JDK1.8 stream详解（转）

Stream
Stream介绍
Stream 使用一种类似用 SQL 语句从数据库查询数据的直观方式来提供一种对 Java 集合运算和表达的高阶抽象。Stream API可以极大提高Java程序员的生产力，让程序员写出高效率、干净、简洁的代码。这种风格将要处理的元素集合看作一种流，流在管道中传输，并且可以在管道的节点上进行处理，比如筛选，排序，聚合等。
Stream特性：
不是数据结构：它没有内部存储，它只是用操作管道从 source（数据结构、数组、generator function、IO channel）抓取数据。它也绝不修改自己所封装的底层数据结构的数据。例如 Stream 的 filter 操作会产生一个不包含被过滤元素的新 Stream，而不是从 source 删除那些元素。
不支持索引访问：但是很容易生成数组或者 List 。
惰性化：很多 Stream 操作是向后延迟的，一直到它弄清楚了最后需要多少数据才会开始。Intermediate 操作永远是惰性化的。
并行能力。当一个 Stream 是并行化的，就不需要再写多线程代码，所有对它的操作会自动并行进行的。
可以是无限的：集合有固定大小，Stream 则不必。limit(n) 和 findFirst() 这类的 short-circuiting 操作可以对无限的 Stream 进行运算并很快完成。
注意事项：所有 Stream 的操作必须以 lambda 表达式为参数。
Stream 流操作类型：
Intermediate：一个流可以后面跟随零个或多个 intermediate 操作。其目的主要是打开流，做出某种程度的数据映射/过滤，然后返回一个新的流，交给下一个操作使用。这类操作都是惰性化的（lazy），就是说，仅仅调用到这类方法，并没有真正开始流的遍历。
Terminal：一个流只能有一个 terminal 操作，当这个操作执行后，流就被使用“光”了，无法再被操作。所以这必定是流的最后一个操作。Terminal操作的执行，才会真正开始流的遍历，并且会生成一个结果，或者一个 side effect。
Stream使用
这里我们依旧使用一个简单示例来看看吧。在开发中，我们有时需要对一些数据进行过滤，如果是传统的方式，我们需要对这批数据进行遍历过滤，会显得比较繁琐，如果使用steam流方式的话，那么可以很方便的进行处理。
首先通过普通的方式进行过滤:
List list = Arrays.asList(“张三”, “李四”, “王五”, “xuwujing”);
System.out.println(“过滤之前:” + list);
List result = new ArrayList<>();
for (String str : list) {
if (!“李四”.equals(str)) {
result.add(str);
}
}
System.out.println(“过滤之后:” + result);
使用Steam方式进行过滤：
List result2 = list.stream().filter(str -> !“李四”.equals(str)).collect(Collectors.toList());
System.out.println(“stream 过滤之后:” + result2);
输出结果:
过滤之前:[张三, 李四, 王五, xuwujing]
过滤之后:[张三, 王五, xuwujing]
stream 过滤之后:[张三, 王五, xuwujing]
是不是很简洁和方便呢。其实Stream流还有更多的使用方法，filter只是其中的一角而已。那么在这里我们就来学习了解下这些用法吧。
1.构造Stream流的方式
Stream stream = Stream.of(“a”, “b”, “c”);
String[] strArray = new String[] { “a”, “b”, “c” };
stream = Stream.of(strArray);
stream = Arrays.stream(strArray);
List list = Arrays.asList(strArray);
stream = list.stream();
2.Stream流的之间的转换
注意:一个Stream流只可以使用一次，这段代码为了简洁而重复使用了数次，因此会抛出 stream has already been operated upon or closed 异常。
try {
Stream stream2 = Stream.of(“a”, “b”, “c”);
// 转换成 Array
String[] strArray1 = stream2.toArray(String[]::new);

// 转换成 Collection
List list1 = stream2.collect(Collectors.toList());
List list2 = stream2.collect(Collectors.toCollection(ArrayList::new));
Set set1 = stream2.collect(Collectors.toSet());
Stack stack1 = stream2.collect(Collectors.toCollection(Stack::new));

