Java的Stream流如何使用


这篇文章主要介绍“Java的Stream流如何使用”的相关知识，小编通过实际案例向大家展示操作过程，操作方法简单快捷，实用性强，希望这篇“Java的Stream流如何使用”文章能帮助大家解决问题。

简介

说明

JDK8新增了Stream（流操作） 处理集合的数据，可执行查找、过滤和映射数据等操作。

使用Stream API 对集合数据进行操作，就类似于使用 SQL 执行的数据库查询。可以使用 Stream API 来并行执行操作。

简而言之，Stream API 提供了一种高效且易于使用的处理数据的方式。

特点

不是数据结构，不会保存数据。

大部分不修改原来的数据源，它会将操作后的数据保存到另外一个对象中。

peek方法可以修改流中元素

惰性求值，流在中间处理过程中，只对操作进行记录，不会立即执行，需等到执行终止操作的时候才会进行实际的计算。

Stream操作步骤

创建Stream=> 转换Stream（中间操作）=> 产生结果（终止操作）

注意：这只是一般操作。实际编程时，创建必须有，而中间操作与终止操作是可选的。

操作分类

无状态：指元素的处理不受之前元素的影响；

有状态：指该操作只有拿到所有元素之后才能继续下去。

非短路操作：指必须处理所有元素才能得到最终结果；

短路操作：指遇到某些符合条件的元素就可以得到最终结果，如 A || B，只要A为true，则无需判断B的结果。

本文的公共代码

classUser{privateStringname;privateIntegerage;publicUser(Stringname,Integerage){this.name=name;this.age=age;}publicStringgetName(){returnname;}publicvoidsetName(Stringname){this.name=name;}publicIntegergetAge(){returnage;}publicvoidsetAge(Integerage){this.age=age;}@OverridepublicStringtoString(){return"User{"+"name='"+name+'\''+",age="+age+'}';}}

操作1：创建流

Collection下的 stream() 和 parallelStream() 方法

List<String>list=newArrayList<>();Stream<String>stream=list.stream();//串行流Stream<String>parallelStream=list.parallelStream();//并行流

Arrays 中的 stream() 方法，将数组转成流

Integer[]nums=newInteger[10];Stream<Integer>stream=Arrays.stream(nums);

Stream中的静态方法：of()、iterate()、generate()

Stream<Integer>stream=Stream.of(1,2,3,4,5,6);stream.forEach(System.out::println);//输出：123456Stream<Integer>stream2=Stream.iterate(0,(x)->x+2).limit(6);stream2.forEach(System.out::println);//输出：0246810Stream<Double>stream3=Stream.generate(Math::random).limit(2);stream3.forEach(System.out::println);//输出：两个随机数

BufferedReader.lines() 方法，将每行内容转成流

BufferedReaderreader=newBufferedReader(newFileReader("F:\\test_stream.txt"));Stream<String>lineStream=reader.lines();lineStream.forEach(System.out::println);

Pattern.splitAsStream() 方法，将字符串分隔成流

Patternpattern=Patternpile(",");Stream<String>stringStream=pattern.splitAsStream("a,b,c,d");stringStream.forEach(System.out::println);//输出：abcd

操作2：中间操作

筛选（过滤）、去重

方法

方法说明
filter过滤流中的某些元素（只保留返回值为true的项）
limit(n)获取前n个元素
skip(n)跳过前n个元素，配合limit(n)可实现分页
distinct通过流中元素的 hashCode() 和 equals() 去除重复元素

单个元素筛选（过滤）、去重、跳过、获取前n个

List<Integer>list=newArrayList<>(Arrays.asList(6,4,6,7,3,9,8,10,12,14,14));List<Integer>newList=list.stream().filter(s->s>5)//6679810121414.distinct()//6798101214.skip(2)//98101214.limit(2)//98.collect(Collectors.toList());

