diff --git a/translated/tech/20180430 3 practical Python tools- magic methods, iterators and generators, and method magic.md b/translated/tech/20180430 3 practical Python tools- magic methods, iterators and generators, and method magic.md
new file mode 100644
index 0000000000..21f386df00
--- /dev/null
+++ b/translated/tech/20180430 3 practical Python tools- magic methods, iterators and generators, and method magic.md	
@@ -0,0 +1,536 @@
+3 个实用的 Python 工具：魔术方法，迭代器和生成器，以及方法魔术
+======
+(to 校正者：magic)
+![](https://opensource.com/sites/default/files/styles/image-full-size/public/lead-images/serving-bowl-forks-dinner.png?itok=a3YqPwr5)
+Python 提供了一组独特的工具和语言特性来帮助你使代码更加优雅，可读和直观。通过为正确的问题选择合适的工具，你的代码将更易于维护。在本文中，我们将研究其中的三个工具：魔术方法，迭代器和生成器，以及方法魔术。
+
+### 魔术方法
+
+魔术方法可以看作是 Python 的管道。它们被称为“底层”方法，用于某些内置的方法、符号和操作。你可能熟悉的常见魔术方法是 `__init__()`，当我们想要初始化一个类的新实例时，它会被调用。
+
+你可能已经看过其他常见的魔术方法，如 `__str__` 和 `__repr__`。Python 中有一整套魔术方法，通过实现其中的一些方法，我们可以修改一个对象的行为，甚至使其行为类似于内置数据类型，例如数字，列表或字典。
+
+让我们创建一个 `Money` 类来示例：
+```
+class Money:
+
+    currency_rates = {
+
+        '$': 1,
+
+        '€': 0.88,
+
+    }
+
+    def __init__(self, symbol, amount):
+
+        self.symbol = symbol
+
+        self.amount = amount
+
+    def __repr__(self):
+
+        return '%s%.2f' % (self.symbol, self.amount)
+
+    def convert(self, other):
+
+        """ Convert other amount to our currency """
+
+        new_amount = (
+
+            other.amount / self.currency_rates[other.symbol]
+
+            * self.currency_rates[self.symbol])
+
+        return Money(self.symbol, new_amount)
+
+```
+
+该类定义为给定的符号和汇率定义了一个货币汇率，指定了一个初始化器（也称为构造函数），并实现 `__repr__`，因此当我们打印这个类时，我们会看到一个友好的表示，例如 `$2.00` ，一个带有货币符号和金额的 `Money('$', 2.00)` 实例。最重要的是，它定义了一种方法，允许你使用不同的汇率在不同的货币之间进行转换。
+
+打开 Python shell，假设我们已经定义了使用两种不同货币的食品的成本，如下所示：
+```
+>>> soda_cost = Money('$', 5.25)
+
+>>> soda_cost
+
+    $5.25
+
+>>> pizza_cost = Money('€', 7.99)
+
+>>> pizza_cost
+
+    €7.99
+
+```
+
+我们可以使用魔术方法使得这个类的实例之间可以相互交互。假设我们希望能够将这个类的两个实例一起加在一起，即使它们是不同的货币。为了实现这一点，我们可以在 `Money` 类上实现 `__add__` 这个魔术方法：
+```
+class Money:
+
+    # ... previously defined methods ...
