[ERRATA] Capítulo 7

vol1/cap07.adoc

@@ -54,7 +54,7 @@ Assim, o melhor lugar para falar delas é na a discussão sobre as dicas de tipo
 A((("function parameters, introspection of")))((("parameters", "introspection of function parameters")))
 primeira edição desse livro continha seções sobre a introspecção de objetos função,
 que desciam a detalhes de baixo nível e desviavam do assunto principal do capítulo.
-Reuni aquelas seções em um post entitulado
+Reuni aquelas seções em um post intitulado
 «"Introspection of Function Parameters" (_Introspecção de Parâmetros de Funções_)» [.small]#[fpy.li/7-2]#, no _fluentpython.com_.
 ====
 
@@ -184,7 +184,7 @@ mas temos alternativas melhores para a maioria de seus casos de uso, como mostra
 ==== Substitutos modernos para map, filter, e reduce
 
 Linguagens funcionais((("list comprehensions (listcomps)", "versus map and filter functions")))((("generator expressions (genexps)")))
-normalmente oferecem as funções de ordem superior `map`, `filter`, and `reduce` (algumas vezes com nomes diferentes).
+normalmente oferecem as funções de ordem superior `map`, `filter`, e `reduce` (algumas vezes com nomes diferentes).
 As funções `map` e `filter` ainda estão embutidas no Python mas elas não são mais tão importantes
 desde a introdução das compreensões de lista e das expressões geradoras,
 Uma listcomp ou uma genexp fazem o mesmo que `map` e `filter` combinadas, e são mais legíveis.
@@ -255,7 +255,7 @@ Outras funções de redução embutidas são `all` e `any`:
 `any(iterable)`:: Devolve `True` se qualquer elemento do `iterable` for verdadeiro;
 `any([])` devolve `False`.
 
-Dou um explicação mais completa sobre `reduce` na Seção 12.7 [.small]#[vol.2, fpy.li/59]#,
+Dou uma explicação mais completa sobre `reduce` na Seção 12.7 [.small]#[vol.2, fpy.li/59]#,
 onde um exemplo mais longo, atravessando várias seções, cria um contexto
 significativo para o uso dessa função.
 As funções de redução serão resumidas mais à frente no livro, na Seção 17.10 [.small]#[vol.3, fpy.li/5a]#,
@@ -310,15 +310,15 @@ Fredrik Lundh sugere o seguinte procedimento de refatoração:
 . Converta a `lambda` para uma declaração `def`, usando aquele nome.
 . Remova o comentário.
 
-Esse passos são uma citação do
+Esses passos são uma citação do
 «_Programação Funcional—COMO FAZER_» [.small]#[fpy.li/46]#,
 leitura obrigatória.
 ****
 
 A sintaxe `lambda` é apenas açúcar sintático: uma expressão `lambda` cria um objeto função,
 exatamente como a declaração `def`.
 Esse é apenas um dos vários tipos de objetos invocáveis no Python.
-Na próxima seção revisamos todos eles.
+Na próxima seção revisaremos todos eles.
 
 [[flavors_of_callables]]
 === Os nove sabores de objetos invocáveis
@@ -343,7 +343,7 @@ Como não existe um operador `new` no Python,
 invocar uma classe é como invocar uma função.footnote:[Invocar
 uma classe normalmente cria uma instância daquela mesma classe,
 mas outros comportamentos são possíveis, sobrescrevendo o `+__new__+`.
-Veremos um exemplo disso na Seção 22.2.3 [.small]#[vol.3, fpy.li/5b].]#
+Veremos um exemplo disso na Seção 22.2.3 [.small]#[vol.3, fpy.li/5b].]#]
 
 Instâncias de classe:: Se uma classe define um método `+__call__+`, suas instâncias podem então ser invocadas como funções—esse é o assunto da próxima seção.
 
@@ -356,7 +356,7 @@ Introduzidas no Python 3.5.
 Funções geradoras assíncronas:: Funções((("asynchronous generators"))) ou métodos definidos com `async def`, contendo `yield` em seu corpo.
 Quando chamados, devolvem um gerador assíncrono para ser usado com `async for`. Introduzidas no Python 3.6.
 
-Funções geradoras, funções de corrotinas nativas e geradoras assíncronas são diferentes de outros invocáveis: os valores devolvidos tais funções nunca são dados da aplicação, mas objetos que exigem processamento adicional, seja para produzir dados da aplicação, seja para realizar algum trabalho útil.
+Funções geradoras, funções de corrotinas nativas e geradoras assíncronas são diferentes de outros invocáveis: os valores devolvidos de tais funções nunca são dados da aplicação, mas objetos que exigem processamento adicional, seja para produzir dados da aplicação, seja para realizar algum trabalho útil.
 Funções geradoras devolvem iteradores.
 Ambos são tratados no Capítulo 17 [.small]#[vol.3, fpy.li/4s]#.
 Funções de corrotinas nativas e funções geradoras assíncronas devolvem objetos que só funcionam com a ajuda de um framework de programação assíncrona, tal como _asyncio_.
@@ -522,7 +522,7 @@ Após esse mergulho nos recursos flexíveis de declaração de argumentos no Pyt
 
 === Pacotes para programação funcional
 
-Apesar((("functions, as first-class objects", "packages for functional programming", id="FAFfp07")))((("functional programming", "packages for", id="fprogpack07"))) de Guido deixar claro que não projetou Python para ser uma linguagem de programação funcional, o estilo de programação funcional pode ser amplamente utilizado, graças a funções de primeira classe, _pattern matching_ e o suporte de pacotes como `operator` e `functools`, dos quais falaremos nas próximas duas seções..
+Apesar((("functions, as first-class objects", "packages for functional programming", id="FAFfp07")))((("functional programming", "packages for", id="fprogpack07"))) de Guido deixar claro que não projetou Python para ser uma linguagem de programação funcional, o estilo de programação funcional pode ser amplamente utilizado, graças a funções de primeira classe, _pattern matching_ e o suporte de pacotes como `operator` e `functools`, dos quais falaremos nas próximas duas seções.
 
