Stream API 优化 Java 代码！！！

最新推荐文章于 2024-07-22 14:15:06 发布

Anstand

最新推荐文章于 2024-07-22 14:15:06 发布

阅读量1k

点赞数 22

文章标签： java

本文链接：https://blog.csdn.net/weixin_45703565/article/details/136175052

版权

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);
    }
}