根据对象属性去重

List<User>list=newArrayList<User>(){{add(newUser("Tony",20,"12"));add(newUser("Pepper",20,"123"));add(newUser("Tony",22,"1234"));add(newUser("Tony",22,"12345"));}};//只通过名字去重List<User>streamByNameList=list.stream().collect(Collectors.collectingAndThen(Collectors.toCollection(()->newTreeSet<>paratorparing(User::getName))),ArrayList::new));System.out.println(streamByNameList);//[User{name='Pepper',age=20,Phone='123'},//User{name='Tony',age=20,Phone='12'}]//通过名字和年龄去重List<User>streamByNameAndAgeList=list.stream().collect(Collectors.collectingAndThen(Collectors.toCollection(()->newTreeSet<>paratorparing(o->o.getName()+o.getAge()))),ArrayList::new));System.out.println(streamByNameAndAgeList);//[User{name='Pepper',age=20,Phone='123'},//User{name='Tony',age=20,Phone='12'},//User{name='Tony',age=22,Phone='1234'}]

collectingAndThen 这个方法的意思是: 将收集的结果转换为另一种类型。

因此上面的方法可以理解为：把 new TreeSet<>paratorparingLong(BookInfoVo::getRecordId))这个set转换为 ArrayList。

映射

方法

方法说明
map函数作为参数，该函数被应用到每个元素，并将其映射成一个新的元素。新值类型可以和原来的元素的类型不同。
flatMap函数作为参数，将流中每个值换成另一个流，再把所有流连成一个流。 新值类型可以和原来的元素的类型不同。
mapToInt/Long/Double跟map差不多。只是将其转为基本类型。
flatMapToInt/Long/Double跟flatMap差不多。只是将其转为基本类型。

新值类型和原来的元素的类型相同示例

List<String>list=Arrays.asList("a,b,c","1,2,3");//将每个元素转成一个新的且不带逗号的元素Stream<String>s1=list.stream().map(s->s.replaceAll(",",""));s1.forEach(System.out::println);//abc123Stream<String>s2=list.stream().flatMap(s->{//将每个元素转换成一个streamString[]split=s.split(",");Stream<String>s3=Arrays.stream(split);returns3;});s2.forEach(System.out::println);//abc123

新值类型和原来的元素的类型不同示例

Useru1=newUser("aa",10);Useru2=newUser("bb",20);Useru3=newUser("cc",10);List<User>list=Arrays.asList(u1,u2,u3);Set<Integer>ageSet=list.stream().map(User::getAge).collect(Collectors.toSet());ageSet.forEach(System.out::println);//2010int[]ageInt=list.stream().map(User::getAge).mapToInt(Integer::intValue).toArray();//下边这样也可以//Integer[]ages=list.stream.map(User::getAge).toArray(Integer[]::new);for(inti:ageInt){System.out.println(i);}//102010

map的原型为：<R> Stream<R> map(Function<? super T, ? extends R> mapper);

上边例子中，将Student::getAge作为参数，其实际为：<R> Stream<Integer> map(Function<? super Student, ? extends Integer> mapper);

排序

方法

方法说明
sorted()自然排序，流中元素需实parable接口。
例：list.stream().sorted()
sortedparator)定制排序。常用以下几种：
list.stream().sortedparator.reverseOrder())
list.stream().sortedparatorparing(Student::getAge))
list.stream().sortedparatorparing(Student::getAge).reversed())

示例

List<String>list=Arrays.asList("aa","ff","dd");//String类自身已实parable接口list.stream().sorted().forEach(System.out::println);System.out.println("------------------------------------");Useru1=newUser("dd",40);Useru2=newUser("bb",20);Useru3=newUser("aa",20);Useru4=newUser("aa",30);List<User>userList=Arrays.asList(u1,u2,u3,u4);//按年龄升序userList.stream().sortedparatorparing(User::getAge)).forEach(System.out::println);System.out.println("------------------------------------");//先按年龄升序，年龄相同则按姓名升序userList.stream().sorted((o1,o2)->{if(o1.getAge().equals(o2.getAge())){returno1.getName()pareTo(o2.getName());}else{returno1.getAge()pareTo(o2.getAge());}}).forEach(System.out::println);

结果

aa
dd
ff
------------------------------------
User{name='bb', age=20}
User{name='aa', age=20}
User{name='aa', age=30}
User{name='dd', age=40}
------------------------------------
User{name='aa', age=20}
User{name='bb', age=20}
User{name='aa', age=30}
User{name='dd', age=40}

消费

方法

方法说明
peek类似于map，能得到流中的每一个元素。
但map接收的是一个Function表达式，有返回值；
而peek接收的是Consumer表达式，没有返回值。

示例

Useru1=newUser("dd",40);Useru2=newUser("bb",20);Useru3=newUser("aa",20);Useru4=newUser("aa",30);List<User>list=Arrays.asList(u1,u2,u3,u4);List<User>list1=list.stream().peek(o->o.setAge(100)).collect(Collectors.toList());System.out.println(list1);

