Java8-流-使用流
篩選和切片
用謂詞篩選
filter方法
會接收一個謂詞（一個返回Boolean）作為引數，並返回一個包括所有符號謂詞的元素的流
例子:篩選所有的素菜
| 1 | List<Dish> vegetarianMenu = menu.stream().filter(Dish::isVegetarian).collect(toList()); |
篩選各異的元素
distinct方法
他會返回一個元素各異的流，實現原理是根據元素的hashCode和equals方法
例子：篩選偶數，且不重複
| 1234 |
List<Integer> numbers = Arrays.asList(1 |
截斷流
limit(n)方法
該方法會返回一個不超過給定長度的流，如果流是有序的，則最多會返回前n個元素
例子：選出熱量超過300卡路里的頭三道菜
| 1234 |
List<Dish> dishes = menu.stream() .filter(d-d.getCalories()>300) .limit(3 |
跳過元素
skip(n)方法，返回一個扔掉前n個元素的流，如果流中元素不足n個，則返回一個空流，請注意limit(n)和skip(n)是互補的
對映
一個常見的資料處理套路就是從某些物件中選擇資訊，比如在sql裡面，可以從表中選擇一列
對流中每個元素應用函式
map方法
它會接收一個函式作為引數，這個函式會被應用到每個元素上，並將其對映成一個新的元素（注意是建立一個新的版本，而不是去修改）
例子：提取菜餚的名稱
| 1 | List<String> dishNames = menu.stream().map(Dish::getName).collect(toList()); |
流的扁平化
例子：對應一張單詞表，如果返回一個列表，列出裡面各不相同的字元
比如單詞列表[“Hello”,”Woeld”]你想要返回的列表[“H”,”e”,”l”,”o”,”W”,”r”,”d”]
你可能會覺得很容易，呼叫distinct方法就可以了
| 1234 | words.stream() .map(word->word.split("")) .distinct() .collect(toList()); |
這個方法的問題在於，傳遞給map方法的lambda為每個單詞返回了一個String[],因此map返回的流實際上是Stream型別，我們真正想要的是Stream
幸好有flatMap來解決這個問題
嘗試1：使用map和Arrays.stream()
首先，你需要一個字元流，而不是陣列流，有一個Arrays.stream()的方法，可以接受一個數組併產生一個流
| 12345 | words.stream() .map(word->word.split("")) .map(Arrays::stream) .distinct() .collect(toList()); |
這個方案仍然搞不定！因為現在得到的是一個流的列表,你先是把每個單詞轉換成一個字母陣列，然後把每個陣列變成一個獨立的流。
嘗試2：使用flatMap
| 12345 | words.stream() .map(word->word.split("")) .flatMap(Arrays::stream) .distinct() .collect(toList()); |
flatMap方法的效果是，各個陣列並不是分別對映成一個流，而是對映成流的內容，所有使用map(Arrays::stream)時生成的單個流都被合併起來，即扁平化為一個流，
一言以蔽之，flatMap方法讓你把一個流中的每個值都換成另一個流，然後把所有的流連線起來成為一個流
查詢和匹配
檢查謂詞是否至少匹配一個元素
anyMatch方法
可以回答“流中是否有一個元素能匹配給定的謂詞”
例子：選單裡面是否有素食可選擇
| 123 | if(menu.stream().anyMatch(Dish::isVegetarian)){ ...} |
檢查謂詞是否匹配所有元素
allMatch()用法同上
與allMatch()相對的是noneMatch()
anyMatch allMatch noneMatch 三個操作都用到了我們所謂的短路，就是大家熟悉的java中的&&和||運算子短路在流中的版本
查詢元素
findAny方法
將返回當前流中的任意元素
findFirst
找到第一個元素
規約
reduce操作表達更復雜的查詢，比如”計算選單中的總卡路里”或“選單中卡路里最高的菜是哪一個” 這需要將流中的元素反覆結合起來，得到一個值，比如Integer,這樣的查詢被歸類為規約操作，用函數語言程式設計術語來說，這稱為摺疊(fold)
求和
| 1 | int producr = numbers.stream().reduce(1,(a,b)->a*b); |
reduce操作是如何作用於一個流的：
lambda反覆結合每個元素，知道流被規約為一個值
可以使用最更簡潔的程式碼：
| 1 | int producr = numbers.stream().reduce(0,Integer::sum); |
reduce還有一個過載的變體，它不接受初始值，返回一個Optional物件：
Optional sum = numbers.stream().reduce((a,b)->(a+b));
最大值和最小值
| 123 | Optional<Integer> max = numbers.stream().reduce(Integer::max)Optional<Integer> min = numbers.stream().reduce(Integer::min) |
總結下目前說到的操作
數值流
之前我們看到了可以使用reduce方法計算流中元素的總和，例如：
