Java8新特性——Stream流

最新推荐文章于 2024-01-04 17:40:26 发布

EijoaHoaiQ:D

最新推荐文章于 2024-01-04 17:40:26 发布

阅读量688

点赞数 4

分类专栏： WORK中的小成长文章标签： Stream Stream流的创建 Stream流的中间操作 Stream流的终止操作

本文链接：https://blog.csdn.net/qq_50994235/article/details/121457158

版权

WORK中的小成长专栏收录该内容

9 篇文章 0 订阅

订阅专栏

Java8新特性——Stream流

一、Stream流简介
二、创建Stream流
三、Stream流的中间操作
四、Stream流的终止操作

一、Stream流简介

1.1 什么是Stream流？

Java 8 API添加了一个新的抽象称为流Stream，可以让你以一种声明的方式处理数据。

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。

元素流在管道中经过中间操作（intermediate operation）的处理，最后由最终操作(terminal operation)得到前面处理的结果。

———摘自菜鸟教程
在这里插入图片描述

流是数据渠道，用于操作数据源（集合、数组等）所生成的元素序列。
集合讲的是数据，流讲的是计算！

1.2 为什么使用Stream流？

Stream流可以对集合进行的操作，可以执行非常复杂的查找、过滤和映射数据等操作。Stream API 借助于同样新出现的Lambda表达式，极大的提高编程效率和程序可读性。

1.3 Stream流的特性

Stream 自己不会存储元素。
Stream 不会改变源对象。相反，他们会返回一个持有结果的新Stream。
Stream 操作是延迟执行的。这意味着他们会等到需要结果的时候才执行。

二、创建Stream流

一个数据源（如：集合、数组），获取一个流。

2.1 通过 Collection 扩展接口创建流

Collection 接口被扩展，提供了两个获取流的方法。

default Stream<E> stream() : 返回一个顺序流
default Stream<E> parallelStream() : 返回一个并行流

/**
 * Collection 扩展接口
 * 通过 Collection 的 Stream()方法或 parallelStream()方法创建 Stream
 */
System.out.println("======Collection======");
List<String> list = Arrays.asList("1", "2", "3", "zs", "abc");
Stream<String> stream1 = list.stream();
Stream<String> stream2 = list.parallelStream();

小贴士：
并行流就是把一个内容分成多个数据块，并用不同的线程分别处理没歌数据块的流。
Java 8中将并行进行了优化，我们可以很容易的对数据进行并行操作。Stream API 可以声明性地通过 parallel() 与 sequential() 在并行流与顺序流之间进行切换。

2.2 由数组创建流

Arrays 的静态方法 stream() 可以获取数组流。

static <T> Stream<T> stream(T[] array): 返回一个流

/**
 * 由数组创建流
 * 通过 Arrays中的静态方法 stream() 获取数组流
 */
System.out.println("======Arrays======");
IntStream intStream = Arrays.stream(new int[]{1, 2, 3});
LongStream longStream = Arrays.stream(new long[]{123L, 46L});
DoubleStream doubleStream = Arrays.stream(new double[]{12.3, 34.56});

Integer[] integerNums = new Integer[10];
Long[] longNums = new Long[10];
Double[] doubleNums = new Double[10];
Stream<Integer> integerStream2 = Arrays.stream(integerNums);
Stream<Long> longStream2 = Arrays.stream(longNums);

2.3 由值创建流

可以使用静态方法 Stream.of(), 通过显示值创建一个流。它可以接收任意数量的参数。

public static<T> Stream<T> of(T... values) : 返回一个流

/**
 * 由值创建流
 * 通过 Stream()类中的 of()静态方法获取流
 */
System.out.println("======of()======");
Stream<String> streamValue = Stream.of("a", "b", "c");

2.4 由函数创建流

可以使用静态方法 Stream.iterate() 和Stream.generate(), 创建无限流。

迭代 public static<T> Stream<T> iterate(final T seed, final UnaryOperator<T> f)
生成 public static<T> Stream<T> generate(Supplier<T> s)

