一文详解Java中Stream流的使用

目录简介操作1：创建流操作2：中间操作筛选（过滤）、去重映射排序消费操作3：终止操作匹配、最值、个数收集规约

简介

说明

本文用实例介绍stream的使用。

JDK8新增了Stream（流操作） 处理集合的数据，可执行查找、过滤和映射数据等操作。

使用Stream API 对集合数据进行操作，就类似于使用 SQL 执行的数据库查询。可以使用 Stream API 来并行执行操作。

简而言之，Stream API 提供了一种高效且易于使用的处理数据的方式。

特点

不是数据结构，不会保存数据。

大部分不修改原来的数据源，它会将操作后的数据保存到另外一个对象中。

peek方法可以修改流中元素

惰性求值，流在中间处理过程中，只对操作进行记录，不会立即执行，需等到执行终止操作的时候才会进行实际的计算。

Stream操作步骤

创建Stream=> 转换Stream（中间操作）=> 产生结果（终止操作）

注意：这只是一般操作。实际编程时，创建必须有，而中间操作与终止操作是可选的。

操作分类

无状态：指元素的处理不受之前元素的影响；

有状态：指该操作只有拿到所有元素之后才能继续下去。

非短路操作：指必须处理所有元素才能得到最终结果；

短路操作：指遇到某些符合条件的元素就可以得到最终结果，如 A || B，只要A为true，则无需判断B的结果。

本文的公共代码

​class User {

private String name;

private Integer age;

public User(String name, Integer age) {

this.name = name;

this.age = age;

}

public String getName() {

return name;

}

public void setName(String name) {

this.name = name;

}

public Integer getAge() {

return age;

}

public void setAge(Integer age) {

this.age = age;

}

@Override

public String toString() {

return "User{" +

"name='" + name + '\'' +

", age=" + age +

'}';

}

}

操作1：创建流

Collection下的 stream() 和 parallelStream() 方法

List list = new ArrayList<>();

Stream stream = list.stream(); //串行流

Stream parallelStream = list.parallelStream(); //并行流

Arrays 中的 stream() 方法，将数组转成流

Integer[] nums = new Integer[10];

Stream stream = Arrays.stream(nums);

Stream中的静态方法：of()、iterate()、generate()

Stream stream = Stream.of(1,2,3,4,5,6);

stream.forEach(System.out::println);

// 输出：1 2 3 4 5 6

Stream stream2 = Stream.iterate(0, (x) -> x + 2).limit(6);

stream2.forEach(System.out::println);

// 输出：0 2 4 6 8 10

Stream stream3 = Stream.generate(Math::random).limit(2);

stream3.forEach(System.out::println);

// 输出：两个随机数

BufferedReader.lines() 方法，将每行内容转成流

BufferedReader reader = new BufferedReader(new FileReader("F:\\test_stream.txt"));

Stream lineStream = reader.lines();

lineStream.forEach(System.out::println);

Pattern.splitAsStream() 方法，将字符串分隔成流

Pattern pattern = Pattern.compile(",");

Stream stringStream = pattern.splitAsStream("a,b,c,d");

stringStream.forEach(System.out::println);

//输出：a b c d

操作2：中间操作

筛选（过滤）、去重

方法

方法说明filter过滤流中的某些元素（只保留返回值为true的项）limit(n)获取前n个元素skip(n)跳过前n个元素，配合limit(n)可实现分页distinct通过流中元素的 hashCode() 和 equals() 去除重复元素

单个元素筛选（过滤）、去重、跳过、获取前n个

List list = new ArrayList<>(Arrays.asList(6, 4, 6, 7, 3, 9, 8, 10, 12, 14, 14));

List newList = list.stream()

.filter(s -> s > 5) //6 6 7 9 8 10 12 14 14

.distinct() //6 7 9 8 10 12 14

.skip(2) //9 8 10 12 14

.limit(2) //9 8

.collect(Collectors.toList());

根据对象属性去重

List list = new ArrayList() {{

add(new User("Tony", 20, "12"));

add(new User("Pepper", 20, "123"));

add(new User("Tony", 22, "1234"));

add(new User("Tony", 22, "12345"));

}};

