#!/usr/bin/env python
# -*- coding: utf-8 -*-
 
import urllib2, re
from BeautifulSoup import BeautifulSoup
import datetime
 
MEAL_TYPES = ("Eintopf", "Hauptg. 1", "Hauptg. 2", "Vegetarisch", "Beilagen")
 
def _text(node):
	'''Bereinigt einen rohen HTML-String von allen Tags, Newlines, Whitespaces
	und sonstigem Müll'''
	def clean(s):
		s = s.replace(' ', ' ').replace('ä',u'ä')
		s = s.replace('ö',u'ö').replace('ü',u'ü')
		s = s.replace('"', '"').replace('ß', u'ß')
		s = s.replace('&','&').replace('€', u'€')
		s = s.replace('„','"').replace('“','"')
		s = re.sub('\s+',' ', s)
		s = s.strip()
		return s
	text_nodes = filter(lambda x: x, [clean(x) for x in node.findAll(text=True)])
	raw = ' '.join(filter(lambda x: x, text_nodes))
	return raw
 
# objektwrapper für daten
class Meal:
	def __init__(self, typ, text, price):
		self.typ = typ
		self.text = text
		self.price = price
 
class Day:
	def __init__(self, date, meals):
		self.date = date
		self.meals = meals
 
def extract(html):
	body = BeautifulSoup(html).html.body
 
	## vorarbeiten
	# interessanten tabelle
	header = body.find("th", attrs={"colspan": 6})
	table = header.parent.parent # mensaplan tabelle
 
	## tabelle bearbeiten und aufbereiten
	# manchmal stehen da überflüssige infos zwischen, die fliegen raus
	[tr.extract() for tr in table.findAll("tr", attrs={"class": "schrift_fett"})]
	# außerdem sie ersten zwei zeilen der tabelle weg (überschriften)
	[tr.extract() for tr in table.findAll("tr")[:2]]
	# und der cafeteria specials fleigen auch raus
	[td.extract() for td in table.findAll("td", attrs={"colspan": 5})]
 
	## daten extrahieren
	# das datum von wann bis wann der plan gilt, steht ganz hinten im header
	from_to_date = header.contents[-1].strip()
 
	# durch das bereinigen besteht die tabelle aus 5 dreiergruppen von <tr>,
	# wobei je drei einen tag bilden. die gesamtzahl der <tr>s ist also 15. Wenn
	# das nicht so ist, ist irgendwas schief gelaufen
	trs = table.findAll("tr")
	assert len(trs) == 15
 
	# der einfachheit halber sortieren wir die dreiergruppen erstmal in eine
	# liste mit einem eintrag pro tag
	raw_days = []
	days = []
	for start_idx in range(0,15,3):
		end_idx = start_idx + 3
		raw_days.append((trs[start_idx:end_idx]))
 
	# exatrhieren der daten
	for day in raw_days:
		# das datum steht (bis auf das jahr, wo wir einfach als aktuelles annehmen),
		# im ersten feld
		raw_date = day[0].div.div.contents[-1].strip() + str(datetime.datetime.now().year)
		dt = datetime.datetime.strptime(raw_date, '%d.%m.%Y')
		date = datetime.date(dt.year, dt.month, dt.day)
 
		# die gerichte haben einen feste reihenfolge und stehen im zweiten feld, die
		# preis im dritten
		types = MEAL_TYPES
		texts = day[1].findAll("td")
		prices = day[2].findAll("td")
 
		# die einzelnen pbjekte kommen in ein kleins objekt und landen in einer liste
		meals = []
		for i in range(4):
			meals.append(Meal(
					types[i],
					_text(texts[i]),
					_text(prices[i])
			))
		# für die beilagen gibt es keinen preis, daher eine sonderbehandlung
		meals.append(Meal(types[4], _text(texts[4]), ""))
		# alles zusammen landet in einem Wrapper und dann in "days". Fertig.
		days.append(Day(date, meals))
 
	return days

/\[raw|xml|rss\]/.test("[raw]") // true
/\[raw|xml|rss\]/.test("[xml]") // true
/\[raw|xml|rss\]/.test("[rss]") // true
Aber auch:
/\[raw|xml|rss\]/.test("[rawmrss") // true