遍历/匹配(foreach/find/match)
Stream也是支持类似集合的遍历和匹配元素的,只是Stream中的元素是以Optional类型存在的。Stream的遍历、匹配非常简单。
@Test
public void testForeach(){
List<Integer> list = Arrays.asList(7, 6, 9, 3, 8, 2, 1);
// 遍历输出符合条件的元素
list.stream().filter(x -> x > 6).forEach(System.out::println); // 7 9 8
// 匹配第一个
Optional<Integer> findFirst = list.stream().filter(x -> x > 6).findFirst();
// 匹配任意(适用于并行流)
Optional<Integer> findAny = list.parallelStream().filter(x -> x > 6).findAny();
// 是否包含符合特定条件的元素
boolean anyMatch = list.stream().anyMatch(x -> x < 6);
System.out.println("匹配第一个值:"+findFirst.get()); // 匹配第一个值:7
System.out.println("匹配任意一个值:"+findAny.get()); // 匹配任意一个值:8
System.out.println("是否存在大于6的值:"+anyMatch); // 是否存在大于6的值:true
}
筛选(filter)
筛选,是按照一定的规则校验流中的元素,将符合条件的元素提取到新的流中的操作。
案例一:筛选出Integer集合中大于7的元素,并打印出来
@Test
public void testFilter(){
List<Integer> list = Arrays.asList(6, 7, 3, 8, 1, 2, 9);
Stream<Integer> stream = list.stream();
stream.filter(x -> x>7).forEach(System.out::println); // 8 9
}
案例二: 筛选员工中工资高于8000的人,并形成新的集合。
/**
* 筛选员工中工资高于8000的人,并形成新的集合
*/
@Test
public void testFilter2(){
List<Person> personList = this.initList();
List<String> filterList = personList.stream().filter(x -> x.getSalary() > 8000)
.map(Person::getName).collect(Collectors.toList());
System.out.println("高于8000的员工姓名:" + filterList); // 高于8000的员工姓名:[Tom, Anni, Owen]
}
聚合(max/min/count)
Java stream中引入了max、min、count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:获取String集合中最长的元素
@Test
public void testAggregation1(){
List<String> list = Arrays.asList("adnm", "admmt", "pot", "xbangd", "weoujgsd");
Optional<String> max = list.stream().max(Comparator.comparing(String::length));
System.out.println("最长的字符串:" + max.get()); // 最长的字符串:weoujgsd
}
案例二:获取Integer集合中的最大值。
@Test
public void testAggregation2(){
List<Integer> list = Arrays.asList(7, 6, 9, 4, 11, 6);
// 自然排序
Optional<Integer> max = list.stream().max(Integer::compareTo);
// 自定义排序
Optional<Integer> max2 = list.stream().max(new Comparator<Integer>() {
@Override
public int compare(Integer o1, Integer o2) {
return o1.compareTo(o2);
}
});
System.out.println("自然排序的最大值:" + max.get()); // 自然排序的最大值:11
System.out.println("自定义排序的最大值:" + max2.get()); // 自定义排序的最大值:11
}
案例三:获取员工工资最高的人
@Test
public void testAggregation3(){
List<Person> personList = this.initList();
Optional<Person> max = personList.stream().max(Comparator.comparingInt(Person::getSalary));
System.out.println("员工工资最大值:" + max.get().getSalary()); // 员工工资最大值:9500
}
案例四:计算Integer集合中大于6的元素的个数
@Test
public void testAggregation4(){
List<Integer> list = Arrays.asList(7, 6, 4, 8, 2, 11, 9);
long count = list.stream().filter(x -> x > 6).count();
System.out.println("list中大于6的元素个数:" + count); // list中大于6的元素个数:4
}
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:接收一个函数作为参数,将流中的每个值都换成另一个流,然后把所有流连接成一个流。
案例一:英文字符串数组的元素全部改为大写。整数数组每个元素+3。
@Test
public void testMap1(){
String[] strArr = { "abcd", "bcdd", "defde", "fTr" };
List<String> strList = Arrays.stream(strArr).map(String::toUpperCase).collect(Collectors.toList());
List<Integer> intList = Arrays.asList(1, 3, 5, 7, 9, 11);
List<Integer> intListNew = intList.stream().map(x -> x + 3).collect(Collectors.toList());
System.out.println("每个元素大写:" + strList); // 每个元素大写:[ABCD, BCDD, DEFDE, FTR]
System.out.println("每个元素+3:" + intListNew); // 每个元素+3:[4, 6, 8, 10, 12, 14]
}
案例二:将员工的薪资全部增加1000。
@Test
public void testMap2(){
List<Person> personList = this.initList();
// 不改变原来员工集合的方式
List<Person> personListNew = personList.stream().map(person -> {
Person personNew = new Person();