//只通过名字去重

List streamByNameList = list.stream().collect(Collectors.collectingAndThen(

Collectors.toCollection(() -> new TreeSet<>(Comparator.comparing(User::getName))), ArrayList::new

));

System.out.println(streamByNameList);

//[User{name='Pepper', age=20, Phone='123'},

// User{name='Tony', age=20, Phone='12'}]

//通过名字和年龄去重

List streamByNameAndAgeList = list.stream().collect(Collectors.collectingAndThen(

Collectors.toCollection(

() -> new TreeSet<>(Comparator.comparing(o -> o.getName() + o.getAge()))), ArrayList::new

));

System.out.println(streamByNameAndAgeList);

//[User{name='Pepper', age=20, Phone='123'},

// User{name='Tony', age=20, Phone='12'},

// User{name='Tony', age=22, Phone='1234'}]

collectingAndThen 这个方法的意思是: 将收集的结果转换为另一种类型。

因此上面的方法可以理解为：把 new TreeSet<>(Comparator.comparingLong(BookInfoVo::getRecordId))这个set转换为 ArrayList。

映射

方法

方法说明map函数作为参数，该函数被应用到每个元素，并将其映射成一个新的元素。新值类型可以和原来的元素的类型不同。flatMap函数作为参数，将流中每个值换成另一个流，再把所有流连成一个流。 新值类型可以和原来的元素的类型不同。mapToInt/Long/Double跟map差不多。只是将其转为基本类型。flatMapToInt/Long/Double跟flatMap差不多。只是将其转为基本类型。

新值类型和原来的元素的类型相同示例

List list = Arrays.asList("a,b,c", "1,2,3");

//将每个元素转成一个新的且不带逗号的元素

Stream s1 = list.stream().map(s -> s.replaceAll(",", ""));

s1.forEach(System.out::println);

// abc 123

Stream s2 = list.stream().flatMap(s -> {

//将每个元素转换成一个stream

String[] split = s.split(",");

Stream s3 = Arrays.stream(split);

return s3;

});

s2.forEach(System.out::println);

// a b c 1 2 3

新值类型和原来的元素的类型不同示例

User u1 = new User("aa", 10);

User u2 = new User("bb", 20);

User u3 = new User("cc", 10);

List list = Arrays.asList(u1, u2, u3);

Set ageSet = list.stream().map(User::getAge).collect(Collectors.toSet());

ageSet.forEach(System.out::println);

//20 10

int[] ageInt = list.stream().map(User::getAge).mapToInt(Integer::intValue).toArray();

//下边这样也可以

//Integer[] ages = list.stream.map(User::getAge).toArray(Integer[]::new);

for (int i : ageInt) {

System.out.println(i);

}

//10 20 10

map的原型为： Stream map(Function super T, ? extends R> mapper);

上边例子中，将Student::getAge作为参数，其实际为： Stream map(Function super Student, ? extends Integer> mapper);

排序

方法

方法说明sorted()自然排序，流中元素需实现Comparable接口。例：list.stream().sorted()sorted(Comparator com)定制排序。常用以下几种：list.stream().sorted(Comparator.reverseOrder())list.stream().sorted(Comparator.comparing(Student::getAge))list.stream().sorted(Comparator.comparing(Student::getAge).reversed())

示例

List list = Arrays.asList("aa", "ff", "dd");

//String 类自身已实现Comparable接口

list.stream().sorted().forEach(System.out::println);

System.out.println("------------------------------------");

User u1 = new User("dd", 40);

User u2 = new User("bb", 20);

User u3 = new User("aa", 20);

User u4 = new User("aa", 30);

List userList = Arrays.asList(u1, u2, u3, u4);

//按年龄升序

userList.stream().sorted(Comparator.comparing(User::getAge))

.forEach(System.out::println);

System.out.println("------------------------------------");

//先按年龄升序，年龄相同则按姓名升序

userList.stream().sorted(

(o1, o2) -> {

if (o1.getAge().equals(o2.getAge())) {

return o1.getName().compareTo(o2.getName());

} else {

return o1.getAge().compareTo(o2.getAge());

}

}

).forEach(System.out::println);

