java8中Stream的一些使用例子總結

阿新 • • 發佈：2022-05-25

Stream API

例子

如果有一個需求，需要對資料庫查詢到的菜餚進行一個處理：

篩選出卡路里小於400的菜餚
對篩選出的菜餚進行一個排序

獲取排序後菜餚的名字

菜餚：Dish.java

public class Dish {
    private String name;
    private boolean vegetarian;
    private int calories;
    private Type type;

    // getter and setter
}

以往的方式

private List<String> beforeJava7(List<Dish> dishList) {
        List<Dish> lowCaloricDishes = new ArrayList<>();

        //1.篩選出卡路里小於400的菜餚
        for (Dish dish : dishList) {
            if (dish.getCalories() < 400) {
                lowCaloricDishes.add(dish);
            }
        }

        //2.對篩選出的菜餚進行排序
        Collections.sort(lowCaloricDishes, new Comparator<Dish>() {
            @Override
            public int compare(Dish o1, Dish o2) {
                return Integer.compare(o1.getCalories(), o2.getCalories());
            }
        });

        //3.獲取排序後菜餚的名字
        List<String> lowCaloricDishesName = new ArrayList<>();
        for (Dish d : lowCaloricDishes) {
            lowCaloricDishesName.add(d.getName());
        }

        return lowCaloricDishesName;
    }

java8

 private List<String> afterJava8(List<Dish> dishList) {
        return dishList.stream()
                .filter(d -> d.getCalories() < 400)  //篩選出卡路里小於400的菜餚
                .sorted(comparing(Dish::getCalories))  //根據卡路里進行排序
                .map(Dish::getName)  //提取菜餚名稱
                .collect(Collectors.toList()); //轉換為List
    }

突然加新需求

· 對資料庫查詢到的菜餚根據菜餚種類進行分類，返回一個Map>的結果

以往的方式

private static Map<Type, List<Dish>> beforeJdk8(List<Dish> dishList) {
    Map<Type, List<Dish>> result = new HashMap<>();

    for (Dish dish : dishList) {
        //不存在則初始化
        if (result.get(dish.getType())==null) {
            List<Dish> dishes = new ArrayList<>();
            dishes.add(dish);
            result.put(dish.getType(), dishes);
        } else {
            //存在則追加
            result.get(dish.getType()).add(dish);
        }
    }

    return result;
}

java8

private static Map<Type, List<Dish>> afterJdk8(List<Dish> dishList) {
    return dishList.stream().collect(groupingBy(Dish::getType));
}

如何生成流

1.通過集合生成

List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5);
Stream<Integer> stream = integerList.stream();

2.通過陣列生成

int[] intArr = new int[]{1, 2, 3, 4, 5};
IntStream stream = Arrays.stream(intArr);

通過Arrays.stream方法生成流，並且該方法生成的流是數值流【即IntStream】而不是Stream。補充一點使用數值流可以避免計算過程中拆箱裝箱，提高效能。Stream API提供了mapToInt、mapToDouble、mapToLong三種方式將物件流【即Stream】轉換成對應的數值流，同時提供了boxed方法將數值流轉換為物件流

3.通過值生成

Stream<Integer> stream = Stream.of(1, 2, 3, 4, 5);

通過Stream的of方法生成流，通過Stream的empty方法可以生成一個空流

4.通過檔案生成

Stream<String> lines = Files.lines(Paths.get("data.txt"), Charset.defaultCharset())

通過Files.line方法得到一個流，並且得到的每個流是給定檔案中的一行

5.通過函式生成

提供了iterate和generate兩個靜態方法從函式中生成流

Stream<Integer> stream = Stream.iterate(0, n -> n + 2).limit(5);

iterate方法接受兩個引數，第一個為初始化值，第二個為進行的函式操作，因為iterator生成的流為無限流，通過limit方法對流進行了截斷，只生成5個偶數

Stream<Double> stream = Stream.generate(Math::random).limit(5);

generate方法接受一個引數，方法引數型別為Supplier，由它為流提供值。generate生成的流也是無限流，因此通過limit對流進行了截斷

流的操作型別

1.中間操作

一個流可以後面跟隨零個或多箇中間操作。其目的主要是開啟流，做出某種程度的資料對映/過濾，然後返回一個新的流，交給下一個操作使用。這類操作都是惰性化的，僅僅呼叫到這類方法，並沒有真正開始流的遍歷，真正的遍歷需等到終端操作時

