Java8 Stream 用法
文章目录
本文对 Java8 Stream 的使用做简单小记。
Java8 的新特性主要是 Lambda 表达式和流,当流和 Lambda 表达式结合起来一起使用时,因为流申明式处理数据集合的特点,可以让代码变得简洁易读。转载自:Java8 Stream用法
导入
如果有一个需求,需要对数据库查询到的菜肴进行一个处理:
- 筛选得到卡路里小于 400 的菜肴
- 对筛选出的菜肴进行一个排序
- 获取排序后菜肴的名字
菜肴:Dish.java
|
|
Java8 以前的实现方式
|
|
Java8 之后的实现方式
|
|
不拖泥带水,一气呵成,原来需要写 24 代码实现的功能现在只需 5 行就可以完成了
高高兴兴写完需求这时候又有新需求了,新需求如下:
对数据库查询到的菜肴根据菜肴种类进行分类,返回一个
Map<Type, List<Dish>>
的结果
这要是放在 jdk8 之前肯定会头皮发麻
Java8以前的实现方式
|
|
还好 jdk8 有Stream,再也不用担心复杂集合处理需求
Java8 以后的实现方式
|
|
又是一行代码解决了需求,忍不住大喊Stream API
牛批 看到流的强大功能了吧,接下来将详细介绍流
什么是流
流是从支持数据处理操作的源生成的元素序列,源可以是数组、文件、集合、函数。流不是集合元素,它不是数据结构并不保存数据,它的主要目的在于计算。
如何生成流
生成流的方式主要有五种
-
通过集合生成,应用中最常用的一种
1 2
List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5); Stream<Integer> stream = integerList.stream();
1 2 3
通过集合 `List` 的`stream`方法生成流
-
通过数组生成
1 2
int[] intArr = new int[]{1, 2, 3, 4, 5}; IntStream stream = Arrays.stream(intArr);
1 2 3
通过`Arrays.stream`方法生成流,并且该方法生成的流是数值流【即`IntStream`】而不是`Stream<Integer>`。补充一点**使用数值流可以避免计算过程中拆箱装箱,提高性能。**`Stream API`提供了`mapToInt`、`mapToDouble`、`mapToLong`三种方式将对象流【即`Stream<T>`】转换成对应的数值流,同时提供了`boxed`方法将数值流转换为对象流
-
通过值生成
1
Stream<Integer> stream = Stream.of(1, 2, 3, 4, 5);
1 2 3
通过`Stream`的`of`方法生成流,通过`Stream`的`empty`方法可以生成一个空流
-
通过文件生成
1
Stream<String> lines = Files.lines(Paths.get("data.txt"), Charset.defaultCharset())
1 2 3
通过`Files.line`方法得到一个流,并且得到的每个流是给定文件中的一行
-
通过函数生成 提供了
iterate
和generate
两个静态方法从函数中生成流 -
-
iterator
```java Stream<Integer> stream = Stream.iterate(0, n -> n + 2).limit(5); ``` `iterate`方法接受两个参数,第一个为初始化值,第二个为进行的函数操作,因为`iterator`生成的流为无限流,通过`limit`方法对流进行了截断,只生成5个偶数
-
generator
1
Stream<Double> stream = Stream.generate(Math::random).limit(5);
1 2 3
`generate`方法接受一个参数,方法参数类型为`Supplier<T>`,由它为流提供值。`generate`生成的流也是无限流,因此通过`limit`对流进行了截断
-
-
流的操作类型
流的操作类型主要分为两种
- 中间操作:一个流可以后面跟随零个或多个中间操作。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,仅仅调用到这类方法,并没有真正开始流的遍历,真正的遍历需等到终端操作时,常见的中间操作有下面即将介绍的
filter
、map
等 - 终端操作:一个流有且只能有一个终端操作,当这个操作执行后,流就被关闭了,无法再被操作,因此一个流只能被遍历一次,若想在遍历需要通过源数据在生成流。终端操作的执行,才会真正开始流的遍历。如下面即将介绍的
count
、collect
等
流使用
流的使用将分为中间操作和终端操作
中间操作
filter 筛选留下满足条件的
|
|
通过使用filter
方法进行条件筛选,filter
的方法参数为一个条件
distinct 去除重复元素
|
|
通过distinct
方法快速去除重复的元素
limit 得到前几个元素
|
|
通过limit
方法指定返回流的个数,limit
的参数值必须>=0
,否则将会抛出异常
skip 跳过前几个的元素
|
|
通过skip
方法跳过流中的元素,上述例子跳过前两个元素,所以打印结果为2,3,4,5
,skip
的参数值必须>=0
,否则将会抛出异常
map 流映射
所谓流映射就是将接受的元素映射成另外一个元素
|
|
通过map
方法可以完成映射,该例子完成中String -> Integer
的映射,之前上面的例子通过map
方法完成了Dish->String
的映射
flatMap 流转换
将一个流中的每个值都转换为另一个流
|
|
map(w -> w.split(" "))
的返回值为Stream<String[]>
,我们想获取Stream<String>
,可以通过flatMap
方法完成Stream<String[]> ->Stream<String>
的转换
元素匹配
提供了三种匹配方式
-
allMatch匹配所有
1 2 3 4
List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5); if (integerList.stream().allMatch(i -> i > 3)) { System.out.println("值都大于3"); }
1
-
anyMatch匹配其中一个
1 2 3 4
List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5); if (integerList.stream().anyMatch(i -> i > 3)) { System.out.println("存在大于3的值"); }
1
-
noneMatch全部不匹配
1 2 3 4
List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5); if (integerList.stream().noneMatch(i -> i > 3)) { System.out.println("值都小于3"); }
1 2
终端操作
count 统计总数
-
通过 count