结果：

[User{name='dd', age=100}, User{name='bb', age=100}, User{name='aa', age=100}, User{name='aa', age=100}]

操作3：终止操作

匹配、最值、个数

方法

方法说明
allMatch接收一个 Predicate 函数，当流中每个元素都符合该断言时才返回true，否则返回false
noneMatch接收一个 Predicate 函数，当流中每个元素都不符合该断言时才返回true，否则返回false
anyMatch接收一个 Predicate 函数，只要流中有一个元素满足该断言则返回true，否则返回false
findFirst返回流中第一个元素
findAny返回流中的任意元素
count返回流中元素的总个数
max返回流中元素最大值
min返回流中元素最小值

实例1：单个类型

List<Integer>list=Arrays.asList(1,2,3,4,5);//匹配booleanallMatch=list.stream().allMatch(e->e>10);//falsebooleannoneMatch=list.stream().noneMatch(e->e>10);//truebooleananyMatch=list.stream().anyMatch(e->e>4);//true//获取第一个/第任意个IntegerfindFirst=list.stream().findFirst().get();//1IntegerfindAny=list.stream().findAny().get();//1//计数、最大值、最小值longcount=list.stream().count();//5Integermax=list.stream().max(Integer:pareTo).get();//5Integermin=list.stream().min(Integer:pareTo).get();//1

实例2：获取对象中的字段的最值

Useru1=newUser("dd",40);Useru2=newUser("bb",20);Useru3=newUser("aa",20);Useru4=newUser("aa",30);List<User>list=Arrays.asList(u1,u2,u3,u4);//获取最小年龄的用户。Useruser1=list.stream().minparatorparing(User::getAge)).get();System.out.println(user1);System.out.println("------------------------------------");//获取先按姓名升序，姓名相同则按年龄升序。然后获取最小的那个（第一个）Useruser=list.stream().min((o1,o2)->{if(o1.getAge().equals(o2.getAge())){returno1.getName()pareTo(o2.getName());}else{returno1.getAge()pareTo(o2.getAge());}}).get();System.out.println(user);

结果

User{name='bb', age=20}
------------------------------------
User{name='aa', age=20}

收集

方法

方法说明
collect接收一个Collector实例，将流中元素收集成另外一个数据结构。

Collector实例一般由Collectors的静态方法取得。例如：Collectors.toList()

公共代码

Useru1=newUser("dd",40);Useru2=newUser("bb",20);Useru3=newUser("aa",20);Useru4=newUser("aa",30);List<User>list=Arrays.asList(u1,u2,u3,u4);

转换

字符串分隔符连接

StringjoinName=list.stream().map(User::getName).collect(Collectors.joining(",","(",")"));System.out.println(joinName);//(dd,bb,aa,aa)

转成list

List<Integer>ageList=list.stream().map(User::getAge).collect(Collectors.toList());System.out.println(ageList);//[40,20,20,30]

转成set

Set<Integer>ageSet=list.stream().map(User::getAge).collect(Collectors.toSet());System.out.println(ageSet);//[20,40,30]

转成map（注：key不能相同，否则报错）

Users1=newUser("dd",40);Users2=newUser("bb",20);Users3=newUser("aa",20);List<User>list=Arrays.asList(s1,s2,s3);Map<String,Integer>ageMap=list.stream().collect(Collectors.toMap(User::getName,User::getAge));System.out.println(ageMap);//{aa=20,bb=20,dd=40}

本处我将重复的名字给去掉了一个，因为如果key有重复的会报错。

三个参数的map

第一个参数就是用来生成key值的，第二个参数就是用来生成value值的。

第三个参数用在key值冲突的情况下：若新元素产生的key在Map中已经出现过了，第三个参数就会定义解决的办法。

Useru1=newUser("aa",10);Useru2=newUser("bb",20);Useru3=newUser("cc",10);Useru4=newUser("bb",30);List<User>list=newArrayList<>(Arrays.asList(u1,u2,u3,u4));Map<String,List<User>>listMap=list.stream().collect(Collectors.toMap(User::getName,o->{List<User>list1=newArrayList<>();list1.add(o);returnlist1;},(r1,r2)->{r1.addAll(r2);returnr1;}));System.out.println(listMap);

