Merge pull request #20 from catbaron0/master

Update 4-mastering-container-types.md

zh_CN/4-mastering-container-types.md

@@ -45,15 +45,15 @@ Python 语言自身的内部实现细节也与这些容器类型息息相关。
 
 我在前面给了“容器”一个简单的定义：*专门用来装其他对象的就是容器*。但这个定义太宽泛了，无法对我们的日常编程产生什么指导价值。要真正掌握 Python 里的容器，需要分别从两个层面入手：
 
-- **底层实现：**内置容器类型使用了什么数据结构？某项操作如何工作？
-- **高层抽象：**什么决定了某个对象是不是容器？哪些行为定义了容器？
+- **底层实现**：内置容器类型使用了什么数据结构？某项操作如何工作？
+- **高层抽象**：什么决定了某个对象是不是容器？哪些行为定义了容器？
 
 下面，让我们一起站在这两个不同的层面上，重新认识容器。
 
 
 ## 底层看容器
 
-Python 是一门高级编程语言，**它所提供的内置容器类型，都是经过高度封装和抽象后的结果。**和“链表”、“红黑树”、“哈希表”这些名字相比，所有 Python 内建类型的名字，都只描述了这个类型的功能特点，其他人完全没法只通过这些名字了解它们的哪怕一丁点内部细节。
+Python 是一门高级编程语言，**它所提供的内置容器类型，都是经过高度封装和抽象后的结果**。和“链表”、“红黑树”、“哈希表”这些名字相比，所有 Python 内建类型的名字，都只描述了这个类型的功能特点，其他人完全没法只通过这些名字了解它们的哪怕一丁点内部细节。
 
 这是 Python 编程语言的优势之一。相比 C 语言这类更接近计算机底层的编程语言，Python 重新设计并实现了对编程者更友好的内置容器类型，屏蔽掉了内存管理等额外工作。为我们提供了更好的开发体验。
 
@@ -73,7 +73,7 @@ Python 是一门高级编程语言，**它所提供的内置容器类型，都
 
 在 Python 2 中，如果你调用 `range(100000000)`，需要等待好几秒才能拿到结果，因为它需要返回一个巨大的列表，花费了非常多的时间在内存分配与计算上。但在 Python 3 中，同样的调用马上就能拿到结果。因为函数返回的不再是列表，而是一个类型为 `range` 的懒惰对象，只有在你迭代它、或是对它进行切片时，它才会返回真正的数字给你。
 
-**所以说，为了提高性能，内建函数 `range` “变懒”了。**而为了避免过于频繁的内存分配，在日常编码中，我们的函数同样也需要变懒，这包括：
+**所以说，为了提高性能，内建函数 `range` “变懒”了。** 而为了避免过于频繁的内存分配，在日常编码中，我们的函数同样也需要变懒，这包括：
 
 - 更多的使用 `yield` 关键字，返回生成器对象
 - 尽量使用生成器表达式替代列表推导表达式
@@ -114,9 +114,9 @@ def validate_name(name):
 
 ## 高层看容器
 
-Python 是一门“[鸭子类型](https://en.wikipedia.org/wiki/Duck_typing)”语言：*“当看到一只鸟走起来像鸭子、游泳起来像鸭子、叫起来也像鸭子，那么这只鸟就可以被称为鸭子。”*所以，当我们说某个对象是什么类型时，在根本上其实指的是：**这个对象满足了该类型的特定接口规范，可以被当成这个类型来使用。**而对于所有内置容器类型来说，同样如此。
+Python 是一门“[鸭子类型](https://en.wikipedia.org/wiki/Duck_typing)”语言：*“当看到一只鸟走起来像鸭子、游泳起来像鸭子、叫起来也像鸭子，那么这只鸟就可以被称为鸭子。”* 所以，当我们说某个对象是什么类型时，在根本上其实指的是： **这个对象满足了该类型的特定接口规范，可以被当成这个类型来使用。** 而对于所有内置容器类型来说，同样如此。
 
-打开位于 [collections](https://docs.python.org/3.7/library/collections.html) 模块下的 [abc](https://docs.python.org/3/library/collections.abc.html)*（“抽象类 Abstract Base Classes”的首字母缩写）*子模块，可以找到所有与容器相关的接口（抽象类）[[注2]](#annot2)定义。让我们分别看看那些内建容器类型都满足了什么接口：
+打开位于 [collections](https://docs.python.org/3.7/library/collections.html) 模块下的 [abc](https://docs.python.org/3/library/collections.abc.html)*（“抽象类 Abstract Base Classes”的首字母缩写）* 子模块，可以找到所有与容器相关的接口（抽象类）[[注2]](#annot2)定义。让我们分别看看那些内建容器类型都满足了什么接口：
 
 - **列表（list）**：满足 `Iterable`、`Sequence`、`MutableSequence` 等接口
 - **元组（tuple）**：满足 `Iterable`、`Sequence`
@@ -169,7 +169,7 @@ print("\n".join(add_ellipsis(comments)))
 