结果

aaddff------------------------------------User{name='bb', age=20}User{name='aa', age=20}User{name='aa', age=30}User{name='dd', age=40}------------------------------------User{name='aa', age=20}User{name='bb', age=20}User{name='aa', age=30}User{name='dd', age=40}

消费

方法

方法说明peek类似于map，能得到流中的每一个元素。但map接收的是一个Function表达式，有返回值；而peek接收的是Consumer表达式，没有返回值。

示例

User u1 = new User("dd", 40);

User u2 = new User("bb", 20);

User u3 = new User("aa", 20);

User u4 = new User("aa", 30);

List list = Arrays.asList(u1, u2, u3, u4);

List list1 = list.stream()

.peek(o -> o.setAge(100))

.collect(Collectors.toList());

System.out.println(list1);

结果：

[User{name='dd', age=100}, User{name='bb', age=100}, User{name='aa', age=100}, User{name='aa', age=100}]

操作3：终止操作

匹配、最值、个数

方法

方法说明allMatch接收一个 Predicate 函数，当流中每个元素都符合该断言时才返回true，否则返回falsenoneMatch接收一个 Predicate 函数，当流中每个元素都不符合该断言时才返回true，否则返回falseanyMatch接收一个 Predicate 函数，只要流中有一个元素满足该断言则返回true，否则返回falsefindFirst返回流中第一个元素findAny返回流中的任意元素count返回流中元素的总个数max返回流中元素最大值min返回流中元素最小值

实例1：单个类型

List list = Arrays.asList(1, 2, 3, 4, 5);

// 匹配

boolean allMatch = list.stream().allMatch(e -> e > 10); //false

boolean noneMatch = list.stream().noneMatch(e -> e > 10); //true

boolean anyMatch = list.stream().anyMatch(e -> e > 4); //true

// 获取第一个/第任意个

Integer findFirst = list.stream().findFirst().get(); //1

Integer findAny = list.stream().findAny().get(); //1

// 计数、最大值、最小值

long count = list.stream().count(); //5

Integer max = list.stream().max(Integer::compareTo).get(); //5

Integer min = list.stream().min(Integer::compareTo).get(); //1

实例2：获取对象中的字段的最值

User u1 = new User("dd", 40);

User u2 = new User("bb", 20);

User u3 = new User("aa", 20);

User u4 = new User("aa", 30);

List list = Arrays.asList(u1, u2, u3, u4);

//获取最小年龄的用户。

User user1 = list.stream()

.min(Comparator.comparing(User::getAge))

.get();

System.out.println(user1);

System.out.println("------------------------------------");

//获取先按姓名升序，姓名相同则按年龄升序。然后获取最小的那个（第一个）

User user = list.stream().min((o1, o2) -> {

if (o1.getAge().equals(o2.getAge())) {

return o1.getName().compareTo(o2.getName());

} else {

return o1.getAge().compareTo(o2.getAge());

}

}).get();

System.out.println(user);

结果

User{name='bb', age=20}------------------------------------User{name='aa', age=20}

收集

方法

方法说明collect接收一个Collector实例，将流中元素收集成另外一个数据结构。

Collector实例一般由Collectors的静态方法取得。例如：Collectors.toList()

公共代码

User u1 = new User("dd", 40);

User u2 = new User("bb", 20);

User u3 = new User("aa", 20);

User u4 = new User("aa", 30);

List list = Arrays.asList(u1, u2, u3, u4);

转换

字符串分隔符连接

String joinName = list.stream().map(User::getName).collect(Collectors.joining(",", "(", ")"));

System.out.println(joinName);

//(dd,bb,aa,aa)

转成list

List ageList = list.stream().map(User::getAge).collect(Collectors.toList());

System.out.println(ageList);

//[40, 20, 20, 30]

转成set

Set ageSet = list.stream().map(User::getAge).collect(Collectors.toSet());

System.out.println(ageSet);

//[20, 40, 30]

转成map（注：key不能相同，否则报错）

User s1 = new User("dd", 40);

User s2 = new User("bb", 20);

User s3 = new User("aa", 20);

List list = Arrays.asList(s1, s2, s3);

Map ageMap = list.stream().collect(Collectors.toMap(User::getName, User::getAge));

System.out.println(ageMap);