System.out.println("======function()======");
//迭代（需要传入一个种子，也就是起始值，然后传入一个一元操作）
Stream<Integer> integerStream3 = Stream.iterate(0, x -> x + 2).limit(10);
integerStream3.forEach(System.out::println);
//生成(无限产生对象)
Stream<Double> doubleStream3 = Stream.generate(() -> Math.random());
doubleStream3.forEach(System.out::println);

三、Stream流的中间操作

一个中间操作链，对数据源的数据进行处理。

多个中间操作可以连接起来形成一个流水线，除非流水线上触发终止操作，否则中间操作不会执行任何的处理！而在终止操作时一次性全部处理，称为“惰性求值”。

/**
 * 中间操作
 */
List<UserEntity> userList = new ArrayList<>();
userList.add(new UserEntity("zhangsan", 20));
userList.add(new UserEntity("lisi", 28));
userList.add(new UserEntity("wangwu", 35));
userList.add(new UserEntity("xiaoming", 16));
userList.add(new UserEntity("Amay", 36));
userList.add(new UserEntity("Jack", 45));

3.1 筛选与切片

方法	描述
filter(Predicate p)	接收 Lambda ，从流中排除某些元素。
distinct()	筛选，通过流所生成元素的 hashCode() 和 equals() 去除重复元素
limit(long maxSize)	截断流，使其元素不超过给定数量。
skip(long n)	跳过元素，返回一个扔掉了前 n 个元素的流。若流中元素不足 n 个，则返回一个空流。与 limit(n) 互补

/**
 * 筛选与切片
 * filter：接受 Lambda，从流中排出某些元素；
 * limit：截断流，使其元素不超过给定数量；
 * skip(n)：跳过元素，返回一个扔掉了前 n 个元素的流。如果流中元素不足 n个，就返回一个空流。(与 limit(n) 互补)
 * distinct：筛选，通过流所生成元素的 hashCode()和equals()去除重复元素。
 */
// 1、filter
System.out.println("======filter======");
// 外部迭代(Java 8之前做的都是外部迭代)
System.out.println("======外部迭代======");
Iterator<UserEntity> iterator = userList.iterator();
while (iterator.hasNext()){
    System.out.println(iterator.next());
}
// 内部迭代：迭代操作在 Stream API 内部完成(对外部迭代进行的优化)
System.out.println("======内部迭代======");
System.out.println("测试中间操作...过滤所有年龄小于25的user对象");
Stream<UserEntity> stream = userList.stream()
        // 所有的中间操作不会做任何处理
        .filter(userEntity -> {
            return userEntity.getAge() <= 25;
        });
// 只有当做终止操作时，所有的中间操作会一次性的全部执行，这称为"惰性求值"
stream.forEach(System.out::println);


// 2、limit
System.out.println("======limit======");
System.out.println("测试中间操作...过滤后限定数量不超过3");
userList.stream().filter(userEntity -> userEntity.getAge() >= 30)
        .limit(3).forEach(System.out::println);


// 3、skip
System.out.println("======skip======");
System.out.println("测试中间操作...过滤后跳过前2个元素");
userList.stream().filter(userEntity -> userEntity.getAge() >= 15)
        .skip(2).forEach(System.out::println);


// 4、distinct
System.out.println("======distinct======");
System.out.println("测试中间操作...通过distinct进行筛选");
userList.stream().distinct().forEach(System.out::println);

3.2 映射

方法	描述
map(Function f)	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。
mapToDouble(ToDoubleFunction f)	接收一个函数作为参数，该函数会被应用到每个元素上，产生一个新的 DoubleStream。
mapToInt(ToIntFunction f)	接收一个函数作为参数，该函数会被应用到每个元素上，产生一个新的 IntStream。
mapToLong(ToLongFunction f)	接收一个函数作为参数，该函数会被应用到每个元素上，产生一个新的 LongStream。
flatMap(Function f)	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

/**
 * 映射
 */
List<UserEntity> userList = Arrays.asList(new UserEntity("a",1),new UserEntity("ab",3),new UserEntity("c",11),new SUserEntityu("f",12));
Stream<UserEntity> stream = userList .stream();
// 去除list中所有的年龄
stream.map(UserEntity::getAge).forEach(System.out::println);
// 把所有年龄再返回一个集合
List<Integer> collect = stream.map(UserEntity::getAge).collect(Collectors.toList());
stream.flatMap(userEntity-> test1.filterCharacter(userEntity.getName())).forEach(System.out::println);