结果

{aa=[User{name='aa', age=20}, User{name='aa', age=30}], bb=[User{name='bb', age=20}], dd=[User{name='dd', age=40}]}

聚合

聚合（总数、平均值、最大最小值等）

//1.用户总数Longcount=list.stream().collect(Collectors.counting());System.out.println(count);//4//2.最大年龄(最小的minBy同理)IntegermaxAge=list.stream().map(User::getAge).collect(Collectors.maxBy(Integer:pare)).get();System.out.println(maxAge);//40//3.所有人的年龄IntegersumAge=list.stream().collect(Collectors.summingInt(User::getAge));System.out.println(sumAge);//110//4.平均年龄DoubleaverageAge=list.stream().collect(Collectors.averagingDouble(User::getAge));System.out.println(averageAge);//27.5//统计上边所有数据DoubleSummaryStatisticsstat=list.stream().collect(Collectors.summarizingDouble(User::getAge));System.out.println("count:"+stat.getCount()+"max:"+stat.getMax()+"sum:"+stat.getSum()+"average:"+stat.getAverage());//count:4max:40.0sum:110.0average:27.5

分组

//根据年龄分组Map<Integer,List<User>>listMap=list.stream().collect(Collectors.groupingBy(User::getAge));for(Map.Entry<Integer,List<User>>entry:listMap.entrySet()){System.out.println(entry.getKey()+"-->"+entry.getValue());}//20-->[User{name='bb',age=20},User{name='aa',age=20}]//40-->[User{name='dd',age=40}]//30-->[User{name='aa',age=30}]

多重分组

//先根据年龄分再根据Map<Integer,Map<String,List<User>>>ageNameMap=list.stream().collect(Collectors.groupingBy(User::getAge,Collectors.groupingBy(User::getName)));for(Map.Entry<Integer,Map<String,List<User>>>entry:ageNameMap.entrySet()){System.out.println(entry.getKey()+"-->"+entry.getValue());}//20-->{aa=[User{name='aa',age=20}],bb=[User{name='bb',age=20}]}//40-->{dd=[User{name='dd',age=40}]}//30-->{aa=[User{name='aa',age=30}]}

分区

特殊的分组，分为true和false两组

//分成两部分，一部分大于10岁，一部分小于等于10岁Map<Boolean,List<User>>partMap=list.stream().collect(Collectors.partitioningBy(v->v.getAge()>20));for(Map.Entry<Boolean,List<User>>entry:partMap.entrySet()){System.out.println(entry.getKey()+"-->"+entry.getValue());}//false-->[User{name='bb',age=20},User{name='aa',age=20}]//true-->[User{name='dd',age=40},User{name='aa',age=30}]

总结

Collector<T, A, R> 是一个接口，有以下5个抽象方法：

1.Supplier<A> supplier()：创建一个结果容器A

2.BiConsumer<A, T> accumulator()：消费型接口，第一个参数为容器A，第二个参数为流中元素T。

3.BinaryOperator<A>biner()：函数接口，该参数的作用跟上一个方法(reduce)中biner参数一样，将并行流中各个子进程的运行结果(accumulator函数操作后的容器A)进行合并。

4.Function<A, R> finisher()：函数式接口，参数为：容器A，返回类型为：collect方法最终想要的结果R。

5.Set<Characteristics> characteristics()：返回一个不可变的Set集合，表明该Collector的特征。有以下三个特征：

  • CONCURRENT：表示此收集器支持并发。（官方文档还有其他描述，暂时没去探索，故不作过多翻译）

  • UNORDERED：表示该收集操作不会保留流中元素原有的顺序。

  • IDENTITY_FINISH：表示finisher参数只是标识而已，可忽略。

注：如果对以上函数接口不太理解的话，可参考:Java中Lambda表达式的使用详细教程

Collectors.toList() 解析

//toList源码publicstatic<T>Collector<T,?,List<T>>toList(){returnnewCollectorImpl<>((Supplier<List<T>>)ArrayList::new,List::add,(left,right)->{left.addAll(right);returnleft;},CH_ID);}//为了更好地理解，我们转化一下源码中的lambda表达式public<T>Collector<T,?,List<T>>toList(){Supplier<List<T>>supplier=()->newArrayList();BiConsumer<List<T>,T>accumulator=(list,t)->list.add(t);BinaryOperator<List<T>>&nbspbiner=(list1,list2)->{list1.addAll(list2);returnlist1;};Function<List<T>,List<T>>finisher=(list)->list;Set<Collector.Characteristics>characteristics=Collections.unmodifiableSet(EnumSet.of(Collector.Characteristics.IDENTITY_FINISH));returnnewCollector<T,List<T>,List<T>>(){@OverridepublicSuppliersupplier(){returnsupplier;}@OverridepublicBiConsumeraccumulator(){returnaccumulator;}@OverridepublicBinaryOperator&nbspbiner(){return&nbspbiner;}@OverridepublicFunctionfinisher(){returnfinisher;}@OverridepublicSet<Characteristics>characteristics(){returncharacteristics;}};}