 
 [[operator_module_section]]
@@ -596,7 +596,7 @@ Isso é mais fácil de escrever e ler que `lambda fields: fields[1]`, que faz a
 ----
 ====
 
-Se você passar múltiplos argumentos de indice para `itemgetter`, a função criada por ela vai devolver tuplas com os valores extraídos, algo que pode ser útil para ordenar((("keys", "sorting multiple"))) usando chaves múltiplas:
+Se você passar múltiplos argumentos de índice para `itemgetter`, a função criada por ela vai devolver tuplas com os valores extraídos, algo que pode ser útil para ordenar((("keys", "sorting multiple"))) usando chaves múltiplas:
 
 [source, python]
 ----
@@ -619,7 +619,7 @@ Uma irmã de `itemgetter` é `attrgetter`, que cria funções para extrair atrib
 Se você passar os nomes de vários atributos como argumentos para `attrgetter`, ela vai devolver um tupla de valores.
 Além disso, se o nome de qualquer argumento contiver um `.` (ponto), `attrgetter`
 navegará por objetos aninhados para encontrar o atributo.
-Esses comportamento são apresentados no <<attrgetter_demo>>. Não é exatamente uma sessão de console curta, pois precisamos criar uma estrutura aninhada para demonstrar o tratamento de atributos com `.` por `attrgetter`.
+Esses comportamentos são apresentados no <<attrgetter_demo>>. Não é exatamente uma sessão de console curta, pois precisamos criar uma estrutura aninhada para demonstrar o tratamento de atributos com `.` por `attrgetter`.
 
 [[attrgetter_demo]]
 .Demonstração de `attrgetter` para processar uma lista previamente definida de `namedtuple` chamada `metro_data` (a mesma lista que aparece no <<itemgetter_demo>>)
@@ -681,7 +681,7 @@ Essas funções mudam seu primeiro argumento no mesmo lugar, se o argumento for
 se não, funcionam como seus pares sem o prefixo `i`: simplemente devolvem o resultado da operação.
 
 Das funções restantes de `operator`, `methodcaller` será a última que veremos.
-Ela é algo similar a `attrgetter` e `itemgetter`, no sentido de criarem uma função durante a execução.
+Ela é algo similar a `attrgetter` e `itemgetter`, no sentido de criar uma função durante a execução.
 A função criada invoca por nome um método do objeto passado como argumento, como mostra o <<methodcaller_demo>>.
 
 [[methodcaller_demo]]
@@ -737,7 +737,7 @@ O <<ex_partial_mul>> é uma demonstração trivial.
 <2> Testa a função.
 <3> Usa `triple` com `map`; `mul` não funcionaria com `map` nesse exemplo.
 
-Um exemplo mais útil envolve a função `unicode.normalize`, que vimos na <<normalizing_unicode>>. Se você trabalha com texto em muitas línguas diferentes, pode querer aplicar `unicode.normalize('NFC', s)` a qualquer string `s`, antes de compará-la ou armazená-la. Se você precisa disso com frequência, é conveninete ter uma função `nfc` para executar essa tarefa, como no <<ex_partial_nfc>>.
+Um exemplo mais útil envolve a função `unicode.normalize`, que vimos na <<normalizing_unicode>>. Se você trabalha com texto em muitas línguas diferentes, pode querer aplicar `unicode.normalize('NFC', s)` a qualquer string `s`, antes de compará-la ou armazená-la. Se você precisa disso com frequência, é conveniente ter uma função `nfc` para executar essa tarefa, como no <<ex_partial_nfc>>.
 
 [[ex_partial_nfc]]
 .Criando uma função conveniente para normalizar Unicode com `partial`
@@ -806,7 +806,7 @@ As funções embutidas `sorted`, `min` e `max`, além de `functools.partial`, s
 O uso de `map`, `filter` e `reduce` já não é tão frequente como costumava ser, graças às compreensões de lista (e estruturas similares, como as expressões geradoras) e à adição de funções embutidas de redução como `sum`, `all` e `any`.
 
 Desde o Python 3.6, existem nove sabores de invocáveis, como funções simples criadas com `lambda` ou instâncias de classes que implementam `+__call__+`.
-Geradoras e corrotinas também são invocáveis, mas seu comportamento é muito diferente dos outros invocáveis.
+Geradores e corrotinas também são invocáveis, mas seu comportamento é muito diferente dos outros invocáveis.
 Todos os invocáveis podem ser detectados pela função embutida `callable()`.
 Invocáveis oferecem uma rica sintaxe para declaração de parâmetros formais,
 incluindo parâmetros nomeados, parâmetros somente posicionais e anotações.
@@ -869,7 +869,7 @@ Nesse artigo, Python é mencionado nominalmente na seguinte passagem:
 
 [quote]
 ____
-E como descrever linguagens como Python, Ruby, ou Perl?
+E como descrever linguagens como Python, Ruby ou Perl?
 Seus criadores não tem paciência com as sutilezas dessas nomenclaturas de Lineu;
 eles pegam emprestados todos os recursos que desejam, criando misturas que desafiam totalmente uma caracterização.
 ____