+
+    def __add__(self, other):
+
+        """ Add 2 Money instances using '+' """
+
+        new_amount = self.amount + self.convert(other).amount
+
+        return Money(self.symbol, new_amount)
+
+```
+
+现在我们可以以非常直观的方式使用这个类：
+```
+>>> soda_cost = Money('$', 5.25)
+
+>>> pizza_cost = Money('€', 7.99)
+
+>>> soda_cost + pizza_cost
+
+    $14.33
+
+>>> pizza_cost + soda_cost
+
+    €12.61
+
+```
+
+当我们将两个实例加在一起时，我们得到第一个定义的货币的符号所表示的结果（to 校正者：这里意思是：得到的结果是第一个对象的符号所表示的。）。所有的转换都是在底层无缝完成的。如果我们想的话，我们也可以为减法实现 `__sub__`，为乘法实现 `__mul__` 等等。阅读[模拟数字类型][1]或[魔术方法指南][2]来获得更多信息。
+
+我们学习到 `__add__` 映射到内置运算符 `+`。其他魔术方法可以映射到像 `[]` 这样的符号。例如，在字典中通过索引或键来获得一项，其实是使用了 `__getitem__` 方法：
+```
+>>> d = {'one': 1, 'two': 2}
+
+>>> d['two']
+
+2
+
+>>> d.__getitem__('two')
+
+2
+
+``` 
+
+一些魔术方法甚至映射到内置函数，例如 `__len__()` 映射到 `len()`。
+```
+class Alphabet:
+
+    letters = 'ABCDEFGHIJKLMNOPQRSTUVWXYZ'
+
+    def __len__(self):
+
+        return len(self.letters)
+
+>>> my_alphabet = Alphabet()
+
+>>> len(my_alphabet)
+
+    26
+
+```
+
+### 自定义迭代器
+
+对于新的和经验丰富的 Python 开发者来说，自定义迭代器是一个非常强大的但令人迷惑的主题。
+
+许多内置类型，例如列表、集合和字典，已经实现了允许它们在底层迭代的协议。这使我们可以轻松地遍历它们。
+```
+>>> for food in ['Pizza', 'Fries']:
+
+         print(food + '. Yum!')
+
+Pizza. Yum!
+
+Fries. Yum!
+
+```
+
+我们如何迭代我们自己的自定义类？首先，让我们来澄清一些术语。
+
+  * 要成为一个可迭代对象，一个类需要实现 `__iter__()`
+  * `__iter__()` 方法需要返回一个迭代器
+  * 要成为一个迭代器，一个类需要实现 `__next__()`（或[在 Python 2][3]中是 `next()`），当没有更多的项要迭代时，必须抛出一个 `StopIteration` 异常。
+
+呼！这听起来很复杂，但是一旦你记住了这些基本概念，你就可以在任何时候进行迭代。
+
+我们什么时候想使用自定义迭代器？让我们想象一个场景，我们有一个 `Server` 实例在不同的端口上运行不同的服务，如 `http` 和 `ssh`。其中一些服务处于 `active` 状态，而其他服务则处于 `inactive` 状态。
+```
+class Server:
+
+    services = [
+
+        {'active': False, 'protocol': 'ftp', 'port': 21},
+
+        {'active': True, 'protocol': 'ssh', 'port': 22},
+
+        {'active': True, 'protocol': 'http', 'port': 80},
+
+    ]
+
+```
+
+当我们遍历 `Server` 实例时，我们只想遍历那些处于 `active` 的服务。让我们创建一个 `IterableServer` 类：
+```
+class IterableServer:
+
+    def __init__(self):
+
+        self.current_pos = 0
+
+    def __next__(self):
+
+        pass  # TODO: 实现并记得抛出 StopIteration
+
+```
+
+首先，我们将当前位置初始化为 `0`。然后，我们定义一个 `__next__()` 方法来返回下一项。我们还将确保在没有更多项返回时抛出 `StopIteration`。到目前为止都很好！现在，让我们实现这个 `__next__()` 方法。
+```
+class IterableServer:
+
+    def __init__(self):
+
+        self.current_pos = 0.  # 我们初始化当前位置为 0
+
+    def __iter__(self):  # 我们可以在这里返回 self，因为实现了 __next__
+
+        return self
+
+    def __next__(self):
+
+        while self.current_pos < len(self.services):
+
