Según dicta la constitución -desde 1926- es obligación de cada presidente en ejercicio, dar una cuenta pública de su mandato al Congreso de la República cada 21 de Mayo. Wikipedia
Los archivos originales fueron extraídos desde la Biblioteca del Congreso de Chile, en formato PDF. Luego de un proceso automático, fue extraído el texto que contiene cada uno de ellos.
La calidad del texto contenido varía muchísimo entre los archivos. Los más recientes (Lagos, Piñera, Bachelet) cuentan con el contenido original en formato digital, mientras que lo más antiguos fueron procesados con algún software de reconocimiento de caracteres (OCR).
Mi sueño es digitalizar la totalidad de estos discursos. Pero como mencionaba anteriormente, la calidad de los textos en algunos casos es terrible. Será una tarea tediosa y ardua procesarlos todos pero si lo hacemos entre todos será mucho más fácil.
Puedes comenzar clonando este repositorio (Fork), modificando lo que estimes conveniente y luego enviar Pull Requests.
Todos los discursos están en formato de texto, bajo el estilo definido por el estándar Markdown