Java8中的Stream 流实践操作

目录1 前言2 Stream 的分类3 Stream 的操作3.1 创建流的方式3.2 流的中间操作3.3 流的终止操作总结

1 前言

Stream 是 java8 中处理集合的抽象概念，可以执行非常复杂的查询、过滤和映射数据等操作。Streamhttp:// API 提供了一种高效的处理数据方式，Stream 对集合数据的操作可以说是非常的方便。Stream 是流，不是一种数据结构，也不会保存数据，只是一种数据处理方式，从一种数据组织结构到另外一种数据结构。

2 Stream 的分类

按照 Stream 的，可以分为以下集中方式：

1 中间操作无状态，指元素的处理不受之前元素的影响。2 中间操作有状态，等到获取所有元素之后才能继续进行处理。3 最终操作非短路操作，必须处理所有元素后才能得到最终结果。4 最终操作短路操作，当遇到符合条件的元素就可以拿到最终结果。

3 Stream 的操作

3.1 创建流的方式

关于流的创建方式，可以使用数组或者集合，流的形式分为顺序流和并行流。

具体如下所示：

// 数组形式获取流

String[] dataArrs = new String[10];

Stream stream = Arrays.stream(dataArrs);

// 集合方式创建

List dataList = new ArrayList<>();

// 获取一个顺序流

Stream stream = dataList.stream();

// 获取一个并行流

Stream parallelStream = dataList.parallelStream();

当然处理上述的形式之外，也可以使用 Stream 的内置方法 generate()、of()、iterate() 来创建。

// of 创建 stream

Stream strs = Stream.of("a","b","c","d");

// lambda 创建等差数列，获取前 3 个

Stream stream2 = Stream.iterate(1, (x) -> x + 4).limit(3);

stream2.forEach(System.out::println); // 1 5 9

// 随机获取三个随机数

Stream stream3 = Stream.generate(Math::random).limit(3);

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

3.2 流的中间操作

关于流的中间操作，主要分为以下几种：

1 筛选操作与切片， filter 过滤流中的某些元素，limit 获取某几个元素，skip 跳过某些元素，通常和 limit 配合使用实现分页操作。distinct 通常用来实现去重操作。2 映射操作， map 和 flatmap , 两者都是接受一个函数为函数，前者是映射到一个元素，后者则是将一个元素映射成一个流。3 排序操作，这里就很好理解，就是 sorted 操作。

Stream strs = Stream.of("a","b","c","d","d","e","f");

// 过滤大于b 的字符串并进行去重操作，跳过前两个并选取两个进行输出

Stream result = strs.filter(s -> s.compareTo("b") > 0)

.distinct()

.skip(2)

.limit(2);

// 输出结果 e 和 f

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

// flatMap 的操作

List list = Arrays.asList("e,f,g", "1,2,3");

// 利用map去除每个元素中的逗号

Stream st1 = list.stream().map(s -> s.replaceAll(",", ""));

st1.forEach(System.out::println); // efg 123

// 利用 flatMap 将字符串进行分割

Stream st2 = list.stream().flatMap(ele -> {

//将每个元素转换成一个stream

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

return Arrays.stream(split);

});

st2.forEach(System.out::println); // e f g 1 2 3

// 排序操作

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

//String 类自身已实现Compareable接口 aa dd ff

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

3.3 流的终止操作

1 stream 匹配和聚合操作。匹配相关的 allMatch、noneMatch、anyMatch 三者都是接受一个 Predicate 函数，当每个元素都满足、都不满足、只要有一个元素满足,并返回断言结果。统计相关，count、sum、 max 、min 。findFirst 和 findAny 为查找第一个或者任意一个元素进行返回。2 规约操作， reduce ，这是一个不太好理解的概念，从数学角度来说，reduce 接受的是一个函数是一个推导式，类似于 a_j = a_i + 1, j = i+1aj​=ai​+1,j=i+13 收集操作，即 collect， 当所有的数据都处理完毕后，需要将数据进行处理，通常而言，获取的结果就是 set 、list 或者 map。

// match 操作 findFirst findAny count max min 操作

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

// 返回结果 false

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

// 返回结果 true

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

// 返回结果 true

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

// 查找第一个或者随机获取

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

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

// 统计数据 个数为 5 最大值为 5 最小值为 1

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

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

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

// reduce 操作

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

// 该操作即是 累加求和，结果为 6

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

System.out.println(result);

// 标签

List tags1 = Lists.newArrayList("a", "b", "c");

List tags2 = Lists.newArrayList("d", "e", "f");

// 创建对象

User user1 = new User("小明", 12, tags1, BigDecimal.valueOf(43));

User user2 = new User("小李", 14, tags2, BigDecimal.valueOf(43));

// 声明数组对象

List userList = Lists.newArrayList(user1, user2);

// 年龄和体重数据

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

Set weightSet = userList.stream().map(User::getWeight).collect(Collectors.toSet());

// 建立姓名年龄映射

Map nameAgeMap = userList.stream().collect(Collectors.toMap(User::getName,User::getAge, (k1, k2) -> k2));

// flatMap 获取所有的标签

List tagsList = userList.stream().flatMap(node -> node.getTags().stream().map(String::intern)).distinct().collect(Collectors.toList());

// 按照年龄分组

Map> ageMap = userList.stream().collect(Collectors.groupingBy(User::getAge));

// 分区分成两部分，一部分大于10岁，一部分小于等于10岁

Map> partMap = userList.stream().collect(Collectors.partitioningBy(v -> v.getAge() > 10));

//规约 reduce

Integer sumAge = userList.stream().map(User::getAge).collect(Collectors.reducing(Integer::sum)).get();

总结

文中讲述了 stream 流相关的操作，从流的创建到操作，都从实际的应用出发进行了数据展示，在诸多的方法中，reduce 是一个不太好理解的概念，这个需要结合应用场景进行分析。

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。