Java8 Stream
斜月 人气:01 前言
Stream 是 java8 中处理集合的抽象概念,可以执行非常复杂的查询、过滤和映射数据等操作。Stream API 提供了一种高效的处理数据方式,Stream 对集合数据的操作可以说是非常的方便。Stream 是流,不是一种数据结构,也不会保存数据,只是一种数据处理方式,从一种数据组织结构到另外一种数据结构。
2 Stream 的分类
按照 Stream 的,可以分为以下集中方式:
- 1 中间操作无状态,指元素的处理不受之前元素的影响。
- 2 中间操作有状态,等到获取所有元素之后才能继续进行处理。
- 3 最终操作非短路操作,必须处理所有元素后才能得到最终结果。
- 4 最终操作短路操作,当遇到符合条件的元素就可以拿到最终结果。
3 Stream 的操作
3.1 创建流的方式
关于流的创建方式,可以使用数组或者集合,流的形式分为顺序流和并行流。
具体如下所示:
// 数组形式获取流 String[] dataArrs = new String[10]; Stream<String> stream = Arrays.stream(dataArrs); // 集合方式创建 List<String> dataList = new ArrayList<>(); // 获取一个顺序流 Stream<String> stream = dataList.stream(); // 获取一个并行流 Stream<String> parallelStream = dataList.parallelStream();
当然处理上述的形式之外,也可以使用 Stream 的内置方法 generate()、of()、iterate() 来创建。
// of 创建 stream Stream<String> strs = Stream.of("a","b","c","d"); // lambda 创建等差数列,获取前 3 个 Stream<Integer> stream2 = Stream.iterate(1, (x) -> x + 4).limit(3); stream2.forEach(System.out::println); // 1 5 9 // 随机获取三个随机数 Stream<Double> stream3 = Stream.generate(Math::random).limit(3); stream3.forEach(System.out::println);
3.2 流的中间操作
关于流的中间操作,主要分为以下几种:
- 1 筛选操作与切片, filter 过滤流中的某些元素,limit 获取某几个元素,skip 跳过某些元素,通常和 limit 配合使用实现分页操作。distinct 通常用来实现去重操作。
- 2 映射操作, map 和 flatmap , 两者都是接受一个函数为函数,前者是映射到一个元素,后者则是将一个元素映射成一个流。
- 3 排序操作,这里就很好理解,就是 sorted 操作。
Stream<String> strs = Stream.of("a","b","c","d","d","e","f"); // 过滤大于b 的字符串并进行去重操作,跳过前两个并选取两个进行输出 Stream<String> result = strs.filter(s -> s.compareTo("b") > 0) .distinct() .skip(2) .limit(2); // 输出结果 e 和 f result.forEach(System.out::println); // flatMap 的操作 List<String> list = Arrays.asList("e,f,g", "1,2,3"); // 利用map去除每个元素中的逗号 Stream<String> st1 = list.stream().map(s -> s.replaceAll(",", "")); st1.forEach(System.out::println); // efg 123 // 利用 flatMap 将字符串进行分割 Stream<String> st2 = list.stream().flatMap(ele -> { //将每个元素转换成一个stream String[] split = ele.split(","); return Arrays.stream(split); }); st2.forEach(System.out::println); // e f g 1 2 3 // 排序操作 List<String> list = Arrays.asList("aa", "ff", "dd"); //String 类自身已实现Compareable接口 aa dd ff list.stream().sorted().forEach(System.out::println);
3.3 流的终止操作
- 1 stream 匹配和聚合操作。匹配相关的 allMatch、noneMatch、anyMatch 三者都是接受一个 Predicate 函数,当每个元素都满足、都不满足、只要有一个元素满足,并返回断言结果。统计相关,count、sum、 max 、min 。findFirst 和 findAny 为查找第一个或者任意一个元素进行返回。
- 2 规约操作, reduce ,这是一个不太好理解的概念,从数学角度来说,reduce 接受的是一个函数是一个推导式,类似于 a_j = a_i + 1, j = i+1aj=ai+1,j=i+1
- 3 收集操作,即 collect, 当所有的数据都处理完毕后,需要将数据进行处理,通常而言,获取的结果就是 set 、list 或者 map。
// match 操作 findFirst findAny count max min 操作 List<Integer> list = Arrays.asList(1, 2, 3, 4, 5); // 返回结果 false boolean allMatch = list.stream().allMatch(e -> e > 10); // 返回结果 true boolean noneMatch = list.stream().noneMatch(e -> e > 10); // 返回结果 true boolean anyMatch = list.stream().anyMatch(e -> e > 4); // 查找第一个或者随机获取 Integer findFirst = list.stream().findFirst().get(); Integer findAny = list.stream().findAny().get(); // 统计数据 个数为 5 最大值为 5 最小值为 1 long count = list.stream().count(); Integer max = list.stream().max(Integer::compareTo).get(); Integer min = list.stream().min(Integer::compareTo).get(); // reduce 操作 List<Integer> list = Arrays.asList(1, 2, 3); // 该操作即是 累加求和,结果为 6 Integer result = list.stream().reduce((x1, x2) -> x1 + x2).get(); System.out.println(result); // 标签 List<String> tags1 = Lists.newArrayList("a", "b", "c"); List<String> tags2 = Lists.newArrayList("d", "e", "f"); // 创建对象 User user1 = new User("小明", 12, tags1, BigDecimal.valueOf(43)); User user2 = new User("小李", 14, tags2, BigDecimal.valueOf(43)); // 声明数组对象 List<User> userList = Lists.newArrayList(user1, user2); // 年龄和体重数据 List<Integer> ageList = userList.stream().map(User::getAge).collect(Collectors.toList()); Set<BigDecimal> weightSet = userList.stream().map(User::getWeight).collect(Collectors.toSet()); // 建立姓名年龄映射 Map<String, Integer> nameAgeMap = userList.stream().collect(Collectors.toMap(User::getName,User::getAge, (k1, k2) -> k2)); // flatMap 获取所有的标签 List<String> tagsList = userList.stream().flatMap(node -> node.getTags().stream().map(String::intern)).distinct().collect(Collectors.toList()); // 按照年龄分组 Map<Integer, List<User>> ageMap = userList.stream().collect(Collectors.groupingBy(User::getAge)); // 分区分成两部分,一部分大于10岁,一部分小于等于10岁 Map<Boolean, List<User>> partMap = userList.stream().collect(Collectors.partitioningBy(v -> v.getAge() > 10)); //规约 reduce Integer sumAge = userList.stream().map(User::getAge).collect(Collectors.reducing(Integer::sum)).get();
总结
文中讲述了 stream 流相关的操作,从流的创建到操作,都从实际的应用出发进行了数据展示,在诸多的方法中,reduce 是一个不太好理解的概念,这个需要结合应用场景进行分析。
加载全部内容