	Media
Mobile	App React Native o PWA mejorada	Alta
Accesibilidad	Mejoras WCAG 2.1, navegación por teclado	Baja-Media
Internacionalización	i18n para interfaz multilingüe	Baja
Datos abiertos	Exportación CSV/Excel/JSON de resultados	Baja

Convenciones de código

PHP: Sin framework, código limpio y documentado con PHPDoc
JS: Vanilla ES2021+, funciones con nombres descriptivos
Commits: En español, formato Tipo: descripción (Añadir, Corregir, Mejorar, Refactor)
Sin dependencias externas (Composer/npm) — el proyecto funciona con git clone + PHP

🗺 Roadmap

✅ Completado

Congreso de los Diputados — Votaciones, Sankey, asistencia, correlación CCAA, buscador de diputados
Promesas Electorales — Promesómetro, nubes de palabras, timeline de contradicciones, patrimonio
Extracción de keywords desde PDFs — vía pdftotext sobre programas electorales
Cross-reference promesas ↔ BOE — Búsqueda automática de keywords en datos BOE existentes

Datos: BOE, BDNS, BORME, Congreso Datos Abiertos
Herramientas: PHP, Chart.js, chartjs-chart-sankey, chartjs-chart-wordcloud, Tailwind CSS, poppler-utils

Hecho con ❤️ para la transparencia del Estado español
⭐ Dale una estrella si te resulta útil