+            service = self.services[self.current_pos]
+
+            self.current_pos += 1
+
+            if service['active']:
+
+                return service['protocol'], service['port']
+
+        raise StopIteration
+
+    next = __next__  # 可选的 Python2 兼容性
+
+```
+
+我们对列表中的服务进行遍历，而当前的位置小于服务的个数，但只有在服务处于活动状态时才返回。一旦我们遍历完服务，就会抛出一个 `StopIteration` 异常。
+
+因为我们实现了 `__next __（）` 方法，当它耗尽时，它会抛出 `StopIteration`。我们可以从 `__iter __（）` 返回 `self`，因为 `IterableServer` 类遵循 `iterable` 协议。
+
+现在我们可以遍历一个 `IterableServer` 实例，这将允许我们查看每个处于活动的服务，如下所示：
+```
+>>> for protocol, port in IterableServer():
+
+        print('service %s is running on port %d' % (protocol, port))
+
+service ssh is running on port 22
+
+service http is running on port 21
+
+```
+
+太棒了，但我们可以做得更好！在这样类似的实例中，我们的迭代器不需要维护大量的状态，我们可以简化代码并使用 [generator（生成器）][4] 来代替。
+```
+class Server:
+
+    services = [
+
+        {'active': False, 'protocol': 'ftp', 'port': 21},
+
+        {'active': True, 'protocol': 'ssh', 'port': 22},
+
+        {'active': True, 'protocol': 'http', 'port': 21},
+
+    ]
+
+    def __iter__(self):
+
+        for service in self.services:
+
+            if service['active']:
+
+                yield service['protocol'], service['port']
+
+```
+
+`yield` 关键字到底是什么？在定义生成器函数时使用 yield。这有点像 `return`，虽然 `return` 返回值后退出函数，但 `yield` 会暂停执行直到下次调用它。这允许你的生成器功能在它恢复之前保持状态。查看 [yield 的文档][5]以了解更多信息。使用生成器，我们不必通过记住我们的位置来手动维护状态。生成器只知道两件事：它现在需要做什么以及计算下一个项目需要做什么。一旦我们到达执行点，即 `yield` 不再被调用，我们就知道停止迭代。
+
+这是因为一些内置的 Python 魔法。在 [Python 关于 `__iter__()` 的文档][6]中我们可以看到，如果 `__iter __（）` 是作为一个生成器实现的，它将自动返回一个迭代器对象，该对象提供 `__iter __（）` 和 `__next __（ ）` 方法。阅读这篇很棒的文章，深入了解[迭代器，可迭代对象和生成器][7]。
+
+### 方法魔法
+
+由于其独特的方面，Python 提供了一些有趣的方法魔法作为语言的一部分。
+
+其中一个例子是别名功能。因为函数只是对象，所以我们可以将它们赋值给多个变量。例如：
+```
+>>> def foo():
+
+       return 'foo'
+
+>>> foo()
+
+'foo'
+
+>>> bar = foo
+
+>>> bar()
+
+'foo'
+
+```
+
+我们稍后会看到它的作用。
+
+Python 提供了一个方便的内置函数[称为 `getattr()`][8]，它接受 `object, name, default` 参数并在 `object` 上返回属性 `name`。这种编程方式允许我们访问实例变量和方法。例如：
+```
+>>> class Dog:
+
+        sound = 'Bark'
+
+        def speak(self):
+
+            print(self.sound + '!', self.sound + '!')
+
+
+>>> fido = Dog()
+
+>>> fido.sound
+
+'Bark'
+
+>>> getattr(fido, 'sound')
+
+'Bark'
+
+>>> fido.speak
+
+<bound method Dog.speak of <__main__.Dog object at 0x102db8828>>
+
+>>> getattr(fido, 'speak')
+
+<bound method Dog.speak of <__main__.Dog object at 0x102db8828>>
+
+
+>>> fido.speak()
+
+Bark! Bark!
+
+>>> speak_method = getattr(fido, 'speak')
+
+>>> speak_method()
+
+Bark! Bark!