// 转换成 String
String str = stream.collect(Collectors.joining()).toString();
} catch (Exception e) {
e.printStackTrace();
}
3.Stream流的map使用
map方法用于映射每个元素到对应的结果，一对一。
示例一：转换大写
List list3 = Arrays.asList(“zhangSan”, “liSi”, “wangWu”);
System.out.println(“转换之前的数据:” + list3);
List list4 = list3.stream().map(String::toUpperCase).collect(Collectors.toList());
System.out.println(“转换之后的数据:” + list4);
// 转换之后的数据:[ZHANGSAN, LISI,WANGWU]
示例二：转换数据类型
List list31 = Arrays.asList(“1”, “2”, “3”);
System.out.println(“转换之前的数据:” + list31);
List list41 = list31.stream().map(Integer::valueOf).collect(Collectors.toList());
System.out.println(“转换之后的数据:” + list41);
// [1, 2, 3]
示例三：获取平方
List list5 = Arrays.asList(new Integer[] { 1, 2, 3, 4, 5 });
List list6 = list5.stream().map(n -> n * n).collect(Collectors.toList());
System.out.println(“平方的数据:” + list6);
// [1, 4, 9, 16, 25]
4.Stream流的filter使用
filter方法用于通过设置的条件过滤出元素。
示例二：通过与 findAny 得到 if/else 的值
List list = Arrays.asList(“张三”, “李四”, “王五”, “xuwujing”);
String result3 = list.stream().filter(str -> “李四”.equals(str)).findAny().orElse(“找不到!”);
String result4 = list.stream().filter(str -> “李二”.equals(str)).findAny().orElse(“找不到!”);

System.out.println(“stream 过滤之后 2:” + result3);
System.out.println(“stream 过滤之后 3:” + result4);
//stream 过滤之后 2:李四
//stream 过滤之后 3:找不到!
示例三：通过与 mapToInt 计算和
List lists = new ArrayList();
lists.add(new User(6, “张三”));
lists.add(new User(2, “李四”));
lists.add(new User(3, “王五”));
lists.add(new User(1, “张三”));
// 计算这个list中出现 “张三” id的值
int sum = lists.stream().filter(u -> “张三”.equals(u.getName())).mapToInt(u -> u.getId()).sum();

System.out.println(“计算结果:” + sum);
// 7
5.Stream流的flatMap使用
flatMap 方法用于映射每个元素到对应的结果，一对多。
示例:从句子中得到单词
String worlds = “The way of the future”;
List list7 = new ArrayList<>();
list7.add(worlds);
List list8 = list7.stream().flatMap(str -> Stream.of(str.split(" ")))
.filter(world -> world.length() > 0).collect(Collectors.toList());
System.out.println(“单词:”);
list8.forEach(System.out::println);
// 单词:
// The
// way
// of
// the
// future
6.Stream流的limit使用
limit 方法用于获取指定数量的流。
示例一：获取前n条数的数据
Random rd = new Random();
System.out.println(“取到的前三条数据:”);
rd.ints().limit(3).forEach(System.out::println);
// 取到的前三条数据:
// 1167267754
// -1164558977
// 1977868798
示例二：结合skip使用得到需要的数据
skip表示的是扔掉前n个元素。
List list9 = new ArrayList();
for (int i = 1; i < 4; i++) {
User user = new User(i, “pancm” + i);
list9.add(user);
}
System.out.println(“截取之前的数据:”);
// 取前3条数据，但是扔掉了前面的2条，可以理解为拿到的数据为 2<=i<3 (i 是数值下标)
List list10 = list9.stream().map(User::getName).limit(3).skip(2).collect(Collectors.toList());
System.out.println(“截取之后的数据:” + list10);
// 截取之前的数据:
// 姓名:pancm1
// 姓名:pancm2
// 姓名:pancm3
// 截取之后的数据:[pancm3]
注:User实体类中 getName 方法会打印姓名。
7.Stream流的sort使用
sorted方法用于对流进行升序排序。
示例一：随机取值排序
Random rd2 = new Random();
System.out.println(“取到的前三条数据然后进行排序:”);
rd2.ints().limit(3).sorted().forEach(System.out::println);
// 取到的前三条数据然后进行排序:
// -2043456377
// -1778595703
// 1013369565
示例二：优化排序
tips:先获取在排序效率会更高!
//普通的排序取值
List list11 = list9.stream().sorted((u1, u2) -> u1.getName().compareTo(u2.getName())).limit(3)
.collect(Collectors.toList());
System.out.println(“排序之后的数据:” + list11);
//优化排序取值
List list12 = list9.stream().limit(3).sorted((u1, u2) -> u1.getName().compareTo(u2.getName()))
.collect(Collectors.toList());
System.out.println(“优化排序之后的数据:” + list12);
//排序之后的数据:[{“id”:1,“name”:“pancm1”}, {“id”:2,“name”:“pancm2”}, {“id”:3,“name”:“pancm3”}]
//优化排序之后的数据:[{“id”:1,“name”:“pancm1”}, {“id”:2,“name”:“pancm2”}, {“id”:3,“name”:“pancm3”}]
8.Stream流的peek使用
peek对每个元素执行操作并返回一个新的Stream
示例:双重操作
System.out.println(“peek使用:”);
Stream.of(“one”, “two”, “three”, “four”).filter(e -> e.length() > 3).peek(e -> System.out.println("转换之前: " + e))
.map(String::toUpperCase).peek(e -> System.out.println("转换之后: " + e)).collect(Collectors.toList());