1.1 filter篩選

 List<Integer> integerList = Arrays.asList(1, 1, 2, 3, 4, 5);
 Stream<Integer> stream = integerList.stream().filter(i -> i > 3);

通過使用filter方法進行條件篩選，filter的方法引數為一個條件

例項中使用

List<Integer> giftIds = exchangeCommodities.stream()
                .filter(e -> e.getType() == 2) /*只取型別為2的 其它排除掉*/
                .map(LuckExchangeCommodity::getRelationId)
                .collect(Collectors.toList());

1.2 distinct 去掉重複元素

List<Integer> integerList = Arrays.asList(1, 1, 2, 3, 4, 5);
Stream<Integer> stream = integerList.stream().distinct();

通過distinct方法快速去除重複的元素

1.3 limit 返回指定流個數

 List<Integer> integerList = Arrays.asList(1, 1, 2, 3, 4, 5);
 Stream<Integer> stream = integerList.stream().limit(3);

通過limit方法指定返回流的個數，limit的引數值必須>=0，否則將會丟擲異常

1.4 skip 跳過流中的元素

 List<Integer> integerList = Arrays.asList(1, 1, 2, 3, 4, 5);
 Stream<Integer> stream = integerList.stream().skip(2);

通過skip方法跳過流中的元素，上述例子跳過前兩個元素，所以列印結果為2,3,4,5，skip的引數值必須>=0，否則將會丟擲異常

1.5 map 流對映

List<String> stringList = Arrays.asList("Java 8", "Lambdas",  "In", "Action");
Stream<Integer> stream = stringList.stream().map(String::length);

所謂流對映就是將接受的元素對映成另外一個元素

通過map方法可以完成對映，該例子完成中String \-> Integer的對映，之前上面的例子通過map方法完成了Dish->String的對映

1.6 flatMap 流轉換

List<String> wordList = Arrays.asList("Hello", "World");
List<String> strList = wordList.stream()
        .map(w -> w.split(" "))
        .flatMap(Arrays::stream)
        .distinct()
        .collect(Collectors.toList());

將一個流中的每個值都轉換為另一個流

map(w \-> w.split(" "))的返回值為Stream<String[]>，我們想獲取Stream<String[]>，可以通過flatMap方法完成Stream<String[]> \->Stream<String>的轉換

1.7 元素匹配相關

提供了三種匹配方式

1.7.1 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("值都大於3");
}

1.7.2 anyMatch 匹配其中的一個

List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5);
if (integerList.stream().anyMatch(i -> i > 3)) {
  System.out.println("存在大於3的值");
}

等同於

for (Integer i : integerList) {
  if (i > 3) {
      System.out.println("存在大於3的值");
      break;
  }
}

存在大於3的值則列印，java8中通過anyMatch方法實現這個功能

1.7.3 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("值都小於3");
}

2.終端操作

一個流有且只能有一個終端操作，當這個操作執行後，流就被關閉了，無法再被操作，因此一個流只能被遍歷一次，若想在遍歷需要通過源資料在生成流。終端操作的執行，才會真正開始流的遍歷

2.1 統計元素個數

有兩種方法

2.1.1 通過count

List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5);
Long result = integerList.stream().count();

通過使用count方法統計出流中元素個數

2.1.2 通過counting

List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5);
Long result = integerList.stream().collect(counting());

統計元素個數的方法在與collect聯合使用的時候特別有用

2.2 查詢

提供了兩種查詢方式

2.2.1 findFirst 查詢第一個

List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5);
Optional<Integer> result = integerList.stream().filter(i -> i > 3).findFirst();

通過findFirst方法查詢到第一個大於三的元素並列印

2.2.2 findAny 隨機查詢一個

List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5);
Optional<Integer> result = integerList.stream().filter(i -> i > 3).findAny();

通過findAny方法查詢到其中一個大於三的元素並列印，因為內部進行優化的原因，當找到第一個滿足大於三的元素時就結束，該方法結果和findFirst方法結果一樣。提供findAny方法是為了更好的利用並行流，findFirst方法在並行上限制更多【本篇文章將不介紹並行流】

2.3 元素組合 reduce

2.3.1 求和

int sum = integerList.stream().reduce(0, (a, b) -> (a + b));

