1.文件操作的“b模式”(补充)
在上一篇文章中，我在最后一部分写了文件处理的一些方法，但是觉得还是有必要再提一下如下的内容：
像rb、wb、ab这种模式，是以字节的形式操作，需要注意以下几个问题：
1）文件不能保存在内存中，只能保存在硬盘中，以二进制的形式,Python只能将字符串写入文本文件，要将数值数据存储到文本文件中，必须先使用函数str（）将其转化为字符串格式。
2）在以rb .rw等编码打开文件的时候，不能定义编码类型，即不能在open()函数内指定encoding。再补充一些文件操作的方法，具体如下：
with open("尼古拉斯赵四","wb") as f:
f.encoding() #文件的打开编码，encoding=“”定义的是哪个编码方式，输出的就是哪个编码方式，与源文件的编码方式无关 #如果不知道源文件编码，可以在定义时将encoding=“latin-1”，该编码方式兼容大部分编码 #f.flush() #刷新，当对文件进行修改操作的时候，通过此方法可以使更改生效（pycharm不需要此方法的原因是pycharm内部机制会自动保存） #f.tell() #打印光标所在的位置，光标移动 是以字节为单位，read（）是以字符为单位，中文3个字节，英文一个字节 #with open("尼古拉斯赵四","w",encoding="utf-8",newline="") as f: 读取源文件中真正的换行符，
通过readlines方法读取文件，不加newline=“”的话输出 ，加上是 #f.seek(0) #指定光标的位置，在0处 # f.seek(10,0) #后面的是默认位置，即光标位置从0开始，以b的方式操作，因为seek是以字节为单位移动光标 # f.seek(10,1) #1代表的相对位置 # f.seek(3,1) #基于10移动光标 # f.seek(-5 ,2) #2代表倒序指定光标位置 # f.truncate(10) #从开头截取到10 （光标位置） ww+模式下不行
2.文件路径
如果程序文件存放在当前路径下，那么通过open("文件名称")的方式就可以打开文件，但如果程序文件存放在其他路径下或或当前文件的子目录下，那么就必须要提供文件路径，它让Python到系统中的特定位置去找。
相对路径
假如：在当前路径下有一个files文件，files文件下有一个“尼古拉斯赵四”这个程序文件，我如果想要打开这个文件，就需要使用相对文件路径来打开它。
with open("files尼古拉斯赵四",encoding="utf-8") as f: print(f.readlines())
这行代码让Python去打开文件夹files下的“尼古拉斯赵四”这个文件，在Windows系统中，文件路径使用反斜杠（）而不是斜杠（/）
绝对路径
可以将文件在计算机中的准确位置告诉Python，这样就不用关心当前运行的程序存储在什么地方，这称为绝对路径。当相对路径行不通时，可以使用绝对路径。绝对路径通常比相对路径更长，在Linux系统中类似于这样：/home/dir/files/1.txt；在Windows系统中类似于这样：C:Usersdirfiles1.txt
通过使用绝对路径，可读取系统中的任何地方的文件。
3.迭代器
迭代器和递归函数的区别：递归函数是不断的重复调用自己，必须有一个明确的条件，而且每进行更深一层的循环，规模一定要较之前要小，迭代器，每次循环都要依赖于上一次的结果。
迭代器协议：对象必须提供一个_next_()方法，执行该方法要么返回迭代中的下一项，要么就引起一个StopIteration异常（只能往后走不能往前退）。
可迭代对象：实现了迭代协议的对象（如何实现？对象内部定义一个_iter_()方法）。
协议是一种约定，可迭代对象实现了迭代器协议，python的内部工具（如for循环，sum，min，max函数等）使用迭代器协议访问对象。
以for循环举例：for循环就遵循迭代器协议来循环所有的对象，（列表、字典、字符串、元组，集合）这些其实都不是可迭代对象，只不过在for循环时，调用了他们内部的_iter_方法，把他们变成了可迭代对象，然后for循环调用可迭代对象，然后就可以调用_next_()方法，直至异常结束，用代码解释如下：
name=[1,2,3]for i in name: l=name.__iter__() print(l.__next__()) print(i)
在for循环列表的时候，实质上是调用了列表的内置方法_iter_()，将列表变成一个可迭代对象，成为可迭代对象后，该列表就有了_next_()方法，在调用此方法一个一个读取。
还有一个next()方法,其实质就是在调用_next_()函数。
可以被next()函数调用并不断返回值下一个值的对象就是迭代器：Iterator，列表，字典这些基本数据类型虽然是可迭代对象，但不是迭代器，可以通过_iter_()方法将它们变为迭代器。
name=[1,2,3] print(type(name.__iter__())) 通过_iter_方法将可迭代对象变为迭代器 运行结果： <class 'list_iterator'>
4.列表生成式和三元运算
列表生成式怎么说呢，就是一种装逼专用吧，我举一个简单的例子吧，我现在需求是输出从1-9的数字，当然大部分人首先会想到for循环
name=[] for i in range(10): name.append(i) print(name) 运行结果： [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
上面这个例子就不多解释了，认真看过我前面博客的，这是很简单的一个for循环，但如果我就嫌麻烦，这代码太多了，我就要用一行写出来，能不能办到呢？
print([i for i in range(10)]) 运行结果： [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
ok，装逼版本，这就是列表表达式。
那么什么是三元运算呢？
name="尼古拉斯赵四" print("会街舞" if name=="尼古拉斯赵四" else "不会街舞") 一元：“会街舞” 二元：通过if语句判断 三元：“不会街舞” 输出结果： 会街舞
其实很好理解，if前面可以理解为判断为True的返回结果，else后是判断为False的返回结果，这就是三元运算。
三元运算还可以与列表生成式结合使用，需求：输出10以内大于5的数字
print([i for i in range(10) if i>5 ]) 运行结果： [6, 7, 8, 9]
但注意一点，在这种语句，就不能在家else了，一定要注意三元，加上了else就变成四元了，程序会报错的
5.生成器
在Python中，一边循环一边计算的机制，称为生成器（generator）。生成器可以理解为一种数据类型，这种数据类型自动实现的迭代器协议（其他的数据类型是通过调用自己的内置方法_iter_方法），所以生成器就是可迭代对象，直接就可以使用_next_()方法。
生成器分类在python中的表现形式（python有两种不同的方式提供生成器）
1.生成器表达式，生成器其实就是把列表生成器的[]变为()。即上面的列表生成式，我要将它变为生成器的话：
print(type((i for i in range(10) if i>5 ))) 运行结果： <class 'generator'>
generator保存的是算法，每次调用next()，就计算出下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。
a=(i for i in range(10) if i>5 ) print(a.__next__) print(next(a)) 每次执行一次next（）操作，只会读取一个值 print(next(a)) 运行结果： <method-wrapper '__next__' of generator object at 0x000001620ECD7888> 6 7
如果这个生成器有N多个值呢？一直用next()显然是不方便的，所以一般都是用for循环。
2.函数生成式
只要在定义函数的时候，把return()变为yield()就可以了，yield()保存上一次读取值的位置，当再次调用时，就从该位置开始调用。普通函数遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。
def func(): yield 1 yield 2 res=func() print(res.__next__()) 运行结果： 1
执行一次_next_()方法,输出1，程序停留在此位置，当再次执行一次_next_()方法时，会从1的位置开始执行，再输出2，这就是函数生成式。当执行_next_（）读取完全部元素后，再次执行程序就会抛出StopIteration异常，处理异常的方法我会在接下来的文章中详细介绍。