规约

方法

方法说明
Optional<T> reduce(BinaryOperator<T> accumulator)第一次执行时，accumulator函数的第一个参数为流中的第一个元素，第二个参数为流中元素的第二个元素；
第二次执行时，第一个参数为第一次函数执行的结果，第二个参数为流中的第三个元素；
依次类推。
T reduce(T identity, BinaryOperator<T> accumulator)流程跟上面一样，只是第一次执行时，accumulator函数的第一个参数为identity，而第二个参数为流中的第一个元素。
<U> U reduce(U identity,BiFunction<U, ? super T, U> accumulator,BinaryOperator<U>biner)在串行流(stream)中，该方法跟第二个方法一样，即第三个参biner不会起作用。在并行流(parallelStream)中,我们知道流被fork join出多个线程进行执行，此时每个线程的执行流程就跟第二个方法reduce(identity,accumulator)一样，而第三个参biner函数，则是将每个线程的执行结果当成一个新的流，然后使用第一个方法reduce(accumulator)流程进行规约。

示例

List<Integer>list=Arrays.asList(1,2,3,4,5);Integerv=list.stream().reduce((x1,x2)->x1+x2).get();System.out.println(v);//15Integerv0=list.stream().reduce((x1,x2)->x1+x2).get();System.out.println(v0);//15Integerv1=list.stream().reduce(10,(x1,x2)->x1+x2);System.out.println(v1);//25Integerv2=list.stream().reduce(0,(x1,x2)->{System.out.println("streamaccumulator:x1:"+x1+"x2:"+x2);returnx1-x2;},(x1,x2)->{System.out.println("stream&nbspbiner:x1:"+x1+"x2:"+x2);returnx1*x2;});System.out.println(v2);//-15Integerv3=list.parallelStream().reduce(0,(x1,x2)->{System.out.println("parallelStreamaccumulator:x1:"+x1+"x2:"+x2);returnx1-x2;},(x1,x2)->{System.out.println("parallelStream&nbspbiner:x1:"+x1+"x2:"+x2);returnx1*x2;});System.out.println(v3);//-120

打印结果为：

15
15
25
stream accumulator: x1:0 x2:1
stream accumulator: x1:-1 x2:2
stream accumulator: x1:-3 x2:3
stream accumulator: x1:-6 x2:4
stream accumulator: x1:-10 x2:5
-15
parallelStream accumulator: x1:0 x2:3
parallelStream accumulator: x1:0 x2:5
parallelStream accumulator: x1:0 x2:4
parallelStreambiner: x1:-4 x2:-5
parallelStream accumulator: x1:0 x2:2
parallelStream accumulator: x1:0 x2:1
parallelStreambiner: x1:-3 x2:20
parallelStreambiner: x1:-1 x2:-2
parallelStreambiner: x1:2 x2:-60
-120

关于“Java的Stream流如何使用”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识，可以关注主机评测网行业资讯频道，小编每天都会为大家更新不同的知识点。


上一篇：Docker镜像与容器的工作原理是什么

下一篇：JavaScript如何实现cookie的操作

输入法切换键是哪个键？输入法切 冬月是哪一个月？冬月是什么意思 个人所得税退税金额怎么算出来的 输入法全角和半角有什么区别？输 a4纸尺寸是多少厘米？a4纸的由来 个人所得税扣除标准？个人所得税 输入法哪个好用？输入法介绍 卡拉OK是哪个国家发明的？卡拉OK mikutools原神网页版入口链接？m 关机特别慢什么原因？电脑和手机
Copyright © 2002-2019 测速网 https://www.inhv.cn/ 皖ICP备2023010105号 城市 地区 街道
温馨提示：部分文章图片数据来源与网络，仅供参考！版权归原作者所有，如有侵权请联系删除！
热门搜索