3.3 排序

方法	描述
sorted()	产生一个新流，其中按自然顺序排序
sorted(Comparator comp)	产生一个新流，其中按比较器顺序排序

/**
 * stream排序sorted
 */
// 1、匿名内部类的方式
Stream<UserEntity> sortedStream1 = userEntities.stream();
sortedStream1.sorted(new Comparator<UserEntity>() {
    @Override
    public int compare(UserEntity o1, UserEntity o2) {
        // 升序
        return o1.getAge() - o2.getAge();
    }
}).forEach(new Consumer<UserEntity>() {
    @Override
    public void accept(UserEntity userEntity) {
        System.out.println("使用匿名内部类的方式排序：" + userEntity.toString());
    }
});
// 2、lambda的方式
Stream<UserEntity> sortedStream2 = userEntities.stream();
sortedStream2.sorted((o1, o2) -> o1.getAge() - o2.getAge())
        .forEach(userEntity -> System.out.println("使用lambda的方式排序：" + userEntity.toString()));

四、Stream流的终止操作

一个终止操作，执行中间操作链，并产生结果。

/**
 * 终止操作
 */
List<UserEntity> userList = new ArrayList<>();
userList.add(new UserEntity("zhangsan", 20));
userList.add(new UserEntity("lisi", 28));
userList.add(new UserEntity("wangwu", 35));
userList.add(new UserEntity("xiaoming", 16));
userList.add(new UserEntity("Amay", 36));
userList.add(new UserEntity("Jack", 45));

4.1 查找与匹配

方法	描述
allMatch(Predicate p)	检查是否匹配所有元素
anyMatch(Predicate p)	检查是否至少匹配一个元素
noneMatch(Predicate p)	检查是否没有匹配所有元素
findFirst()	返回第一个元素
findAny()	返回当前流中的任意元素
count()	返回流中元素总数
max(Comparator c)	返回流中最大值
min(Comparator c)	返回流中最小值
forEach(Consumer c)	内部迭代(使用 Collection 接口需要用户去做迭代，称为外部迭代。相反，Stream API 使用内部迭代——它帮你把迭代做了)

/**
 * streamMatch匹配--noneMatch
 * noneMatch表示判断条件里的元素，所有的都不是，就返回true
 */
System.out.println("======noneMatch======");
// 1、匿名内部类的方式
Stream<UserEntity> noneMatch1 = userList.stream();
boolean result = noneMatch1.noneMatch(new Predicate<UserEntity>() {
    @Override
    public boolean test(UserEntity userEntity) {
        return userEntity.getAge() > 32;
    }
});
System.out.println("noneMatch使用匿名内部类的方式：" + result);
// 2、lambda的方式
Stream<UserEntity> noneMatch2 = userList.stream();
boolean result2 = noneMatch2.noneMatch((user) -> user.getAge() > 35);
System.out.println("noneMatch使用lambda的方式：" + result2);



/**
 * streamMatch匹配--allMatch
 * allMatch表示判断条件里的元素，所有都是就返回true
 */
System.out.println("======allMatch======");
// 1、匿名内部类的方式
Stream<UserEntity> allMatch1 = userList.stream();
boolean result3 = allMatch1.allMatch(new Predicate<UserEntity>() {
    @Override
    public boolean test(UserEntity userEntity) {
        return userEntity.getAge() < 54;
    }
});
System.out.println("allMatch使用匿名内部类的方式：" + result3);
// 2、lambda的方式
Stream<UserEntity> allMatch2 = userList.stream();
boolean result4 = allMatch2.allMatch((user) -> user.getAge() <54);
System.out.println("allMatch使用lambda的方式：" + result4);



