Notas de ingeniería · Datos abiertos
Los datos del BORME son abiertos. Convertirlos en inteligencia fiable es lo difícil.
España publica constituciones, cambios de administradores, operaciones de capital, concursos, disoluciones y otros actos societarios en el BORME, Boletín Oficial del Registro Mercantil. La fuente es pública. Desde 2009, la Agencia Estatal Boletín Oficial del Estado ofrece un resumen diario y documentos XML provinciales sin autenticación.
El archivo digital cubre publicaciones desde enero de 2009. La Agencia Estatal Boletín Oficial del Estado puso en explotación su actual servicio de API de datos abiertos el 28 de junio de 2024, con resúmenes diarios y documentos XML provinciales sin autenticación.
Es una gran noticia para consultar un documento o preparar una muestra de investigación. No convierte en gratuito un servicio empresarial de datos. La adquisición es solo la primera capa; el coste recurrente está en normalizar, conservar la procedencia, reprocesar, resolver identidades, reconstruir estado y operar el sistema.
Elige la capa que realmente necesitas
Hay tres formas sensatas de trabajar con el BORME.
| Capa | Qué recibes | Qué mantienes |
|---|---|---|
| Fuente BOE | Sumarios y documentos oficiales | Todo el procesamiento posterior |
| Actor de Apify | Eventos normalizados de fechas concretas | Almacenamiento y estado |
| API alojada | Búsqueda, historia y monitorización indexadas | La lógica de tu aplicación |
Construir directamente sobre el BOE
Adecuado para investigación, documentos ocasionales, un conjunto puntual o un equipo cuyo analizador sea una ventaja estratégica. Tendrás que mantener descarga, cambios de formato, normalización, reprocesos históricos, resolución de entidades, monitorización y trazabilidad. Los hechos son públicos; el riesgo técnico y operativo es tuyo.
Ejecutar el Actor de Apify
Adecuado para una extracción acotada por fecha de publicación, provincia, subcadena del nombre o tipo de evento. El Actor de Apify descarga y normaliza los actos societarios de la Sección A en un conjunto de datos nuevo, cobrando por la ejecución y los eventos entregados. Conservas el control del almacenamiento y la lógica posterior sin mantener descargador y analizador propios.
Consultar la API alojada
Adecuado cuando los datos forman parte de una aplicación o proceso. La API alojada añade un archivo histórico indexado, búsqueda de empresas, perfiles y cronologías, monitorización, webhooks y acceso MCP de lectura. Es la capa para onboarding, riesgo de proveedores, crédito, señales comerciales y agentes que no pueden reconstruir una empresa desde publicaciones diarias en cada consulta.
Extraer eventos BORME normalizados en Apify Abrir la documentación de la API alojada
Qué entrega realmente la API de datos abiertos
La petición de descubrimiento para un día es pequeña:
GET https://www.boe.es/datosabiertos/api/borme/sumario/20260821
Accept: application/json
User-Agent: tu-producto/1.0 [email protected]La respuesta apunta a los documentos XML provinciales de la edición. El XML es una fuente legible por máquina mucho mejor que rascar la maquetación del PDF, y el resumen oficial es el mecanismo correcto de descubrimiento. Guarda resumen y bytes originales: son la evidencia necesaria para auditar un resultado o reprocesar la historia.
La página de datos abiertos del BOE es la documentación de origen y el punto de reutilización. BORME API es un reutilizador independiente; no es el BOE ni el Registro Mercantil. Este flujo de datos no crea escrituras completas, cuentas anuales ni certificados vigentes de representación.
La reutilización está sujeta a las condiciones enlazadas desde las preguntas frecuentes de datos abiertos del BORME. La AEBOE también indica que el PDF firmado electrónicamente es la única edición oficial y auténtica; XML y datos normalizados son formatos de trabajo reutilizables, no sustitutos certificados.
La petición es fácil. Un proceso de ingesta fiable además debe modelar días sin
publicación, rechazar documentos de error servidos con 200 OK, identificar la
Sección A, conservar fuentes inmutables, reintentar con seguridad, guardar
checkpoints y sustituir datos derivados sin duplicarlos.
Descargar es la parte fácil
Pasar de PDF a XML elimina OCR y saltos de página. No convierte la taquigrafía jurídica española en un esquema estable. Estas seis situaciones del archivo se convierten en obligaciones permanentes de mantenimiento.
1. Un 404 puede contener XML
Fines de semana y festivos devuelven HTTP 404 con cuerpo XML aunque se haya pedido JSON. El estado de publicación se resuelve antes que el formato.