 #### 面向容器接口编程
 
-我们需要改进函数来避免这个问题。因为 `add_ellipsis` 函数强依赖了列表类型，所以当参数类型变为元组时，现在的函数就不再适用了*（原因：给 `comments[index]` 赋值的地方会抛出 `TypeError` 异常）*。如何改善这部分的设计？秘诀就是：**让函数依赖“可迭代对象”这个抽象概念，而非实体列表类型。**
+我们需要改进函数来避免这个问题。因为 `add_ellipsis` 函数强依赖了列表类型，所以当参数类型变为元组时，现在的函数就不再适用了*（原因：给 `comments[index]` 赋值的地方会抛出 `TypeError` 异常）。* 如何改善这部分的设计？秘诀就是：**让函数依赖“可迭代对象”这个抽象概念，而非实体列表类型。**
 
 使用生成器特性，函数可以被改成这样：
 
@@ -203,7 +203,7 @@ with open("comments") as fp:
 
 将依赖由某个具体的容器类型改为抽象接口后，函数的适用面变得更广了。除此之外，新函数在执行效率等方面也都更有优势。现在让我们再回到之前的问题。**从高层来看，什么定义了容器？**
 
-答案是：**各个容器类型实现的接口协议定义了容器。**不同的容器类型在我们的眼里，应该是 `是否可以迭代`、`是否可以修改`、`有没有长度` 等各种特性的组合。我们需要在编写相关代码时，**更多的关注容器的抽象属性，而非容器类型本身**，这样可以帮助我们写出更优雅、扩展性更好的代码。
+答案是： **各个容器类型实现的接口协议定义了容器。** 不同的容器类型在我们的眼里，应该是 `是否可以迭代`、`是否可以修改`、`有没有长度` 等各种特性的组合。我们需要在编写相关代码时，**更多的关注容器的抽象属性，而非容器类型本身**，这样可以帮助我们写出更优雅、扩展性更好的代码。
 
 > Hint：在 [itertools](https://docs.python.org/3/library/itertools.html) 内置模块里可以找到更多关于处理可迭代对象的宝藏。
 
@@ -248,9 +248,9 @@ print(from_now(now - 87500))
 # 1 days ago
 ```
 
-上面这个函数挑不出太多毛病，很多很多人都会写出类似的代码。但是，如果你仔细观察它，可以在分支代码部分找到一些明显的**“边界”**。比如，当函数判断某个时间是否应该用“秒数”展示时，用到了 `60`。而判断是否应该用分钟时，用到了 `3600`。
+上面这个函数挑不出太多毛病，很多很多人都会写出类似的代码。但是，如果你仔细观察它，可以在分支代码部分找到一些明显的“**边界**”。 比如，当函数判断某个时间是否应该用“秒数”展示时，用到了 `60`。而判断是否应该用分钟时，用到了 `3600`。
 
-**从边界提炼规律是优化这段代码的关键。**如果我们将所有的这些边界放在一个有序元组中，然后配合二分查找模块 [bisect](https://docs.python.org/3.7/library/bisect.html)。整个函数的控制流就能被大大简化：
+**从边界提炼规律是优化这段代码的关键。** 如果我们将所有的这些边界放在一个有序元组中，然后配合二分查找模块 [bisect](https://docs.python.org/3.7/library/bisect.html)。整个函数的控制流就能被大大简化：
 
 ```python
 import bisect
@@ -360,7 +360,7 @@ def counter_by_collections(l):
     return result
 ```
 
-这样的代码既不用“获取许可”，也无需“请求原谅”。**整个代码的控制流变得更清晰自然了。**所以，如果可能的话，请尽量想办法省略掉那些**非核心**的异常捕获逻辑。一些小提示：
+这样的代码既不用“获取许可”，也无需“请求原谅”。 **整个代码的控制流变得更清晰自然了。** 所以，如果可能的话，请尽量想办法省略掉那些 **非核心** 的异常捕获逻辑。一些小提示：
 
 - 操作字典成员时：使用 `collections.defaultdict` 类型
     - 或者使用 `dict[key] = dict.setdefault(key, 0) + 1` 内建函数
@@ -371,7 +371,7 @@ def counter_by_collections(l):
 
 ### 4. 使用 next() 函数
 
-`next()` 是一个非常实用的内建函数，它接收一个迭代器作为参数，然后返回该迭代器的下一个元素。使用它配合生成器表达式，可以高效的实现“*从列表中查找第一个满足条件的成员”*之类的需求。
+`next()` 是一个非常实用的内建函数，它接收一个迭代器作为参数，然后返回该迭代器的下一个元素。使用它配合生成器表达式，可以高效的实现*“从列表中查找第一个满足条件的成员”* 之类的需求。
 
 ```python
 numbers = [3, 7, 8, 2, 21]