/**
 * streamMatch匹配--anyMatch
 */
System.out.println("======anyMatch======");
// 1、匿名内部类的方式
Stream<UserEntity> anyMatch1 = userList.stream();
boolean result5 = anyMatch1.anyMatch(new Predicate<UserEntity>() {
    @Override
    public boolean test(UserEntity userEntity) {
        return userEntity.getAge() > 20;
    }
});
System.out.println("anyMatch使用匿名内部类的方式：" + result5);
// 2、lambda的方式
Stream<UserEntity> anyMatch2 = userList.stream();
boolean result6 = anyMatch2.anyMatch((user) -> user.getAge() > 20);
System.out.println("anyMatch使用lambda的方式：" + result6);


/**
 * findFirst
 */
System.out.println("======findFirst======");
Optional<UserEntity> findFirst = userList.stream().sorted(((o1, o2) -> Double.compare(o1.getAge(), o2.getAge()))).findFirst();
System.out.println("findFirst:" + findFirst.get());

/**
 * findAny
 */
System.out.println("======findAny======");
Optional<UserEntity> findAny = userList.stream().filter(userEntity -> userEntity.getName().equalsIgnoreCase("zhangsan")).findAny();
System.out.println("findAny:" + findAny.get());

/**
 * max
 */
System.out.println("======max======");
Optional<Integer> max = userList.stream().map(UserEntity::getAge).max(Double::compare);
System.out.println("max:" + max);

/**
 * min
 */
System.out.println("======min======");
Optional<Integer> min = userList.stream().map(UserEntity::getAge).min(Double::compare);
System.out.println("min:" + min);

注意：流进行了终止操作后不能再次使用！

4.2 归约

方法	描述
reduce(T iden, BinaryOperator b)	可以将流中元素反复结合起来，得到一个值。返回 T
reduce(BinaryOperator b)	可以将流中元素反复结合起来，得到一个值。返回 Optional< T >

/**
 * stream将reduce求和--基本数据类型
 */
System.out.println("======reduce——基本数据类型======");
// 1、使用匿名内部类的方式
Stream<Integer> integerStream1 = Stream.of(10, 30, 80, 60, 10, 70);
Optional<Integer> reduce = integerStream1.reduce(new BinaryOperator<Integer>() {
    @Override
    public Integer apply(Integer integer, Integer integer2) {
        return integer + integer2;
    }
});
System.out.println(reduce.get());
// 2、使用lambda的方式
Stream<Integer> integerStream2 = Stream.of(10, 30, 80, 60, 10, 70);
Optional<Integer> reduce2 = integerStream2.reduce((a1, a2) -> a1 + a2);
System.out.println(reduce2.get());



/**
 * stream将reduce求和--对象
 */
System.out.println("======reduce——对象======");
// 1、使用匿名内部类的方式
// 1、使用匿名内部类的方式
Stream<UserEntity> objStream1 = userEntities.stream();
Optional<UserEntity> reduce3 = objStream1.reduce(new BinaryOperator<UserEntity>() {
    @Override
    public UserEntity apply(UserEntity userEntity, UserEntity userEntity2) {
        userEntity.setAge(userEntity.getAge() + userEntity2.getAge());
        return userEntity;
    }
});
System.out.println(reduce3.get().getAge());
// 2、使用lambda的方式
Stream<UserEntity> objStream2 = userEntities.stream();
Optional<UserEntity> reduce4 = objStream2.reduce((user1, user2) -> {
    user1.setAge(user1.getAge() + user2.getAge());
    return user1;
});
System.out.println(reduce4.get().getAge());

4.3 收集

方法	描述
collect(Collector c)	将流转换为其他形式。接收一个 Collector接口的实现，用于给Stream中元素做汇总的方法

Collectors 实用类提供了很多静态方法，可以方便地创建常见收集器实例，具体方法与实例如下：

方法	返回类型	描述
toList	List< T >	把流中元素收集到List
toSet	Set< T >	把流中元素收集到Set
toCollection	Collection< T >	把流中元素收集到创建的集合
counting	Long	计算流中元素的个数
summingInt	Integer	对流中元素的整数属性求和
averagingInt	Double	计算流中元素Integer属性的平均值
summarizingInt	IntSummaryStatistics	收集流中Integer属性的统计值。如：平均值
joining	String	连接流中每个字符串
maxBy	Optional< T >	根据比较器选择最大值
minBy	Optional< T >	根据比较器选择最小值
reducing	归约产生的类型	从一个作为累加器的初始值开始，利用BinaryOperator与流中元素逐个结合，从而归约成单个值
collectingAndThen	转换函数返回的类型	包裹另一个收集器，对其结果转换函数
groupingBy	Map<K, List< T >>	根据某属性值对流分组，属性为K，结果为V
partitioningBy	Map<Boolean, List< T >>	根据true或false进行分区