+
+```
+
+这是一个很酷的技巧，但是我们如何在实际中使用 `getattr` 呢？让我们看一个例子，我们编写一个小型命令行工具来动态处理命令。
+```
+class Operations:
+
+    def say_hi(self, name):
+
+        print('Hello,', name)
+
+    def say_bye(self, name):
+
+        print ('Goodbye,', name)
+
+    def default(self, arg):
+
+        print ('This operation is not supported.')
+
+
+if __name__ == '__main__':
+
+    operations = Operations()
+
+    # 假设我们做了错误处理
+
+    command, argument = input('> ').split()
+
+    func_to_call = getattr(operations, command, operations.default)
+
+    func_to_call(argument)
+
+```
+
+脚本的输出是：
+```
+$ python getattr.py
+
+> say_hi Nina
+
+Hello, Nina
+
+> blah blah
+
+This operation is not supported.
+
+```
+
+接下来，我们来看看 `partial`。例如，**`functool.partial(func, *args, **kwargs)`** 允许你返回一个新的 [partial 对象][9]，它的行为类似 `func`，参数是 `args` 和 `kwargs`。如果传入更多的 `args`，它们会被附加到 `args`。如果传入更多的 `kwargs`，它们会扩展并覆盖 `kwargs`。让我们通过一个简短的例子来看看：
+```
+>>> from functools import partial
+
+>>> basetwo = partial(int, base=2)
+
+>>> basetwo
+
+<functools.partial object at 0x1085a09f0>
+
+>>> basetwo('10010')
+
+18
+
+
+# 这等同于
+
+>>> int('10010', base=2)
+
+``` 
+
+让我们看看这个方法魔术如何在我喜欢的一个[名为 `agithub`][10] 的库中的一些示例代码结合在一起的，这是一个（poorly name）REST API 客户端。它具有透明的语法，允许你以最小的配置快速构建任何 REST API 原型（不仅仅是 GitHub）。我发现这个项目很有趣，因为它非常强大，但只有大约 400 行 Python 代码。你可以在大约 30 行配置代码中添加对任何 REST API 的支持。`agithub` 知道协议所需的一切（`REST`、`HTTP`、`TCP`），但它不考虑上游 API。让我们深入到它的实现中。
+
+以下是我们如何为 GitHub API 和任何其他相关连接属性定义端点 URL 的简化版本。在这里查看[完整代码][11]。
+```
+class GitHub(API):
+
+    def __init__(self, token=None, *args, **kwargs):
+
+        props = ConnectionProperties(api_url = kwargs.pop('api_url', 'api.github.com'))
+
+        self.setClient(Client(*args, **kwargs))
+
+        self.setConnectionProperties(props)
+
+```
+
+然后，一旦配置了[访问令牌][12]，就可以开始使用 [GitHub API][13]。
+```
+>>> gh = GitHub('token')
+
+>>> status, data = gh.user.repos.get(visibility='public', sort='created')
+
+>>> # ^ 映射到 GET /user/repos
+
+>>> data
+
+... ['tweeter', 'snipey', '...']
+
+```
+
+请注意，由你决定拼写正确的 URL，因为我们没有验证 URL。如果 URL 不存在或出现了其他任何错误，将返回 API 抛出的错误。那么，这一切是如何运作的呢？让我们找出答案。首先，我们将查看一个 [`API` 类][14]的简化示例：
+```
+class API:
+
+    # ... other methods ...
+
+    def __getattr__(self, key):
+
+        return IncompleteRequest(self.client).__getattr__(key)
+
+    __getitem__ = __getattr__
+
+```
+
+在 `API` 类上的每次调用都会调用 [`IncompleteRequest` 类][15]作为指定的 `key`。
+```
+class IncompleteRequest:
+
+    # ... other methods ...