2. Un documento ausente puede devolver 200
Una provincia sin documento puede responder 200 OK con un elemento <error>.
Mirar solo el estado HTTP guarda silenciosamente una página de error.
3. La puntuación puede ser parte de la empresa
En DAMI DELUSION S.L. el punto final puede pertenecer a la forma jurídica. Un
rstrip('.') indiscriminado cambia la denominación publicada y debilita la
resolución posterior.
4. Un párrafo es una cadena ordenada de eventos
Ceses/Dimisiones. Adm. Unico: X. Nombramientos. Liquidador: X. Disolución.
Extinción. Datos registrales... es un artículo con varios actos relacionados.
Separar líneas o usar una sola expresión regular suele conservar la primera
etiqueta y perder el resto.
5. Provincias y formas jurídicas tienen dialectos
Mayúsculas, abreviaturas de cargos, órganos cooperativos y provincias bilingües varían. La entrada debe normalizarse sin destruir la escritura original que necesitan auditoría e identidad.
6. Fechas y monedas atraviesan épocas
El archivo contiene varios formatos de fecha españoles. Texto histórico puede citar pesetas. El analizador debe conservar lo desconocido y probarse sobre 2009, años intermedios y actualidad.
No son casos que se arreglen una vez. Un servicio mantenido detecta variantes, añade fixtures, reprocesa la historia afectada y explica qué cambió.
El modelo de eventos es la decisión de producto
El BORME no es un directorio actual. Es una fuente de eventos: qué cambió, cuándo se publicó y qué documento lo dijo. Un registro normalizado útil mantiene juntos denominación publicada, actos ordenados, cargos, coordenadas registrales, ID determinista y texto original.
{
"event_id": "sha1:...",
"date": "2026-08-21",
"borme_id": "BORME-A-2026-...",
"province": "MADRID",
"company_name": "EJEMPLO SL.",
"acts": [{
"act_type": "APPOINTMENTS",
"roles": [{"role": "SOLE_DIRECTOR", "names": ["..."]}],
"payload_raw": "..."
}],
"registral": {"hoja": "M 123456", "inscription": "4"},
"raw_text": "...",
"unparsed_spans": []
}Administradores, capital o estado jurídico actuales requieren una historia ordenada y suficientemente completa, reglas de plegado y resolución de entidades. Correcciones, cambios de denominación y nombres ambiguos convierten eso en un producto distinto de descargar el XML de un día.
El Actor devuelve deliberadamente eventos fechados. El servicio alojado mantiene la historia indexada necesaria para consultas por empresa. Ninguno debe fingir que un anuncio del boletín es un certificado registral vigente.
La calidad necesita un fallo visible
Un JSON bien formado no demuestra que el analizador entendiera el origen. Registramos fragmentos y colas no interpretados y calculamos cobertura de caracteres por fichero. La medición documentada de 30 días fue 99,89 % en agosto de 2026.
Es una alarma de deriva, no una exactitud universal. Texto desconocido puede permanecer dentro de campos brutos y contar como consumido; un resultado relevante debe conservar identificadores y texto de origen para revisión.
Un conjunto de producción también necesita fixtures de distintas épocas y provincias, ID estables, orden de actos, sustitución idempotente y una prueba que falle ante una etiqueta nueva. El coste no es escribir el primer analizador, sino mantenerlo honesto cuando cambia la fuente.
El cálculo real entre construir y comprar
El archivo exige ingeniería, pero es lo bastante pequeño para que “podemos descargarlo” parezca tranquilizador. Procesamos aproximadamente 9,5 millones de eventos de unas 3,3 millones de fichas empresariales desde el 2 de enero de 2009, medidos en agosto de 2026. La adquisición termina. El mantenimiento no.
Antes de construir, calcula el sistema completo:
- monitorización del origen, reintentos, checkpoints y almacenamiento inmutable;
- vocabulario, fixtures de regresión y reprocesos históricos;
- ID deterministas, procedencia y sustitución sin duplicados;
- identidad empresarial entre variantes, cambios de nombre, NIF y hojas;
- reconstrucción ordenada y consultas a una fecha concreta;
- control de acceso, cuotas, exportaciones, webhooks, MCP y soporte operativo.
Para unos documentos, usa el BOE. Para eventos normalizados de fechas concretas, ejecuta el Actor. Si los cambios empresariales forman parte de producción, compara la API alojada con poseer todo lo anterior, no con el precio cero del XML.
Extraer eventos con el Actor de Apify Construir sobre la API alojada