/**
 * collect——将流转换为其他形式。接收一个 Collector接口的实现，用于给Stream中元素做汇总的方法。
 */
// toList()：把流中元素收集到 List
System.out.println("======toList()======");
List<String> collectList = userList.stream().map(UserEntity::getName).collect(Collectors.toList());
collectList.forEach(System.out::println);


// toSet()：把流中元素收集到 Set
System.out.println("======toSet()======");
Set<String> collectSet = userList.stream().map(UserEntity::getName).collect(Collectors.toSet());
collectSet.forEach(System.out::println);


// toCollection()：把流中元素收集到创建的集合
System.out.println("======toCllection()======");
HashSet<String> collectHashSet = userList.stream().map(UserEntity::getName).collect(Collectors.toCollection(HashSet::new));
collectHashSet.forEach(System.out::println);


// counting()：计算流中元素的个数
System.out.println("======counting()======");
Long collectLong = userList.stream().collect(Collectors.counting());
System.out.println("流中元素的个数：" + collectLong);


// summingInt()：对流中元素的整数属性求和
System.out.println("======summingInt()======");
Integer summingInt = userList.stream().collect(Collectors.summingInt(UserEntity::getAge));
System.out.println("对流中的整数属性求和：" + summingInt);


// summarizingInt()：收集流中Integer属性的统计值。 如：平均值
System.out.println("======summarizingInt()======");
IntSummaryStatistics intSummaryStatistics = userList.stream().collect(Collectors.summarizingInt(UserEntity::getAge));
System.out.println("平均值：" + intSummaryStatistics.getAverage());
System.out.println("最大值：" + intSummaryStatistics.getMax());


// joining()：连接流中每个字符串("以什么符号分割", "以什么符号开头", "以什么符号结尾")
System.out.println("======joining()======");
String joiningStr = userList.stream().map(UserEntity::getName).collect(Collectors.joining(",", "---", "---"));
System.out.println(joiningStr);


// maxBy()：根据比较器选择最大值
System.out.println("======maxBy()======");
Optional<Integer> collectMaxBy = userList.stream().map(UserEntity::getAge).collect(Collectors.maxBy(Integer::compare));
System.out.println(collectMaxBy.get());


// minBy()：根据比较器选择最小值
System.out.println("======minBy()======");
Optional<UserEntity> collectMinBy = userList.stream().collect(Collectors.minBy(((o1, o2) -> Integer.compare(o1.getAge(), o2.getAge()))));
System.out.println(collectMinBy.get());


// reducing()：从一个作为累加器的初始值开始，利用BinaryOperator与流中元素逐个结合，从而归约成单个值
System.out.println("======reducing()======");
Optional<Integer> collectReducing = userList.stream().map(UserEntity::getAge).collect(Collectors.reducing(Integer::sum));
System.out.println(collectReducing);


// groupingBy()：根据某属性值对流分组，属性为K，结果为V
System.out.println("======groupingBy()======");
Map<Integer, List<UserEntity>> listMap = userList.stream().collect(Collectors.groupingBy(UserEntity::getAge));
System.out.println("根据年龄对流分组：" + listMap);
// 多级分组
Map<Integer, Map<String, List<UserEntity>>> groupMap = userList.stream().collect(Collectors.groupingBy(UserEntity::getAge, Collectors.groupingBy(u -> {
    if (u.getAge() >= 60)
        return "老年";
    else if (u.getAge() >= 35)
        return "中年";
    else
        return "成年";
})));
System.out.println(groupMap);


// partitioningBy()：根据true或false进行分区
System.out.println("======partitioningBy()======");
Map<Boolean, List<UserEntity>> partitioningMap = userList.stream().collect(Collectors.partitioningBy(u -> u.getAge() >= 500));
System.out.println(partitioningMap);