bora-anexos

Descarga y transcribe los anexos del Boletín Oficial de la República Argentina.

npx bora-anexos https://www.boletinoficial.gob.ar/detalleAviso/primera/346684/20260901

BOLETIN OFICIAL REPUBLICA ARGENTINA - ANSES - Resolución 260/2026
  anexo 1: 161 KB, 84 líneas de texto
  anexo 2: 137 KB, 79 líneas de texto
  ...

Sin dependencias, sin instalar nada. Node 18 o superior.

El problema

Muchas normas argentinas ponen lo importante en los anexos: los montos de una resolución de ANSES, el cuadro de tasas de un decreto, el cronograma de pagos de todo un año. Y los anexos no se pueden enlazar.

En la página del aviso no son enlaces sino llamadas JavaScript:

descargarPDFAnexo("primera","1", "7756246", "20260901", "/pdf/download_anexo")

Eso hace un POST y recibe el PDF codificado en base64. No hay URL que copiar, no hay href que seguir, y un scraper que busque enlaces no encuentra nada.

Cuando el PDF ya está descargado, todavía falta la mitad. Los PDF que produce el sistema GEDO usan fuentes subseteadas con codificación propia: leer los streams y sacar las cadenas entre paréntesis devuelve basura como #$%%. Hay que pasar cada byte por el CMap de /ToUnicode de la fuente que esté activa en ese punto del content stream, lo que obliga a seguir los operadores Tf.

Esta herramienta hace las dos cosas.

Uso

npx bora-anexos <url del aviso> [opciones]

  -o, --out <dir>   dónde escribir (por defecto: el directorio actual)
  -n, --num <n>     sólo ese anexo
      --solo-texto  no guardar los PDF
      --solo-pdf    no transcribir
      --json        volcar a stdout como JSON
      --listar      cuántos anexos hay
      --imagenes    imágenes incrustadas en el cuerpo del aviso

Ejemplos:

# Sólo el anexo con los montos de la AUH
npx bora-anexos https://www.boletinoficial.gob.ar/detalleAviso/primera/346684/20260901 -n 5

# Encadenado con otra cosa
bora-anexos <url> --json | jq -r '.anexos[].texto'

Como biblioteca:

// npm install bora-anexos
const { leerAviso } = require('bora-anexos');

const aviso = await leerAviso('https://www.boletinoficial.gob.ar/detalleAviso/primera/346684/20260901');
for (const a of aviso.anexos) {
  console.log(a.numero, a.texto.slice(0, 200));
}

| Función | Qué hace | |---|---| | descubrir(url) | parámetros de los anexos de un aviso | | descargarAnexo({seccion, nroAnexo, idAnexo, fecha}) | el PDF, como Buffer | | extraerTexto(pdf) | el texto, resolviendo las fuentes | | analizar(pdf) | texto + si parece escaneado | | leerAviso(url, {numero}) | todo junto | | imagenesDelAviso(url) | imágenes del cuerpo del aviso |

Los dos modos de que un número quede fuera de alcance

Conviene no confundirlos, porque llevan a lugares distintos.

El anexo viene escaneado. Pasa. analizar devuelve esProbablementeImagen y el CLI lo dice, en vez de entregar un texto vacío que se leería como «el anexo está en blanco». No hay OCR acá: la herramienta avisa dónde hay que mirar a mano.

La norma no tiene anexos y publica su cuadro como imágenes dentro del aviso. El Decreto 584/2024, que fija las tasas migratorias, es el caso típico: sus cuatro cuadros de tasas son imágenes en el cuerpo. Ahí descubrir falla con razón y lo que sirve es:

npx bora-anexos https://www.boletinoficial.gob.ar/detalleAviso/primera/310125/20240705 --imagenes

Detalles que costaron tiempo

Están en el código, pero vale dejarlos acá por si alguien reimplementa esto:

• Los escapes con nombre hay que resolverlos en la misma pasada que los octales. Los códigos de glifo 8 a 13 viajan como \b \t \n \f \r. Tratarlos aparte hace desaparecer dígitos sueltos dentro de los importes: $ 501.537 salía $ 501.53. Un error que no se nota es peor que uno que rompe.
• El diccionario /Font puede ser una referencia indirecta (/Font 5 0 R), no sólo un diccionario embebido. Si sólo se mira el caso embebido, las fuentes no se resuelven y vuelve la basura.
• Los streams pueden estar en deflate o en deflate-raw. Hay que probar los dos.
• La portada del sistema GEDO siempre trae texto. O sea que un anexo escaneado igual devuelve algunas líneas: por eso analizar compara contra un piso en vez de contra cero.

Origen

Salió de mantener turnosytramites.com, un sitio de guías de trámites que publica los montos del Estado argentino con la norma que fija cada cifra. Los datos, y las series mensuales que se arman con esto, están depositados con DOI: https://doi.org/10.5281/zenodo.22544071.

Cómo citar

Si lo usás en un trabajo, el DOI apunta siempre a la última versión:

Bystrykh, N. (2026). bora-anexos: descarga y transcripción de los anexos del
Boletín Oficial argentino [Software]. Zenodo.
https://doi.org/10.5281/zenodo.22546926

Licencia

MIT.

Esto lee información pública del Boletín Oficial, que es de acceso libre. Usalo con la misma cortesía que cualquier sitio ajeno: no lo martilles.