Question

我很困惑。我有一个HTML块，我从一个更大的表中删除。它看起来像这样：

<td align="left" class="page">Number:\xc2\xa0<a class="topmenu" href="http://www.example.com/whatever.asp?search=724461">724461</a> Date:\xc2\xa01/1/1999 Amount:\xc2\xa0$2.50 <br/>Person:<br/><a class="topmenu" href="http://www.example.com/whatever.asp?search=LAST&amp;searchfn=FIRST">LAST,\xc2\xa0FIRST </a> </td>

（实际上，它看起来更糟糕，但我重复了很多换行符）

我需要排除这些线，并打破日期/金额线。似乎开始的地方是找到那块HTML的孩子。该块是一个字符串，因为这是正则表达式给我的回报。所以我做了：

text_soup = BeautifulSoup(text)
text_children = text_soup.find('td').childGenerator()

我已经解决了I can only iterate through text_children once，虽然我不明白为什么会这样。它是listiterator类型，我很难理解。

我习惯于假设如果我可以使用for循环迭代某些东西，我可以使用text_children [0]之类的东西调用任何一个元素。迭代器似乎不是这种情况。如果我创建一个列表：

my_array = ["one","two","three"]

我可以使用my_array[1]查看数组中的第二项。如果我尝试text_children[1]我收到错误：

TypeError: 'listiterator' object is not subscriptable

如何获取迭代器的内容？

Answer 1

您可以通过以下方法轻松地从迭代器构造列表：

my_list = list(your_generator)

现在您可以下标元素：

print(my_list[1])

获取价值的另一种方法是使用next。这将从迭代器中提取下一个值，但正如您已经发现的那样，一旦从迭代器中提取一个值，就不能总是将其重新放入（无论是否可以将其重新放入，完全取决于正在迭代的对象及其next方法的实际外观。）

这样做的原因是，您通常只需要一个可以迭代的对象。迭代器很好，因为它们一次计算元素1而不是需要存储所有值。换句话说，迭代器中只有一个元素一次消耗系统内存 - 而不是列表或元组，其中所有元素通常在开始迭代之前存储在内存中。

Answer 2

我试着找出一个更一般的答案：

iterable是一个可以迭代的对象。这些包括列表，元组等。根据要求，它们提供迭代器。
迭代器是使用进行迭代的对象。它为每个请求提供一个值，如果它结束，它就结束了。这些是生成器，列表迭代器等，但也是e。 G。文件对象。每个迭代器都是可迭代的，并将自己作为迭代器。

示例：

a = []
b = iter(a)
print a, b # -> [] <listiterator object at ...>

如果你这样做

for i in a: ...

a通过其__iter__()方法请求迭代器，然后查询此迭代器以查找下一个元素，直到用完为止。这是通过.next()（在3.x中的resp。__next__()）方法发生的。

索引是完全不同的事情。如果对象没有.__iter__()方法，则可以通过索引进行迭代，因此每个可索引对象都是可迭代的，但反之亦然。

Answer 3

如前所述，简短的回答是从您的生成器创建一个列表。

像这样：list(generator)

答案很长，并解释原因：

当你创建一个生成器时，或者在你的情况下是一个'listiterator'，它是一个美丽的汤使用的生成器，你实际上并没有创建一个项目列表。你正在创建一个对象（生成器），它知道如何迭代一定数量的项目，一次一个，（next()）

这意味着什么。

而不是你想要的东西，比如一本带有页面的书。

你得到一台打字机。

打字机可以创建带有页面的书籍，但一次只能创建一页。现在，如果你刚刚开始，一次看一个就像一个for循环，那么是的，它几乎就像读一本普通的书。

但与普通书籍不同，一旦打字机完成了一个页面，你就无法倒退，那个页面现在已经消失了。

我希望这是有道理的。

如何获取迭代器的内容？

3 个答案: