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
举个栗子:流如何简化代码
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:
- 筛选出卡路里小于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
public class Dish {
private String name;
private boolean vegetarian;
private int calories;
private Type type;
// getter and setter
}
Java8以前的实现方式
private List<String> beforeJava7(List<Dish> dishList) {
List<Dish> lowCaloricDishes = new ArrayList<>();
//1.筛选出卡路里小于400的菜肴
for (Dish dish : dishList) {
if (dish.getCalories() < 400) {
lowCaloricDishes.add(dish);
}
}
//2.对筛选出的菜肴进行排序
Collections.sort(lowCaloricDishes, new Comparator<Dish>() {
@Override
public int compare(Dish o1, Dish o2) {
return Integer.compare(o1.getCalories(), o2.getCalories());
}
});
//3.获取排序后菜肴的名字
List<String> lowCaloricDishesName = new ArrayList<>();
for (Dish d : lowCaloricDishes) {
lowCaloricDishesName.add(d.getName());
}
return lowCaloricDishesName;
}
Java8之后的实现方式
private List<String> afterJava8(List<Dish> dishList) {
return dishList.stream()
.filter(d -> d.getCalories() < 400) //筛选出卡路里小于400的菜肴
.sorted(comparing(Dish::getCalories)) //根据卡路里进行排序
.map(Dish::getName) //提取菜肴名称
.collect(Collectors.toList()); //转换为List
}
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
private static Map<Type, List<Dish>> beforeJdk8(List<Dish> dishList) {
Map<Type, List<Dish>> result = new HashMap<>();
for (Dish dish : dishList) {
//不存在则初始化
if (result.get(dish.getType())==null) {
List<Dish> dishes = new ArrayList<>();
dishes.add(dish);
result.put(dish.getType(), dishes);
} else {
//存在则追加
result.get(dish.getType()).add(dish);
}
}
return result;
}
Java8以后的实现方式
private static Map<Type, List<Dish>> afterJdk8(List<Dish> dishList) {
return dishList.stream().collect(groupingBy(Dish::getType));
}
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
一、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
二、如何生成流
生成流的方式主要有五种
1、通过集合生成,应用中最常用的一种
List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5);
Stream<Integer> stream = integerList.stream();
通过集合的stream方法生成流
2、通过数组生成
int[] intArr = new int[]{1, 2, 3, 4, 5};
IntStream stream = Arrays.stream(intArr);
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 】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
3、通过值生成
Stream<Integer> stream = Stream.of(1, 2, 3, 4, 5);
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
4、通过文件生成
Stream<String> lines = Files.lines(Paths.get("data.txt"), Charset.defaultCharset())
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
5、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
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
Stream<Double> stream = Stream.generate(Math::random).limit(5);
generate方法接受一个参数,方法参数类型为Supplier ,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
三、流的操作类型
流的操作类型主要分为两种
1、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
2、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
四、Collector和Collectors
Collector与Collectors位于java.util.stream包下,为stream流式计算提供方便的。
1、Collector(interface)
Collector意为收集器,专门用来作为Stream的collect方法的参数的;
public interface Stream<T> extends BaseStream<T, Stream<T>> {
<R, A> R collect(Collector<? super T, A, R> collector);
}
Collector主要包含五个参数,它的行为也是由这五个参数来定义的,如下所示:
public interface Collector<T, A, R> {
// supplier参数用于生成结果容器,容器类型为A
Supplier<A> supplier();
// accumulator用于消费元素,也就是归纳元素,这里的T就是元素,它会将流中的元素一个一个与结果容器A发生操作
BiConsumer<A, T> accumulator();
// combiner用于两个两个合并并行执行的线程的执行结果,将其合并为一个最终结果A
BinaryOperator<A> combiner();
// finisher用于将之前整合完的结果R转换成为A
Function<A, R> finisher();
// characteristics表示当前Collector的特征值,这是个不可变Set
Set<Characteristics> characteristics();
}
Collector拥有两个of方法用于生成Collector实例,其中一个拥有上面所有五个参数,另一个四个参数,不包括finisher。
public interface Collector<T, A, R> {
// 四参方法,用于生成一个Collector,T代表流中的一个一个元素,R代表最终的结果
public static<T, R> Collector<T, R, R> of(Supplier<R> supplier,
BiConsumer<R, T> accumulator,
BinaryOperator<R> combiner,
Characteristics... characteristics) {/*...*/}
// 五参方法,用于生成一个Collector,T代表流中的一个一个元素,A代表中间结果,R代表最终结果,finisher用于将A转换为R
public static<T, A, R> Collector<T, A, R> of(Supplier<A> supplier,
BiConsumer<A, T> accumulator,
BinaryOperator<A> combiner,
Function<A, R> finisher,
Characteristics... characteristics) {/*...*/}
}
2、Collectors(final class)
Collectors为Collector的工具类,实现了Collector,内部有很多方法返回值为Collector类型。在stream链式编程中,<R, A> R collect(Collector<? super T, A, R> collector)方法的参数为collector,可以使用collectors的方法来实现我们想要的操作。
总结:整个Collectors工具类就是在为Collector服务,用于创建各种不同的Collector。部分功能与Stream中的方法重合了,为了简化代码,完全不必采用Collectors实现,优先Stream方法。
五、流的使用
中间操作:返回Stream本身
1、filter:筛选
List<Integer> integerList = Arrays.asList(1, 1, 2, 3, 4, 5);
integerList.stream().filter(i -> i > 3)
.forEach(System.out::println);
2、distinct:去除重复元素
// 知之为知之,不知为不知
Stream<String> stream = Stream.of("know", "is", "know", "noknow", "is", "noknow");
stream.distinct()
.forEach(System.out::println); // know is noknow
3、skip:跳过流中的元素
List<String> list = Arrays.asList("a", "b", "c", "d", "e");
// Stream<T> skip(long n)
list.stream().skip(2)
.forEach(System.out::println); // c、d、e
4、limit:返回指定流
List<String> list = Arrays.asList("a", "b", "c", "d", "e");
list.stream().skip(2).limit(2)
.forEach(System.out::println); // c、d
5、map:流映射
①所谓流映射就是将接受的元素映射成另外一个元素
List<String> stringList = Arrays.asList("Java 8", "Lambdas", "In", "Action");
stringList.stream().map(String::length)
.forEach(System.out::println); //6 7 2 6
通过map方法可以完成映射,该例子完成中String -> Integer的映射,输出String长度
②转换成对应的大写形式
List<String> list = Arrays.asList("how", "are", "you", "how", "old", "are", "you", "?");
list.stream().map(item -> item.toUpperCase())
.forEach(System.out::println);
flatMap流转换
List<Integer> a = Arrays.asList(1, 2, 3);
List<Integer> b = Arrays.asList(4, 5, 6);
// <R> Stream<R> flatMap(Function<? super T, ? extends Stream<? extends R>> mapper)
Stream.of(a, b).collect(Collectors.toList())
.forEach(System.out::println); // [[1, 2, 3], [4, 5, 6]]
// 将多个集合中的元素合并成一个集合
List<Integer> mergeList = Stream.of(a, b).flatMap(list -> list.stream())
.collect(Collectors.toList());
System.out.println(mergeList); // [1, 2, 3, 4, 5, 6]
6、sorted:排序
List<String> list = Arrays.asList("c", "e", "a", "d", "b");
// Stream<T> sorted(Comparator<? super T> comparator);
// int compare(T o1, T o2);
list.stream().sorted((s1, s2) -> s1.compareTo(s2))
.forEach(System.out::println);
对象集合按时间排序:
升序:coDoctorVOList.sort(Comparator.comparing(CoDoctorVO::getTime));
降序:coDoctorVOList.sort((m1, m2) -> m2.getTime().compareTo(m1.getTime()));
ps: getTime()是对象中获取时间参数的方法
7、match : 元素匹配
提供了三种匹配方式
//allMatch匹配所有
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");
}
//anyMatch匹配其中一个,存在
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");
}
//noneMatch全部不匹配
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");
}
终端操作:返回一特定类型的计算结果
统计流中元素个数
1、count/counting :统计元素个数
Stream<String> stream = Stream.of("know", "is", "know", "noknow", "is", "noknow");
long count = stream.count();
System.out.println(count); //6
//或者,通过counting
long count = stream.collect(counting());
2、minBy/maxBy:获取最小最大值
List<String> list = Arrays.asList("1", "2", "3", "4", "5");
// Optional<T> min(Comparator<? super T> comparator);
Optional<String> optional = list.stream().min((a, b) -> a.compareTo(b));
String value = optional.get();
System.out.println(value);
//最大值3
Integer maxValue = list.stream()
.collect(Collectors.collectingAndThen(Collectors.maxBy((a, b) -> a - b), Optional::get));
// 最小值1
Integer minValue = list.stream()
.collect(Collectors.collectingAndThen(Collectors.minBy((a, b) -> a - b), Optional::get));
3、find:查找
提供了两种查找方式
//findFirst查找第一个
//通过findFirst方法查找到第一个大于三的元素并打印
List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5);
Optional<Integer> result = integerList.stream()
.filter(i -> i > 3).findFirst();
System.out.println(result.get()); //4
//findAny随机查找一个
List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5);
Optional<Integer> result = integerList.stream()
.filter(i -> i > 3).findAny();
System.out.println(result.get()); //4
备注: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。
4、reduce:归纳/求和
reduce/sum/summingInt
//jdk8之前
int sum = 0;
for (int i : integerList) {
sum += i;
}
//jdk8之后
List<Integer> a1 = Arrays.asList(1, 2, 3);
int sum1 = a1.stream().reduce(0, (a, b) -> (a + b));
int sum2 = a1.stream().reduce(0, Integer::sum);
int sum3 = a1.stream().mapToInt(a -> a).sum();
int sum4 = a1.stream().collect(summingInt(a -> a));
//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
通过reduce获取最小最大值
Optional<Integer> min = menu.stream().map(Dish::getCalories).reduce(Integer::min);
Optional<Integer> max = menu.stream().map(Dish::getCalories).reduce(Integer::max);
5、averagingInt:求平均值
List<Integer> list = Arrays.asList(1, 2, 3);
// 平均值 2.0
Double avg = list.stream().collect(Collectors.averagingDouble(x -> x));
如果数据类型为double、long,则通过averagingDouble、averagingLong方法进行求平均
6、summarizingInt:同时求总和、平均值、最大值、最小值
IntSummaryStatistics intSummaryStatistics = menu.stream()
.collect(summarizingInt(Dish::getCalories));
double average = intSummaryStatistics.getAverage(); //获取平均值
int min = intSummaryStatistics.getMin(); //获取最小值
int max = intSummaryStatistics.getMax(); //获取最大值
long sum = intSummaryStatistics.getSum(); //获取总和
如果数据类型为double、long,则通过summarizingDouble、summarizingLong方法
7、collect:返回集合
Stream<String> stream = Stream.of("know", "is", "know", "noknow", "is", "noknow");
//1、toList
System.out.println(stream.collect(toList()));
System.out.println(stream.collect(Collectors.toList()));
//2、toSet
System.out.println(stream.collect(toSet())); //去重
//3、toMap,可用于将List转为Map,便于通过key快速查找到某个value
List<User> userList = Arrays.asList(
new User(1L, "mengday"),
new User(2L, "mengdee"),
new User(3L, "mengdy")
);
Map<Long, User> userIdAndModelMap = userList.stream()
.collect(Collectors.toMap(User::getId, Function.identity()));
User user = userIdAndModelMap.get(1L);
System.out.println(user); // User(id=1, username=mengday)
Map<Long, String> userIdAndUsernameMap = userList.stream()
.collect(Collectors.toMap(User::getId, User::getUsername));
String username = userIdAndUsernameMap.get(1L);
System.out.println(username); // mengday
8、concat:合并集合
List<String> list = Arrays.asList("a", "b");
List<String> list2 = Arrays.asList("c", "d");
Stream<String> concatStream = Stream.concat(list.stream(), list2.stream());
concatStream.forEach(System.out::println);
9、joining:拼接元素
//1、指定连接符
List<String> list2 = Arrays.asList("a", "b", "c");
String result = list2.stream()
.collect(Collectors.joining(",")); //a,b,c
//2、指定连接符和前后缀
String sss = list2.stream().collect(Collectors.joining("-","S","E"));
//3、Collectors.joining(",")的结果是:a,b,c 然后再将结果 x + "d"操作, 最终返回a,b,cd
String str= Stream.of("a", "b", "c")
.collect(Collectors.collectingAndThen(Collectors.joining(","), x -> x + "d"));
// 映射:先对集合中的元素进行映射,然后再对映射的结果使用Collectors操作
// A,B,C
list2.collect(Collectors.mapping(x -> x.toUpperCase(), Collectors.joining(",")));
String result = menu.stream().map(Dish::getName).collect(Collectors.joining(", "));
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
10、groupingBy:分组
Map<Type, List<Dish>> result = dishList.stream().collect(groupingBy(Dish::getType));
在collect方法中传入groupingBy进行分组,其中groupingBy的方法参数为分类函数。还可以通过嵌套使用groupingBy进行多级分类
Map<Type, List<Dish>> result = menu.stream().collect(groupingBy(Dish::getType,
groupingBy(dish -> {
if (dish.getCalories() <= 400) return CaloricLevel.DIET;
else if (dish.getCalories() <= 700) return CaloricLevel.NORMAL;
else return CaloricLevel.FAT;
})));
11、partitioningBy: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
Map<Boolean, List<Dish>> result = menu.stream().collect(partitioningBy(Dish :: isVegetarian))
等同于
Map<Boolean, List<Dish>> result = menu.stream().collect(groupingBy(Dish :: isVegetarian))
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:
List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5);
Map<Boolean, List<Integer>> result = integerList.stream().collect(partitioningBy(i -> i < 3));
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
12、collectingAndThen:处理归纳结果
Collectors.collectingAndThen() 函数应该最像 map and reduce 了,它可接受两个参数,第一个参数用于 reduce操作,而第二参数用于 map操作。
也就是,先把流中的所有元素传递给第一个参数,然后把生成的集合传递给第二个参数来处理。
例如下面的代码:
- 把 [1,2,3,4] 这个集合传递给 v -> v * 2 lambda表达式,计算得出结果为[2,4,6,8]
- 然后再把 [2,4,6,8]传递给 Collectors.averagingLong 表达式,计算得出 5.0
- 然后传递给 s -> s * s lambda表达式,计算得到结果为 25.0
public class CollectorsTest {
public static void collectingAndThenTest(List<String> list){
int length = list.stream().collect(Collectors.collectingAndThen(Collectors.toList(),e -> e.size()));
System.out.println(length); //8
}
public static void main(String[] args) {
List<String> list = Arrays.asList("123","456","789","1101","212121121","asdaa","3e3e3e","2321eew");
collectingAndThenTest(list);
}
}