| 123 | int calories = menu.stream() .map(Dish::getCalories) .reduce(0,Integer::sum); |
這段程式碼的問題是，它有一個暗含的裝箱成本，每個Integer都必須拆箱成一個原始型別，再進行求和，要是可以直接像下面這樣呼叫sum方法，豈不是更好
| 123 | int calories = menu.stream() .map(Dish::getCalories) .sum(); |
這是不可能的，問題在於map方法會生成一個Straem，雖然流中的元素是Integer型別，但Streams介面沒有定義sum方法，不要擔心，Stream API還提供了原始型別流特化
原始型別流特化
Java9引入了三個原始型別特化介面來解決這個問題：IntStream，DoubleStream和LongStream，分別將流中的元素特化為int，long，double,從而避免了暗含的裝箱成本，每個介面都帶了進行常用數值規約的新方法，比如對數值流求和的sum，找到最大元素的max，此外有必要時再把他們轉換回物件流的方法
1.對映到數值流
例子：
| 123 | int calories = menu.stream() .mapToInt(Dish::getCalories) .sum(); |
2.轉換回物件流
把原始流轉換成一般流，可以使用boxed方法
| 12 | IntStream intStream = menu.stream().mapToInt(Dish::getCalories);Stream<Integer> stream = intStream.boxed(); |
3.預設值optionalInt
求和有預設值0，但是如果計算intStream中最大的元素，就得換個法子了，因為0是錯誤的結果，我們知道Optional類，這是一個可以表示值存在或不存在的容器，Optional可以用Integer、String等參考型別來引數化，對於三種原始流特化，也分別有一個optional原始類的特化版本：OptionalInt,OptionalDouble,OptionalLong
例如：
| 1 | OptionalInt maxCalories = menu.stream().mapToInt(Dish::getCalories).max(); |
數值範圍
java8引入了兩個可以用於IntStream和LongStream的靜態方法，幫助生成這種範圍：range和rangeClosed。第一個引數接受起始值，第二個引數接受結束值。
例子：
| 1 | InStream evenNumbers = IntStream.rangClosed(1,100).filter(n->n%2==0) |
構建流
本節介紹如何從值序、陣列、檔案來建立流，甚至由生成函式來建立無限流
由值建立流
可以使用靜態方法Stream.of，它可以接受任意數量的引數
例如：以下程式碼建立一個字串流，然後你可以將字串轉換為大寫，再一個個打印出來
| 12 | Stream<String> stream = Stream.of("Java 8","Lambda","In","Action");stream.map(String::toUpperCase).forEach(System.out::println); |
由陣列建立流
可以使用靜態方法Arrays.stream從陣列建立一個流，例子：
| 12 | int[] numbers = {2,3,5,7,11,13};int sum = Arrays.stream(number).sum(); |
由檔案生成流
Files.lines方法，它會返回一個由指定檔案中的各行構成的字串流
建立無限流
Stream API提供兩個靜態方法來從函式生成流：Stream.iterate和Stream.generate
這兩個操作可以建立所謂的無限流：他們產生的流會用給定的函式按需建立值，因此可以無窮無盡地計算下去，一般來說，應該來說應該使用limit(n)來對這種流加以限制，以避免列印無窮多個值
例子
| 123 | Stream.iterate(0,n->n+2) .limit(10) .forEach(System.out.println) |
generate不是依次對每個生成的值應用函式的，它接受一個Supplier型別的lambda提供新的值
例子
| 123 | Stream.generate(Math::random) .limit(5) .forEach(System.out::println) |
小結
- 流可以簡潔地表達複雜的資料處理查詢，流可以透明的並行化
- 你可以使用filter、distinct、skip和limit對流做篩選和切片
- 你可以使用map和flatMap提取或裝換流中的元素
- 你可以使用findFirst和findAny方法查詢流中的元素，你可以使用allMatch、noneMatch和anyMatch方法讓流匹配給定的謂詞
- 這些方法都利用了短路：找到結果就立即停止計算，沒有必要處理整個流
- 你可以利用reduce方法將流中的所有元素迭代合併成一個結果，例如求和或查詢最大元素
- filter和map等操作是無狀態的，他們並不儲存任何狀態，reduce等操作要儲存狀態才能計算出一個值，sorted和distinct等操作也要儲存狀態，因為他們需要把流中的所有元素快取起來才能返回一個新的流，這種操作稱為有狀態操作
- 流不僅可以從集合建立，也可以從、陣列、檔案以及iterate與generate等特定方法建立
- 無限流是沒有固定大小的流
（注：內容整理自《Java8實戰》）