personNew.setSalary(person.getSalary()+1000);
return personNew;
}).collect(Collectors.toList());
System.out.println("一次改动前:" + personList.get(0).getName() + "-->" + personList.get(0).getSalary());
System.out.println("一次改动后:" + personListNew.get(0).getName() + "-->" + personListNew.get(0).getSalary());
// 改变原来员工集合的方式
List<Person> personListNew2 = personList.stream().map(person -> {
person.setSalary(person.getSalary() + 1000);
return person;
}).collect(Collectors.toList());
System.out.println("二次改动前:" + personList.get(0).getName() + "-->" + personListNew.get(0).getSalary());
System.out.println("二次改动后:" + personListNew2.get(0).getName() + "-->" + personListNew.get(0).getSalary());
}
案例三:将两个字符数组合并成一个新的字符数组。
@Test
public void testMap3(){
List<String> list = Arrays.asList("m,k,l,a", "1,3,5,7");
List<String> listNew = list.stream().flatMap(s -> {
// 将每个元素转换成一个stream
String[] split = s.split(",");
Stream<String> s2 = Arrays.stream(split);
return s2;
}).collect(Collectors.toList());
System.out.println("处理前的集合:" + list); // 处理前的集合:[m,k,l,a, 1,3,5,7]
System.out.println("处理后的集合:" + listNew); // 处理后的集合:[m, k, l, a, 1, 3, 5, 7]
}
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。
@Test
public void testReduce1(){
List<Integer> list = Arrays.asList(1, 3, 2, 8, 11, 4);
// 求和方式1
Optional<Integer> sum = list.stream().reduce((x,y) -> x + y);
// 求和方式2
Optional<Integer> sum2 = list.stream().reduce(Integer::sum);
// 求和方式3
Integer sum3 = list.stream().reduce(0, Integer::sum);
// 求乘积
Optional<Integer> product = list.stream().reduce((x, y) -> x * y);
// 求最大值方式1
Optional<Integer> max = list.stream().reduce((x, y) -> x > y ? x : y);
// 求最大值写法2
Integer max2 = list.stream().reduce(1, Integer::max);
System.out.println("list求和:" + sum.get() + "," + sum2.get() + "," + sum3); // list求和:29,29,29
System.out.println("list求积:" + product.get()); // list求积:2112
System.out.println("list求和:" + max.get() + "," + max2); // list求和:11,11
}
案例二:求所有员工的工资之和和最高工资。
@Test
public void testReduce2(){
List<Person> personList = this.initList();
// 求工资之和方式1:
Optional<Integer> sumSalary = personList.stream().map(Person::getSalary).reduce(Integer::sum);
// 求工资之和方式2:
Integer sumSalary2 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(),
(sum1, sum2) -> sum1 + sum2);
// 求工资之和方式3:
Integer sumSalary3 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(), Integer::sum);
// 求最高工资方式1:
Integer maxSalary = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(),
Integer::max);
// 求最高工资方式2:
Integer maxSalary2 = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(),
(max1, max2) -> max1 > max2 ? max1 : max2);
System.out.println("工资之和:" + sumSalary.get() + "," + sumSalary2 + "," + sumSalary3); // 工资之和:49300,49300,49300
System.out.println("最高工资:" + maxSalary + "," + maxSalary2); // 最高工资:9500,9500
}
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。
collect主要依赖java.util.stream.Collectors类内置的静态方法。
归集(toList/toSet/toMap)
因为流不存储数据,那么在流中的数据完成处理后,需要将流中的数据重新归集到新的集合里。toList、toSet和toMap比较常用,另外还有toCollection、toConcurrentMap等复杂一些的用法。
@Test
public void testCollect(){
List<Integer> list = Arrays.asList(1, 6, 3, 4, 6, 7, 9, 6, 20);
List<Integer> listNew = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toList());
Set<Integer> set = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toSet());
List<Person> personList = this.initList();
Map<String, Person> map = personList.stream().filter(p -> p.getSalary() > 8000)
.collect(Collectors.toMap(Person::getName, p -> p));
System.out.println("toList:" + listNew); // toList:[6, 4, 6, 6, 20]