+
+    def __getattr__(self, key):
+
+        if key in self.client.http_methods:
+
+            htmlMethod = getattr(self.client, key)
+
+            return partial(htmlMethod, url=self.url)
+
+        else:
+
+            self.url += '/' + str(key)
+
+            return self
+
+    __getitem__ = __getattr__
+
+
+class Client:
+
+    http_methods = ('get')  # 还有 post, put, patch 等等。
+
+    def get(self, url, headers={}, **params):
+
+        return self.request('GET', url, None, headers)
+
+```
+
+如果最后一次调用不是 HTTP 方法（如 'get'、'post' 等），则返回带有附加路径的 `IncompleteRequest`。否则，它从[ `Client` 类][16]获取 HTTP 方法对应的正确函数，并返回 `partial`。
+
+如果我们给出一个不存在的路径会发生什么？
+```
+>>> status, data = this.path.doesnt.exist.get()
+
+>>> status
+
+... 404
+
+```
+
+因为 `__getattr__` 别名为 `__getitem__`：
+```
+>>> owner, repo = 'nnja', 'tweeter'
+
+>>> status, data = gh.repos[owner][repo].pulls.get()
+
+>>> # ^ Maps to GET /repos/nnja/tweeter/pulls
+
+>>> data
+
+.... # {....}
+
+```
+
+以上是一些认真的方法魔术！（to 校正：这句话真的翻译得不行 ）
+
+### 了解更多
+
+Python 提供了大量工具，使你的代码更优雅，更易于阅读和理解。挑战在于找到合适的工具来完成工作，但我希望本文为你的工具箱添加了一些新工具。而且，如果你想更进一步，你可以在我的博客 [nnja.io][17] 上阅读有关装饰器，上下文管理器，上下文生成器和 `NamedTuple（译注：这是命名元组）` 的内容。随着你成为一名更好的 Python 开发人员，我鼓励你到那里阅读一些设计良好的项目的源代码。[Requests][18] 和 [Flask][19] 是两个很好的代码库来开始。
+
+
+
+--------------------------------------------------------------------------------
+
+via: https://opensource.com/article/18/4/elegant-solutions-everyday-python-problems
+
+作者：[Nina Zakharenko][a]
+选题：[lujun9972](https://github.com/lujun9972)
+译者：[MjSeven](https://github.com/MjSeven)
+校对：[校对者ID](https://github.com/校对者ID)
+
+本文由 [LCTT](https://github.com/LCTT/TranslateProject) 原创编译，[Linux中国](https://linux.cn/) 荣誉推出
+
+[a]:https://opensource.com/users/nnja
+[1]:https://docs.python.org/3/reference/datamodel.html#emulating-numeric-types
+[2]:https://rszalski.github.io/magicmethods/
+[3]:https://docs.python.org/2/library/stdtypes.html#iterator.next
+[4]:https://docs.python.org/3/library/stdtypes.html#generator-types
+[5]:https://docs.python.org/3/reference/expressions.html#yieldexpr
+[6]:https://docs.python.org/3/reference/datamodel.html#object.__iter__
+[7]:http://nvie.com/posts/iterators-vs-generators/
+[8]:https://docs.python.org/3/library/functions.html#getattr
+[9]:https://docs.python.org/3/library/functools.html#functools.partial
+[10]:https://github.com/mozilla/agithub
+[11]:https://github.com/mozilla/agithub/blob/master/agithub/GitHub.py
+[12]:https://github.com/settings/tokens
+[13]:https://developer.github.com/v3/repos/#list-your-repositories
+[14]:https://github.com/mozilla/agithub/blob/dbf7014e2504333c58a39153aa11bbbdd080f6ac/agithub/base.py#L30-L58
+[15]:https://github.com/mozilla/agithub/blob/dbf7014e2504333c58a39153aa11bbbdd080f6ac/agithub/base.py#L60-L100
+[16]:https://github.com/mozilla/agithub/blob/dbf7014e2504333c58a39153aa11bbbdd080f6ac/agithub/base.py#L102-L231
+[17]:http://nnja.io
+[18]:https://github.com/requests/requests
+[19]:https://github.com/pallets/flask
+[20]:https://us.pycon.org/2018/schedule/presentation/164/
+[21]:https://us.pycon.org/2018/