// 转换之前: three
// 转换之后: THREE
// 转换之前: four
// 转换之后: FOUR
9.Stream流的parallel使用
parallelStream 是流并行处理程序的代替方法。
示例:获取空字符串的数量
List strings = Arrays.asList(“a”, “”, “c”, “”, “e”,"", " “);
// 获取空字符串的数量
long count = strings.parallelStream().filter(string -> string.isEmpty()).count();
System.out.println(“空字符串的个数:”+count);
10.Stream流的max/min/distinct使用
示例一：得到最大最小值
List list13 = Arrays.asList(“zhangsan”,“lisi”,“wangwu”,“xuwujing”);
int maxLines = list13.stream().mapToInt(String::length).max().getAsInt();
int minLines = list13.stream().mapToInt(String::length).min().getAsInt();
System.out.println(“最长字符的长度:” + maxLines+”,最短字符的长度:"+minLines);
//最长字符的长度:8,最短字符的长度:4
示例二：得到去重之后的数据
String lines = “good good study day day up”;
List list14 = new ArrayList();
list14.add(lines);
List words = list14.stream().flatMap(line -> Stream.of(line.split(" “))).filter(word -> word.length() > 0)
.map(String::toLowerCase).distinct().sorted().collect(Collectors.toList());
System.out.println(“去重复之后:” + words);
//去重复之后:[day, good, study, up]
11.Stream流的Match使用
allMatch：Stream 中全部元素符合则返回 true ;
anyMatch：Stream 中只要有一个元素符合则返回 true;
noneMatch：Stream 中没有一个元素符合则返回 true。
示例:数据是否符合
boolean all = lists.stream().allMatch(u -> u.getId() > 3);
System.out.println(“是否都大于3:” + all);
boolean any = lists.stream().anyMatch(u -> u.getId() > 3);
System.out.println(“是否有一个大于3:” + any);
boolean none = lists.stream().noneMatch(u -> u.getId() > 3);
System.out.println(“是否没有一个大于3的:” + none);
// 是否都大于3:false
// 是否有一个大于3:true
// 是否没有一个大于3的:false
12.Stream流的reduce使用
reduce 主要作用是把 Stream 元素组合起来进行操作。
示例一：字符串连接
String concat = Stream.of(“A”, “B”, “C”, “D”).reduce(”", String::concat);
System.out.println(“字符串拼接:” + concat);
示例二：得到最小值
double minValue = Stream.of(-4.0, 1.0, 3.0, -2.0).reduce(Double.MAX_VALUE, Double::min);
System.out.println(“最小值:” + minValue);
//最小值:-4.0
示例三：求和
// 求和, 无起始值
int sumValue = Stream.of(1, 2, 3, 4).reduce(Integer::sum).get();
System.out.println(“有无起始值求和:” + sumValue);
// 求和, 有起始值
sumValue = Stream.of(1, 2, 3, 4).reduce(1, Integer::sum);
System.out.println(“有起始值求和:” + sumValue);
// 有无起始值求和:10
// 有起始值求和:11
示例四：过滤拼接
concat = Stream.of(“a”, “B”, “c”, “D”, “e”, “F”).filter(x -> x.compareTo(“Z”) > 0).reduce("", String::concat);
System.out.println(“过滤和字符串连接:” + concat);
//过滤和字符串连接:ace
13.Stream流的iterate使用
iterate 跟 reduce 操作很像，接受一个种子值，和一个UnaryOperator（例如 f）。然后种子值成为 Stream 的第一个元素，f(seed) 为第二个，f(f(seed)) 第三个，以此类推。在 iterate 时候管道必须有 limit 这样的操作来限制 Stream 大小。
示例:生成一个等差队列
System.out.println(“从2开始生成一个等差队列:”);
Stream.iterate(2, n -> n + 2).limit(5).forEach(x -> System.out.print(x + " "));
// 从2开始生成一个等差队列:
// 2 4 6 8 10
14.Stream流的Supplier使用
通过实现Supplier类的方法可以自定义流计算规则。
示例：随机获取两条用户信息
System.out.println(“自定义一个流进行计算输出:”);
Stream.generate(new UserSupplier()).limit(2).forEach(u -> System.out.println(u.getId() + ", " + u.getName()));

//第一次:
//自定义一个流进行计算输出:
//10, pancm7
//11, pancm6

//第二次:
//自定义一个流进行计算输出:
//10, pancm4
//11, pancm2

//第三次:
//自定义一个流进行计算输出:
//10, pancm4
//11, pancm8

class UserSupplier implements Supplier {
private int index = 10;
private Random random = new Random();