//{aa=20, bb=20, dd=40}

本处我将重复的名字给去掉了一个，因为如果key有重复的会报错。

三个参数的map

第一个参数就是用来生成key值的，第二个参数就是用来生成value值的。

第三个参数用在key值冲突的情况下：若新元素产生的key在Map中已经出现过了，第三个参数就会定义解决的办法。

User u1 = new User("aa", 10);

User u2 = new User("bb", 20);

User u3 = new User("cc", 10);

User u4 = new User("bb", 30);

List list = new ArrayList<>(Arrays.asList(u1, u2, u3, u4));

Map> listMap = list.stream().collect(Collectors.toMap(User::getName,

o -> {

List list1 = new ArrayList<>();

list1.add(o);

return list1;

},

(r1, r2) -> {

r1.addAll(r2);

return r1;

}

)

);

System.out.println(listMap);

结果

{aa=[User{name='aa', age=20}, User{name='aa', age=30}], bb=[User{name='bb', age=20}], dd=[User{name='dd', age=40}]}

聚合

聚合（总数、平均值、最大最小值等）

//1.用户总数

Long count = list.stream().collect(Collectors.counting());

System.out.println(count);

//4

//2.最大年龄 (最小的minBy同理)

Integer maxAge = list.stream().map(User::getAge).collect(Collectors.maxBy(Integer::compare)).get();

System.out.println(maxAge);

//40

//3.所有人的年龄

Integer sumAge = list.stream().collect(Collectors.summingInt(User::getAge));

System.out.println(sumAge);

//110

//4.平均年龄

Double averageAge = list.stream().collect(Collectors.averagingDouble(User::getAge));

System.out.println(averageAge);

// 27.5

// 统计上边所有数据

DoubleSummaryStatistics stat = list.stream().collect(Collectors.summarizingDouble(User::getAge));

System.out.println("count:" + stat.getCount() + " max:" + stat.getMax() + " sum:" + stat.getSum()

+ " average:" + stat.getAverage());

//count:4 max:40.0 sum:110.0 average:27.5

分组

//根据年龄分组

Map> listMap = list.stream().collect(Collectors.groupingBy(User::getAge));

for (Map.Entry> entry : listMap.entrySet()) {

System.out.println(entry.getKey() + "-->" + entry.getValue());

}

//20-->[User{name='bb', age=20}, User{name='aa', age=20}]

//40-->[User{name='dd', age=40}]

//30-->[User{name='aa', age=30}]

多重分组

// 先根据年龄分再根据

Map> ageNameMap = list.stream().collect(

Collectors.groupingBy(User::getAge, Collectors.groupingBy(User::getName)));

for (Map.Entry>> entry : ageNameMap.entrySet()) {

System.out.println(entry.getKey() + "-->" + entry.getValue());

}

//20-->{aa=[User{name='aa', age=20}], bb=[User{name='bb', age=20}]}

//40-->{dd=[User{name='dd', age=40}]}

//30-->{aa=[User{name='aa', age=30}]}

分区

特殊的分组，分为true和false两组

//分成两部分，一部分大于10岁，一部分小于等于10岁

Map> partMap = list.stream().collect(Collectors.partitioningBy(v -> v.getAge() > 20));

for (Map.Entry> entry : partMap.entrySet()) {

System.out.println(entry.getKey() + "-->" + entry.getValue());

}

//false-->[User{name='bb', age=20}, User{name='aa', age=20}]

//true-->[User{name='dd', age=40}, User{name='aa', age=30}]

总结

Collector 是一个接口，有以下5个抽象方法：

1.Supplier supplier()：创建一个结果容器A

2.BiConsumer accumulator()：消费型接口，第一个参数为容器A，第二个参数为流中元素T。

3.BinaryOperator combiner()：函数接口，该参数的作用跟上一个方法(reduce)中的combiner参数一样，将并行流中各个子进程的运行结果(accumulator函数操作后的容器A)进行合并。

4.Function finisher()：函数式接口，参数为：容器A，返回类型为：collect方法最终想要的结果R。

5.Set characteristics()：返回一个不可变的Set集合，表明该Collector的特征。有以下三个特征：

CONCURRENT：表示此收集器支持并发。（官方文档还有其他描述，暂时没去探索，故不作过多翻译）UNORDERED：表示该收集操作不会保留流中元素原有的顺序。IDENTITY_FINISH：表示finisher参数只是标识而已，可忽略。