System.out.println("toSet:" + set); // toSet:[4, 20, 6]
System.out.println("toMap:" + map); // toMap:{Tom=Person(name=Tom, salary=8900, age=20, sex=male, area=New York), Owen=Person(name=Owen, salary=9500, age=50, sex=male, area=New York), Anni=Person(name=Anni, salary=8200, age=23, sex=female, area=New York)}
}
统计(count/averaging)
Collectors提供了一系列用于数据统计的静态方法:
- 计数:count
- 平均值:averagingInt、averagingLong、averagingDouble
- 最值:maxBy、minBy
- 求和:summingInt、summingLong、summingDouble
- 统计以上所有:summarizingInt、summarizingLong、summarizingDouble
案例:统计员工人数、平均工资、工资总额、最高工资。
@Test
public void testCollect2(){
List<Person> personList = this.initList();
// 求总数
Long count = personList.stream().collect(Collectors.counting());
// 求平均工资
Double average = personList.stream().collect(Collectors.averagingDouble(Person::getSalary));
// 求最高工资
Optional<Integer> max = personList.stream().map(Person::getSalary).collect(Collectors.maxBy(Integer::compare));
// 求工资之和
Integer sum = personList.stream().collect(Collectors.summingInt(Person::getSalary));
// 一次性统计所有信息
DoubleSummaryStatistics collect = personList.stream().collect(Collectors.summarizingDouble(Person::getSalary));
System.out.println("员工总数:" + count); // 员工总数:6
System.out.println("员工平均工资:" + average); // 员工平均工资:8216.666666666666
System.out.println("员工工资总和:" + sum); // 员工工资总和:49300
System.out.println("员工工资所有统计:" + collect); // 员工工资所有统计:DoubleSummaryStatistics{count=6, sum=49300.000000, min=7000.000000, average=8216.666667, max=9500.000000}
}
分组(partitioningBy/groupingBy)
@Test
public void testGroup1(){
List<Person> personList = this.initList();
// 将员工按薪资是否高于8000分组
Map<Boolean, List<Person>> part = personList.stream().collect(Collectors.partitioningBy(x -> x.getSalary() > 8000));
// 将员工按性别分组
Map<String, List<Person>> group = personList.stream().collect(Collectors.groupingBy(Person::getSex));
// 将员工先按性别分组,再按地区分组
Map<String, Map<String, List<Person>>> group2 = personList.stream().collect(Collectors.groupingBy(Person::getSex, Collectors.groupingBy(Person::getArea)));
System.out.println("员工按薪资是否大于8000分组情况:" + part);
// 员工按薪资是否大于8000分组情况:{false=[Person(name=Jack, salary=7000, age=25, sex=male, area=Washington), Person(name=Lily, salary=7800, age=30, sex=female, area=Washington), Person(name=Alisa, salary=7900, age=30, sex=female, area=New York)], true=[Person(name=Tom, salary=8900, age=20, sex=male, area=New York), Person(name=Anni, salary=8200, age=23, sex=female, area=New York), Person(name=Owen, salary=9500, age=50, sex=male, area=New York)]}
System.out.println("员工按性别分组情况:" + group);
// 员工按性别分组情况:{female=[Person(name=Lily, salary=7800, age=30, sex=female, area=Washington), Person(name=Anni, salary=8200, age=23, sex=female, area=New York), Person(name=Alisa, salary=7900, age=30, sex=female, area=New York)], male=[Person(name=Tom, salary=8900, age=20, sex=male, area=New York), Person(name=Jack, salary=7000, age=25, sex=male, area=Washington), Person(name=Owen, salary=9500, age=50, sex=male, area=New York)]}
System.out.println("员工按性别、地区:" + group2);
// 员工按性别、地区:{female={New York=[Person(name=Anni, salary=8200, age=23, sex=female, area=New York), Person(name=Alisa, salary=7900, age=30, sex=female, area=New York)], Washington=[Person(name=Lily, salary=7800, age=30, sex=female, area=Washington)]}, male={New York=[Person(name=Tom, salary=8900, age=20, sex=male, area=New York), Person(name=Owen, salary=9500, age=50, sex=male, area=New York)], Washington=[Person(name=Jack, salary=7000, age=25, sex=male, area=Washington)]}}
}
接合(joining)
joining可以将stream中的元素用特定的连接符(没有的话,则直接连接)连接成一个字符串。