@Override
public User get() {
return new User(index++, “pancm” + random.nextInt(10));
}
}
15.Stream流的groupingBy/partitioningBy使用
groupingBy：分组排序；
partitioningBy：分区排序。
示例一：分组排序
System.out.println(“通过id进行分组排序:”);
Map<Integer, List> personGroups = Stream.generate(new UserSupplier2()).limit(5)
.collect(Collectors.groupingBy(User::getId));
Iterator it = personGroups.entrySet().iterator();
while (it.hasNext()) {
Map.Entry<Integer, List> persons = (Map.Entry) it.next();
System.out.println("id " + persons.getKey() + " = " + persons.getValue());
}

// 通过id进行分组排序:
// id 10 = [{“id”:10,“name”:“pancm1”}]
// id 11 = [{“id”:11,“name”:“pancm3”}, {“id”:11,“name”:“pancm6”}, {“id”:11,“name”:“pancm4”}, {“id”:11,“name”:“pancm7”}]

class UserSupplier2 implements Supplier {
private int index = 10;
private Random random = new Random();

@Override
public User get() {
return new User(index % 2 == 0 ? index++ : index, “pancm” + random.nextInt(10));
}
}
示例二：分区排序
System.out.println(“通过年龄进行分区排序:”);
Map<Boolean, List> children = Stream.generate(new UserSupplier3()).limit(5)
.collect(Collectors.partitioningBy(p -> p.getId() < 18));

System.out.println("小孩: " + children.get(true));
System.out.println("成年人: " + children.get(false));

// 通过年龄进行分区排序:
// 小孩: [{“id”:16,“name”:“pancm7”}, {“id”:17,“name”:“pancm2”}]
// 成年人: [{“id”:18,“name”:“pancm4”}, {“id”:19,“name”:“pancm9”}, {“id”:20,“name”:“pancm6”}]

class UserSupplier3 implements Supplier {
private int index = 16;
private Random random = new Random();

@Override
public User get() {
return new User(index++, “pancm” + random.nextInt(10));
}
}
16.Stream流的summaryStatistics使用
IntSummaryStatistics 用于收集统计信息(如count、min、max、sum和average)的状态对象。
示例:得到最大、最小、之和以及平均数。
List numbers = Arrays.asList(1, 5, 7, 3, 9);
IntSummaryStatistics stats = numbers.stream().mapToInt((x) -> x).summaryStatistics();

System.out.println("列表中最大的数 : " + stats.getMax());
System.out.println("列表中最小的数 : " + stats.getMin());
System.out.println("所有数之和 : " + stats.getSum());
System.out.println("平均数 : " + stats.getAverage());

// 列表中最大的数 : 9
// 列表中最小的数 : 1
// 所有数之和 : 25
// 平均数 : 5.0

JDK1.8 stream详解（转）相关推荐

JDK1.8中的Stream详解
Stream简介 Stream 作为 Java 8 的一大亮点,它与 java.io 包里的 InputStream 和 OutputStream 是完全不同的概念.它也不同于 StAX 对 XML ...
java.util.stream.Stream详解
Stream(流)是一个支持顺序和平行聚合操作的元素序列,和java.util.List类似,是jdk1.8的新特性.可以看出Stream还有几个兄弟类IntStream.LongStream和Dou ...
jav1.8 Stream详解
1. Stream初体验我们先来看看Java里面是怎么定义Stream的: A sequence of elements supporting sequential and parallel agg ...
Java8 Stream详解~ 提取/组合
流也可以进行合并.去重.限制.跳过等操作. public class StreamTest {public static void main(String[] args) {String[] arr1 ...
Java8 Stream详解~排序：sorted
sorted,中间操作.有两种排序: sorted():自然排序,流中元素需实现Comparable接口 sorted(Comparator com):Comparator排序器自定义排序「案例:将 ...
Java8 Stream详解~收集(collect)
collect,收集,可以说是内容最繁多.功能最丰富的部分了.从字面上去理解,就是把一个流收集起来,最终可以是收集成一个值也可以收集成一个新的集合. 1 归集(toList/toSet/toMap) ...
Java8 Stream详解~归约(reduce)
归约,也称缩减,顾名思义,是把一个流缩减成一个值,能实现对集合求和.求乘积和求最值操作. 「案例一:求Integer集合的元素之和.乘积和最大值.」 public class StreamTest { ...
Java8 Stream详解~映射(map/flatMap)
映射,可以将一个流的元素按照一定的映射规则映射到另一个流中.分为map和flatMap: map:接收一个函数作为参数,该函数会被应用到每个元素上,并将其映射成一个新的元素. flatMap:接收一个 ...
Java8 Stream详解~聚合（max/min/count)
max.min.count这些字眼你一定不陌生,没错,在mysql中我们常用它们进行数据统计.Java stream中也引入了这些概念和用法,极大地方便了我们对集合.数组的数据统计工作. 「案例一:获 ...

JDK1.8 stream详解（转）

JDK1.8 stream详解（转）相关推荐

最新文章

热门文章