(Abusando de la confianza, tomado de un correo de @hgceballos)
Se puede extraer información a partir de los listados de votaciones en los siguiente cuatro niveles:
1. Votaciones por periodo:
http://gaceta.diputados.gob.mx/gp_votaciones.html
2. Iniciativas votadas:
http://gaceta.diputados.gob.mx/Gaceta/Votaciones/59/vot_a3primero.html
3. Resumen de resultados de una votaciones:
http://gaceta.diputados.gob.mx/Gaceta/Votaciones/59/tabla3or1-1.php3
4. Listado de votos por participante y grupo parlamentario.
De ésta última página se puede extraer la info, pero se requiere un parámetro que trae un valor que se conoce a partir de la fuente 3. Ejemplo, para obtener la lista de votantes a favor se debe pasar el siguiente parámetro: lola[11]=355. Pero el 355 es como una clave que se obtendría de la tabla generada en el punto 3. Anexo un ejemplo de página web con los comandos (vía POST) para extraer los listados de la votación del ejemplo.
Como pueden ver, parsear estas páginas es mucho más sencillo que parsear los PDFs de listas de asistencia y también hay un rubro de inasistencias.
HTML de prueba
<html><body BGCOLOR="#FFFFFF">
<title>Gaceta Parlamentaria, Cámara de Diputados</title>
<!--
<form enctype= method="post" action="lanextra12.php3">
-->
<form enctype= method="post" action="http://gaceta.diputados.gob.mx/voto59/ordi31/lanordi31.php3">
<INPUT TYPE="HIDDEN" NAME="evento" VALUE="1">
<INPUT TYPE="HIDDEN" NAME="nomtit" VALUE="De la Comisión de Juventud y Deporte, con proyecto de decreto que reforma la fracción IX del artículo 4 de la Ley del Instituto Mexicano de la Juventud (en lo general y en lo particular).
<br> 09/08/2005">
A favor: <input type="submit" name="lola[11]" value="355"> <br>
Contra: <input type="submit" name="lola[12]" value="0"> <br>
Abstención <input type="submit" name="lola[13]" value="2"> <br>
Quorum: <input type="submit" name="lola[14]" value="0"> <br>
Ausente: <input type="submit" name="lola[15]" value="143"> <br>
</form>
</body>
</html>