方法引用簡寫

int sum = integerList.stream().reduce(0, Integer::sum);
//或者
int sum = menu.stream().mapToInt(Dish::getCalories).sum();

reduce接受兩個引數，一個初始值這裡是0，一個BinaryOperator accumulator 來將兩個元素結合起來產生一個新值，另外reduce方法還有一個沒有初始化值的過載方法

通過 summingInt

int sum = menu.stream().collect(summingInt(Dish::getCalories));

如果資料型別為double、long，則通過summingDouble、summingLong方法進行求和

通過sum

int sum = menu.stream().mapToInt(Dish::getCalories).sum();

2.3.2 最大值最小值

Optional<Integer> min = menu.stream().map(Dish::getCalories).min(Integer::compareTo);
Optional<Integer> max = menu.stream().map(Dish::getCalories).max(Integer::compareTo);

也可以

OptionalInt min = menu.stream().mapToInt(Dish::getCalories).min();
OptionalInt max = menu.stream().mapToInt(Dish::getCalories).max();

min獲取流中最小值，max獲取流中最大值，方法引數為Comparator comparator

還可以通過minBy/maxBy獲取最小最大值

Optional<Integer> min = menu.stream().map(Dish::getCalories).collect(minBy(Integer::compareTo));
Optional<Integer> max = menu.stream().map(Dish::getCalories).collect(maxBy(Integer::compareTo));

minBy獲取流中最小值，maxBy獲取流中最大值，方法引數為Comparator comparator

還可以通過reduce獲取最小最大值

Optional<Integer> min = menu.stream().map(Dish::getCalories).reduce(Integer::min);
Optional<Integer> max = menu.stream().map(Dish::getCalories).reduce(Integer::max);

在上面求和、求最大值、最小值的時候，對於相同操作有不同的方法可以選擇執行。可以選擇collect、reduce、min/max/sum方法，推薦使用min、max、sum方法。因為它最簡潔易讀，同時通過mapToInt將物件流轉換為數值流，避免了裝箱和拆箱操作

2.3.3 求平均值

通過averagingInt求平均值

double average = menu.stream().collect(averagingInt(Dish::getCalories));

如果資料型別為double、long，則通過averagingDouble、averagingLong方法進行求平均

2.3.4 一勞永逸法 summarizingInt

同時求總和，平均值，最大值，最小值

IntSummaryStatistics intSummaryStatistics = menu.stream().collect(summarizingInt(Dish::getCalories));
double average = intSummaryStatistics.getAverage();  //獲取平均值
int min = intSummaryStatistics.getMin();  //獲取最小值
int max = intSummaryStatistics.getMax();  //獲取最大值
long sum = intSummaryStatistics.getSum();  //獲取總和

如果資料型別為double、long，則通過summarizingDouble、summarizingLong方法

2.4 foreach 集合遍歷

List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5);
integerList.stream().forEach(System.out::println);

2.5 返回集合

List<String> strings = menu.stream().map(Dish::getName).collect(toList());
Set<String> sets = menu.stream().map(Dish::getName).collect(toSet());

2.6 通過 joining 拼接元素

String result = menu.stream().map(Dish::getName).collect(Collectors.joining(", "));

預設如果不通過map方法進行對映處理拼接的toString方法返回的字串，joining的方法引數為元素的分界符，如果不指定生成的字串將是一串的，可讀性不強

2.7 通過 groupingBy 進行分組

Map<Type, List<Dish>> result = dishList.stream().collect(groupingBy(Dish::getType));

在collect方法中傳入groupingBy進行分組，其中groupingBy的方法引數為分類函式。還可以通過巢狀使用groupingBy進行多級分類

2.8 通過 partitioningBy 進行分割槽

分割槽是特殊的分組，它分類依據是true和false，所以返回的結果最多可以分為兩組

Map<Boolean, List<Dish>> result = menu.stream().collect(partitioningBy(Dish :: isVegetarian))

等同於

Map<Boolean, List<Dish>> result = menu.stream().collect(groupingBy(Dish :: isVegetarian))

換個明顯一點的例子

List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5);
Map<Boolean, List<Integer>> result = integerList.stream().collect(partitioningBy(i -> i < 3));

返回值的鍵仍然是布林型別，但是它的分類是根據範圍進行分類的，分割槽比較適合處理根據範圍進行分類