Código utilizado para pasar archivos del WEF a csv

gistfile1.txt

<?php
/*
################################################################################################
#Autor: mekler
#
#Instrucciones de instalacion
#sudo apt-get php5-cli
#
#ĺinea de comando
#	python wef-hack_2008.py 5626281-Financial-Development-Report-2008/ $(ls -1 5626281-Financial-Development-Report-2008/ | grep .pdf$)
#	php scrape_folders.php 5626281-Financial-Development-Report-2008/ $(ls -1 5626281-Financial-Development-Report-2008/ | grep ^pg.*\.csv$)
#
################################################################################################
*/
$path = $argv[1];
$n = count($argv);

for( $i=2; $i<$n; $i++){
	$fileDesc = pathinfo($argv[$i]);
	if( isset($fileDesc['extension']) &&  $fileDesc['extension']=='csv'){
		echo "cat ".$path.$argv[$i]."| sed 's/[0-9] /&|/g' | sed 's/n\/a /&|/g'  | sed 's/\.\{2,\}/|/g' > ".$path."salida_".$fileDesc['basename']."\n";
		exec("cat ".$path.$argv[$i]."| sed 's/[0-9] /&|/g' | sed 's/n\/a /&|/g'  | sed 's/\.\{2,\}/|/g' > ".$path."salida_".$fileDesc['basename']);
	}
}
?>

wef-hack_2008.py

#!/usr/bin/env python
# coding=utf-8

################################################################################################
#Autor: mekler
#
#Instrucciones de instalacion
#sudo apt-get install python-pip
#sudo pip install scraperwiki
#
#ĺinea de comando
#	python wef-hack_2008.py 5626281-Financial-Development-Report-2008/ $(ls -1 5626281-Financial-Development-Report-2008/ | grep .pdf$)
#	php scrape_folders.php 5626281-Financial-Development-Report-2008/ $(ls -1 5626281-Financial-Development-Report-2008/ | grep ^pg.*\.csv$)
################################################################################################

import sys, re
import scraperwiki, urllib

argumentos = len(sys.argv)

def guarda_archivo(archivo_salida,izquierdo,derecho):
	import csv
	f=open(archivo_salida,"wb") #open file for writing
	w=csv.writer(f, delimiter='|',
                            quotechar='"', quoting=csv.QUOTE_MINIMAL) #open a csv writer
	n=len(izquierdo)
	if len(derecho) >0:
		if len(derecho)>len(izquierdo):
			for i in range (0,len(derecho)):
				if i < len(izquierdo):
					texto = izquierdo[i]
				else:
					texto = "1 No Encontrado ........... 1"
				w.writerow([texto, derecho[i] ])#write each row
		else:
			for i in range (0,n):
				if i<len(derecho):
					texto = derecho[i]
				else:
					texto = "1 No Encontrado ........... 1"
				w.writerow([izquierdo[i], texto ])#write each row
	else:
		for i in range (0,n):
			w.writerow([izquierdo[i]])#write each row
	f.close()

def busca_datos(texto,i,elementos):
	
	m = re.match(r'([\d]{1,2}|n\/a)\s+([a-zA-ZáÁÉéíÍóÓúÚñÑ\s]+|Korea, Rep. ?)$',texto)
	if m is not None:
		print m.group(0)
		flag = True
		while flag:
		#for elemento in range(i,len(elementos)):
			i = i+1
			k = re.match(r'[\.]+',elementos[i].text.strip().encode('utf-8'))
			if k is not None:
				#print k.group(0) + " " + str(i)
				flag = False
		#print m.group(0)+ " "+ elementos[i].text.strip().encode('utf-8')
		return [True, i, m.group(0)+ " "+ elementos[i].text.strip().encode('utf-8')]
	else:
		return [False]

def encuentra_contenido(url, archivo_salida):
	u = urllib.urlopen(url)
	x=scraperwiki.pdftoxml( u.read()) # interpret it as xml
	print x # let's see what's in there abbreviated...

	import lxml
	r=lxml.etree.fromstring(x)
	r.xpath('//page[@number="1"]')
	todo = r.xpath('//text[@height="10" and @font="4"]')
	print len(todo)
	if len(todo)<40:
		todo = r.xpath('//text[@height="10" and @font="1"]')
	derecho = list()
	izquierdo = list()
	n = len(todo) 
	elemento = 0;
	while elemento < n:
		texto_procesado = busca_datos(todo[elemento].text.strip().encode('utf-8'),elemento,todo)
		if len(texto_procesado)>1:
			curado = texto_procesado[2]
			elemento = texto_procesado[1]
		else:
			curado = todo[elemento].text.strip().encode('utf-8')

		print curado + " "+ str(elemento)
		if int(todo[elemento].get('left')) > 200:
			
			derecho.append(curado)
		else:
			#busca_datos(todo[elemento].text.strip().encode('utf-8'),elemento,todo)
			izquierdo.append(curado)
		elemento = elemento +1

	guarda_archivo(archivo_salida,izquierdo,derecho)
	sys.exit


for i in range (2,argumentos):
	url="file://localhost/home/mekler/Downloads/WEF_Financial_Development_Report_2008_2012/"+sys.argv[1]+sys.argv[i]
	archivo_salida=sys.argv[1]+sys.argv[i]+".csv"
	encuentra_contenido(url,archivo_salida)

Para que puedan probar:
https://www.dropbox.com/s/38nuil6a2vnk6s3/5626281-Financial-Development-Report-2008.tar.gz