按固定长度读取文件

def read_in_block(file_path):
    BLOCK_SIZE = 100
    with open(file_path, "rb") as f:
        while True:
            con = f.read(BLOCK_SIZE)  # 每次读取固定长度到内存缓冲区
            yield con
            if con == b'':
                break # 如果读取到文件末尾，则退出

fpath = "../file/1024.txt"
for block in read_in_block(fpath):
    print(block)

 这里给自己补充2个概念：

可迭代对象（Iterables） 
创建一个列表list时，你可以逐个地读取里面的每一项元素，这个过程称之为迭代（iteration）

list = [1,2,3]
for i in list:
    print(i)

迭代器(iterator)
  迭代器代表一个数据流对象，不断重复调用迭代器的next()方法逐次的从返回数据流中的每一项，当没有更多数据可用时，next()方法会抛出异常StopIteration。此时迭代器对象已经枯竭了，之后调用next()方法都会抛出StopIteration。迭代器需要一个__iter__()方法用来返回迭代器本身，因此它也是一个可迭代的对象。
生成器(Generators) 
  生成器也是一个迭代器，但是你只可以迭代它们一次，不能重复迭代，因为它并没有把所有的值存储在内存中，而是实时地生成值：

Generators = (2*x for x in range(3))
for i in Generators:
    print(i)

 从结果上看用()代替[]的效果是一样的，但是你不可能第二次执行for i in Generators:,因为生成器只能使用一次

Yield 
yield是关键字,它类似于return，只是函数会返回一个生成器。

一个带有 yield 的函数就是一个 generator，它和普通函数不同，生成一个 generator 看起来像函数调用，但不会执行任何函数代码，直到对其调用 next()（在 for 循环中会自动调用 next()）才开始执行。虽然执行流程仍按函数的流程执行，但每执行到一个 yield 语句就会中断，并返回一个迭代值，下次执行时从 yield 的下一个语句继续执行。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次，每次中断都会通过 yield 返回当前的迭代值。
yield 的好处是显而易见的，把一个函数改写为一个 generator 就获得了迭代能力，比起用类的实例保存状态来计算下一个 next() 的值，不仅代码简洁，而且执行流程异常清晰。
使用Yield的一个例子，从文件读取内容。 
如果直接对文件 对象调用read()方法，会导致不可预测的内存占用。好的方法是利用固定长度的缓冲区来不断读取文件内容。通过yield，我们不在需要编写读取文件的迭代类，就可以轻松实现文件读取：