注：如果对以上函数接口不太理解的话，可参考:java中Lambda表达式的使用详细教程

Collectors.toList() 解析

//toList 源码

public static Collector> toList() {

return new CollectorImpl<>((Supplier>) ArrayList::new, List::add,

(left, right) -> {

left.addAll(right);

return left;

}, CH_ID);

}

//为了更好地理解，我们转化一下源码中的lambda表达式

public Collector> toList() {

Supplier> supplier = () -> new ArrayList();

BiConsumer, T> accumulator = (list, t) -> list.add(t);

BinaryOperator> combiner = (list1, list2) -> {

list1.addAll(list2);

return list1;

};

Function, List> finisher = (list) -> list;

Set characteristics = Collections.unmodifiableSet

(EnumSet.of(Collector.Characteristics.IDENTITY_FINISH));

return new Collector, List>() {

@Override

public Supplier supplier() {

return supplier;

}

@Override

public BiConsumer accumulator() {

return accumulator;

}

@Override

public BinaryOperator combiner() {

return combiner;

}

@Override

public Function finisher() {

return finisher;

}

@Override

public Set characteristics() {

return characteristics;

}

};

}

规约

方法

方法说明Optional reduce(BinaryOperator accumulator)第一次执行时，accumulator函数的第一个参数为流中的第一个元素，第二个参数为流中元素的第二个元素；第二次执行时，第一个参数为第一次函数执行的结果，第二个参数为流中的第三个元素；依次类推。T reduce(T identity, BinaryOperator accumulator)流程跟上面一样，只是第一次执行时，accumulator函数的第一个参数为identity，而第二个参数为流中的第一个元素。 U reduce(U identity,BiFunction accumulator,BinaryOperator combiner)在串行流(stream)中，该方法跟第二个方法一样，即第三个参数combiner不会起作用。在并行流(parallelStream)中,我们知道流被fork join出多个线程进行执行，此时每个线程的执行流程就跟第二个方法reduce(identity,accumulator)一样，而第三个参数combiner函数，则是将每个线程的执行结果当成一个新的流，然后使用第一个方法reduce(accumulator)流程进行规约。

示例

List list = Arrays.asList(1, 2, 3, 4, 5);

Integer v = list.stream().reduce((x1, x2) -> x1 + x2).get();

System.out.println(v);

// 15

Integer v0 = list.stream().reduce((x1, x2) -> x1 + x2).get();

System.out.println(v0);

//15

Integer v1 = list.stream().reduce(10, (x1, x2) -> x1 + x2);

System.out.println(v1);

//25

Integer v2 = list.stream().reduce(0,

(x1, x2) -> {

System.out.println("stream accumulator: x1:" + x1 + " x2:" + x2);

return x1 - x2;

},

(x1, x2) -> {

System.out.println("stream combiner: x1:" + x1 + " x2:" + x2);

return x1 * x2;

});

System.out.println(v2);

// -15

Integer v3 = list.parallelStream().reduce(0,

(x1, x2) -> {

System.out.println("parallelStream accumulator: x1:" + x1 + " x2:" + x2);

return x1 - x2;

},

(x1, x2) -> {

System.out.println("parallelStream combiner: x1:" + x1 + " x2:" + x2);

return x1 * x2;

});

System.out.println(v3);

//-120

打印结果为：

151525stream accumulator: x1:0  x2:1stream accumulator: x1:-1  x2:2stream accumulator: x1:-3  x2:3stream accumulator: x1:-6  x2:4stream accumulator: x1:-10  x2:5-15parallelStream accumulator: x1:0  x2:3parallelStream accumulator: x1:0  x2:5parallelStream accumulator: x1:0  x2:4parallelStream combiner: x1:-4  x2:-5parallelStream accumulator: x1:0  x2:2parallelStream accumulator: x1:0  x2:1parallelStream combiner: x1:-3  x2:20parallelStream combiner: x1:-1  x2:-2parallelStream combiner: x1:2  x2:-60-120

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。