1 2
List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5); Long result = integerList.stream().count();
1 2 3
通过使用`count`方法统计出流中元素个数
-
通过 counting
1 2
List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5); Long result = integerList.stream().collect(Collectors.counting());
1 2 3
最后一种统计元素个数的方法在与`collect`联合使用的时候特别有用
findFirst 查找
提供了两种查找方式
-
findFirst 查找第一个
1 2
List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5); Optional<Integer> result = integerList.stream().filter(i -> i > 3).findFirst();
1 2 3
通过`findFirst`方法查找到第一个大于三的元素并打印
-
findAny 随机查找一个
1 2
List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5); Optional<Integer> result = integerList.stream().filter(i -> i > 3).findAny();
1 2 3
通过`findAny`方法查找到其中一个大于三的元素并打印,因为内部进行优化的原因,当找到第一个满足大于三的元素时就结束,该方法结果和`findFirst`方法结果一样。提供`findAny`方法是为了更好的利用并行流,`findFirst`方法在并行上限制更多【本篇文章将不介绍并行流】
reduce将流中的元素组合起来
假设我们对一个集合中的值进行求和
-
jdk8之前
1 2 3 4
int sum = 0; for (int i : integerList) { sum += i; }
1
-
jdk8之后通过reduce进行处理
1
int sum = integerList.stream().reduce(0, (a, b) -> (a + b));
1 2 3 4 5
一行就可以完成,还可以使用方法引用简写成: ```java int sum = integerList.stream().reduce(0, Integer::sum);
1 2 3
`reduce`接受两个参数,一个初始值这里是`0`,一个`BinaryOperator<T> accumulator`来将两个元素结合起来产生一个新值, 另外`reduce`方法还有一个没有初始化值的重载方法
min/max 获取最值
-
通过min/max获取最小最大值
1 2
Optional<Integer> min = menu.stream().map(Dish::getCalories).min(Integer::compareTo); Optional<Integer> max = menu.stream().map(Dish::getCalories).max(Integer::compareTo);
1 2 3 4 5 6
也可以写成: ```java OptionalInt min = menu.stream().mapToInt(Dish::getCalories).min(); OptionalInt max = menu.stream().mapToInt(Dish::getCalories).max();
1 2 3
`min`获取流中最小值,`max`获取流中最大值,方法参数为`Comparator<? super T> comparator`
-
通过minBy/maxBy获取最小最大值
1 2
Optional<Integer> min = menu.stream().map(Dish::getCalories).collect(minBy(Integer::compareTo)); Optional<Integer> max = menu.stream().map(Dish::getCalories).collect(maxBy(Integer::compareTo));
1 2 3
`minBy`获取流中最小值,`maxBy`获取流中最大值,方法参数为`Comparator<? super T> comparator`
-
通过reduce获取最小最大值
1 2
Optional<Integer> min = menu.stream().map(Dish::getCalories).reduce(Integer::min); Optional<Integer> max = menu.stream().map(Dish::getCalories).reduce(Integer::max);
1
求和
-
通过 summingInt
1
int sum = menu.stream().collect(summingInt(Dish::getCalories));
1 2 3
如果数据类型为`double`、`long`,则通过`summingDouble`、`summingLong`方法进行求和
-
通过 reduce
1
int sum = menu.stream().map(Dish::getCalories).reduce(0, Integer::sum);
1
-
通过 sum
1
int sum = menu.stream().mapToInt(Dish::getCalories).sum();
1
在上面求和、求最大值、最小值的时候,对于相同操作有不同的方法可以选择执行。可以选择collect
、reduce
、min/max/sum
方法,推荐使用min
、max
、sum
方法。因为它最简洁易读,同时通过mapToInt
将对象流转换为数值流,避免了装箱和拆箱操作
求平均值
|
|
如果数据类型为double
、long
,则通过averagingDouble
、averagingLong
方法进行求平均
summarizingInt 同时求总和、平均值、最大值、最小值
|
|
如果数据类型为double
、long
,则通过summarizingDouble
、summarizingLong
方法
foreach 进行元素遍历
|
|
Collectors.toList 返回集合
|
|
joining 拼接元素
|
|
默认如果不通过map
方法进行映射处理拼接的toString
方法返回的字符串,joining的方法参数为元素的分界符,如果不指定生成的字符串将是一串的,可读性不强
groupingBy 进行分组
|
|
partitioningBy 进行分区
分区是特殊的分组,它分类依据是true和false,所以返回的结果最多可以分为两组
|
|
等同于
|
|
这个例子可能并不能看出分区和分类的区别,甚至觉得分区根本没有必要,换个明显一点的例子:
|
|
返回值的键仍然是布尔类型,但是它的分类是根据范围进行分类的,分区比较适合处理根据范围进行分类。