@Test
public void testJoining(){
List<Person> personList = this.initList();
String names = personList.stream().map(p -> p.getName()).collect(Collectors.joining(","));
System.out.println("所有员工的姓名:" + names); // 所有员工的姓名:Tom,Jack,Lily,Anni,Owen,Alisa
List<String> list = Arrays.asList("A", "B", "C");
String string = list.stream().collect(Collectors.joining("-"));
System.out.println("拼接后的字符串:" + string); // 拼接后的字符串:A-B-C
}
归约(reducing)
Collectors类提供的reducing方法,相比于stream本身的reduce方法,增加了对自定义归约的支持。
@Test
public void testReducing(){
List<Person> personList = this.initList();
// 每个员工减去起征点后的薪资之和
Integer sum = personList.stream().collect(Collectors.reducing(0, Person::getSalary, (i, j) -> (i + j - 5000)));
System.out.println("员工扣税薪资总和:" + sum); // 员工扣税薪资总和:19300
// stream的reduce
Optional<Integer> sum2 = personList.stream().map(Person::getSalary).reduce(Integer::sum);
System.out.println("员工薪资总和:" + sum2.get()); // 员工薪资总和:49300
}
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:将员工按工资由高到低(工资一样则按年龄由大到小)排序
@Test
public void testSorted(){
List<Person> personList = this.initList();
// 按工资升序排序(自然排序)
List<String> newList = personList.stream().sorted(Comparator.comparing(Person::getSalary)).map(Person::getName)
.collect(Collectors.toList());
// 按工资倒序排序
List<String> newList2 = personList.stream().sorted(Comparator.comparing(Person::getSalary).reversed())
.map(Person::getName).collect(Collectors.toList());
// 先按工资再按年龄升序排序
List<String> newList3 = personList.stream()
.sorted(Comparator.comparing(Person::getSalary).thenComparing(Person::getAge)).map(Person::getName)
.collect(Collectors.toList());
// 先按工资再按年龄自定义排序(降序)
List<String> newList4 = personList.stream().sorted((p1, p2) -> {
if (p1.getSalary() == p2.getSalary()) {
return p2.getAge() - p1.getAge();
} else {
return p2.getSalary() - p1.getSalary();
}
}).map(Person::getName).collect(Collectors.toList());
System.out.println("按工资升序排序:" + newList); // 按工资升序排序:[Jack, Lily, Alisa, Anni, Tom, Owen]
System.out.println("按工资降序排序:" + newList2); // 按工资降序排序:[Owen, Tom, Anni, Alisa, Lily, Jack]
System.out.println("先按工资再按年龄升序排序:" + newList3); // 先按工资再按年龄升序排序:[Jack, Lily, Alisa, Anni, Tom, Owen]
System.out.println("先按工资再按年龄自定义降序排序:" + newList4); // 先按工资再按年龄自定义降序排序:[Owen, Tom, Anni, Alisa, Lily, Jack]
}
提取/组合
流也可以进行合并、去重、限制、跳过等操作。
@Test
public void testCollect(){
String[] arr1 = { "a", "b", "c", "d" };
String[] arr2 = { "d", "e", "f", "g" };
Stream<String> stream1 = Stream.of(arr1);
Stream<String> stream2 = Stream.of(arr2);
// concat:合并两个流 distinct:去重
List<String> newList = Stream.concat(stream1, stream2).distinct().collect(Collectors.toList());
// limit:限制从流中获得前n个数据
List<Integer> collect = Stream.iterate(1, x -> x + 2).limit(10).collect(Collectors.toList());
// skip:跳过前n个数据
List<Integer> collect2 = Stream.iterate(1, x -> x + 2).skip(1).limit(5).collect(Collectors.toList());
System.out.println("流合并:" + newList); // 流合并:[a, b, c, d, e, f, g]
System.out.println("limit:" + collect); // limit:[1, 3, 5, 7, 9, 11, 13, 15, 17, 19]
System.out.println("skip:" + collect2); // skip:[3, 5, 7, 9, 11]
}
工作实践中的记录
抽取一个对象数组的id属性组合成id数组
List<Long> idList = vehicleList.stream().map(Vehicle::getId).collect(Collectors.toList());
抽取对象集合的属性并以逗号隔开
Object[] objects = studentList.stream().map(Student::getName).toArray();
String nameData = StringUtils.join(objects, ",");
List转数组
String[] deviceIds = list.stream()
.map(String::valueOf)
.toArray(String[]::new);
list类型转换
List<Integer> intList = list
.stream()
.map(Integer::valueOf)
.collect(Collectors.toList());