parsing tabella html

[verhuizen]

Salve,

vorrei capire come fare il parsing di una tabella HTML come quella che segue (ho estratto la parte che mi interessa) di tutto il documento:

                    <p align=rigth>
    <script language="Javascript">
                function printWin()
                {
                    window.open("/bitApp/listino?target=null&lang=it&service=Data&main_list=3&sub_list=4&action=print","printwin","menubar=no,toolbar=no,scrollbars=yes,width=650,height=450");
             }
    </script>
<div align="right">
                     [url="#"][img]/grafica_listino/stampa_it.gif[/img][/url] 

</div>
            
<table border=0 width="100%">
            <tr>
                <td width="50%">
                [b]<font size="-1">Listino del 13/8/2012</font>[/b]

                [b]<font size="-1">[url="/"]Home Page[/url] > [url="/bitApp/listino?target=null&lang=it&service=Listino&20120813"]Listino Ufficiale[/url] > Derivati</font>[/b]

                

                </td>
            </tr>
            </table>
            <center>

<table border="0" cellspacing="0" cellpadding="0" bgcolor="#FFFFFF" width="95%" >
<tr align="center"><td bgcolor="#003A84" colspan="762" class="bianco">[b]Opzioni su indici[/b]</td></tr>
<tr><td>
<table border="0" cellspacing="1" cellpadding="2" bgcolor="#ffffff" bordercolordark="#ffffff" bordercolorlight="#ffffff" width="100%">
<tr>
<td align="middle" bgcolor="#7f9dc1" class="bianco">[b]Codice Isin[/b]</td>
<td align="middle" bgcolor="#7f9dc1" class="bianco">[b]Nome Serie[/b]</td>
<td align="middle" bgcolor="#7f9dc1" class="bianco">[b]Prezzo Esercizio[/b]</td>
<td align="middle" bgcolor="#7f9dc1" class="bianco">[b]Closing Price[/b]</td>
<td align="middle" bgcolor="#7f9dc1" class="bianco">[b]Prezzo Minimo[/b]</td>
<td align="middle" bgcolor="#7f9dc1" class="bianco">[b]Prezzo Massimo[/b]</td>
<td align="middle" bgcolor="#7f9dc1" class="bianco">[b]Open Interest[/b]</td>
<td align="middle" bgcolor="#7f9dc1" class="bianco">[b]Contratti[/b]</td>
</tr>
<tr>
<td bgcolor="#E4EBF3" align="middle">[b][url="/bitApp/listino?target=null&lang=it&service=Detail&main_list=3&sub_list=4&extra=651463"]IT0010254313[/url][/b]</td><td bgcolor="#E4EBF3" align="right">MIBO5L31000</td><td bgcolor="#E4EBF3" align="right">31 000.00</td><td bgcolor="#E4EBF3" align="right">12.00</td><td bgcolor="#E4EBF3" align="right">0.00</td><td bgcolor="#E4EBF3" align="right">0.00</td><td bgcolor="#E4EBF3" align="right">6</td><td bgcolor="#E4EBF3" align="right">0</td></tr>
<tr>
<td bgcolor="#FFFFFF" align="middle">[b][url="/bitApp/listino?target=null&lang=it&service=Detail&main_list=3&sub_list=4&extra=651464"]IT0010254321[/url][/b]</td><td bgcolor="#FFFFFF" align="right">MIBO5X31000</td><td bgcolor="#FFFFFF" align="right">31 000.00</td><td bgcolor="#FFFFFF" align="right">17 977.00</td><td bgcolor="#FFFFFF" align="right">0.00</td><td bgcolor="#FFFFFF" align="right">0.00</td><td bgcolor="#FFFFFF" align="right">0</td><td bgcolor="#FFFFFF" align="right">0</td></tr>

[...cut...]

</table></td></tr>
</table>
            </center>
            
<table border=0 width="100%"><tr><td align="center">[url="#"][img]/grafica_listino/indietro_it.gif[/img][/url]</td></tr></table> 

Una volta estratti i dati vorrei crearne un file XML così strutturato:

<MIBO ISIN="IT0010254313" SERIE="MIBO5L31000" STRIKE="31000" PRICE="12" DATA="13-08-2012" />

e così via...

(la data viene presa dalla riga "Listino del 13/8/2012" e viene aggiunta in ogni record, so che è una procedura sbagliata che lo stesso dato venga ripetuto per ogni riga, ma non fa niente!)

I numeri STRIKE e PRICE vengono ripuliti dello spazio e del ".00"

Un ringraziamento a chi mi aiuterà!

[verhuizen]

Al dire il vero dalla voce serie, ad esempio "MIBO5L31000", bisognerebbe estrapolare due succesive voci, YEAR, MONTH e TYPE. Consideriamo i primi 6 caratteri, scartiamo i primi 4 ("MIBO") il carattere successivo "5" viene inteso come 2015 (quindi 2=2012, 3=2013 etc...) quindi nel record XML c'è anche la voce YEAR="2015" mentre ad esempio il sesto carattere ("L") ha un duplice significato, ovvero aggiunge un attributo TYPE="CALL" e MONTH="DICEMBRE" quindi immagino bisognerà costruire un HASH associativo composto da KEY["L"]=["CALL","DICEMBRE"] etc...