código para pasar de un PDF del SERVEL (Plebiscito 2020) a formato CSV

serverl_pdf2csv.py

import csv, glob, fitz

def pdf2csv(fn):

    csv_fn = fn.replace('.pdf','.csv')
    region = int(fn[1:3])   # A04101.pdf -> 4

    with open(csv_fn,'w') as fw:
        writer = csv.writer(fw)
        writer.writerow(['nombre','rut','genero','direccion',
                     'mesa','region','comuna'])

        for page in fitz.open(fn):
            text = page.getText()
            data = text[text.index('de'):].split(chr(10))[14:]

            nombres = [n for n in data[::5] if len(n)>1]
            ruts = data[1::5]
            genedire = data[2::5]
            gens = [gd[:5] for gd in genedire]
            dirs = [gd[6:] for gd in genedire]
            comuna = data[3]
            mesas = data[4::5]

            zipd = zip(nombres,ruts,gens,dirs,mesas)
            for nombre, rut, gene, dire, mesa in zipd:
                writer.writerow([nombre,rut,gene,dire,mesa,region,comuna])

if __name__ == '__main__':
    for fn in list(glob.glob('A*.pdf'))[:5]:
        print(fn)
        pdf2csv(fn)

Hola, da el siguiente error:
Traceback (most recent call last):
File "servel_plebiscito_pdfToText.py", line 32, in
pdf2csv(fn)
File "servel_plebiscito_pdfToText.py", line 27, in pdf2csv
writer.writerow([nombre,rut,gene,dire,mesa,region,comuna])
UnicodeEncodeError: 'ascii' codec can't encode character u'\xd1' in position 3: ordinal not in range(128)

Lo solucioné agregando
text = page.getText().encode('utf-8')
El problema que da es que no está colocando un registro por línea y el rut lo divide en 2 campos, es posible solucionarlo?

Hola, da el siguiente error:
Traceback (most recent call last):
File "servel_plebiscito_pdfToText.py", line 32, in
pdf2csv(fn)
File "servel_plebiscito_pdfToText.py", line 27, in pdf2csv
writer.writerow([nombre,rut,gene,dire,mesa,region,comuna])
UnicodeEncodeError: 'ascii' codec can't encode character u'\xd1' in position 3: ordinal not in range(128)

Lo solucioné agregando
text = page.getText().encode('utf-8')
El problema que da es que no está colocando un registro por línea y el rut lo divide en 2 campos, es posible solucionarlo?

Aca el parseo solucionado, pero es una solucion muy distinta !

https://github.com/DiegoIdeas/Servel