文章目录

1. 流式编程介绍
2. 过滤
- 2.1 filter
- 2.2 distinct
- 2.3 limit
- 2.4 sorted
- 2.5 skip
3. 映射
- 3.1 map
- 3.2 flatmap
4 查找
- 4.1 allMatch
- 4.2 anyMatch
- 4.3 noneMatch
- 4.4 findFirst
- 4.5 findAny
5. 归约
6. 收集
- 6.1 counting
- 6.2 maxBy,minBy
- 6.3 summingInt、summingLong、summingDouble
- 6.4 averageInt、averageLong、averageDouble
- 6.5 summarizingInt、summarizingLong、summarizingDouble
- 6.6 joining
- 6.7 groupingBy
7. 构建流
- 7.1 由值构建流
- 7.2 由数组创建流
- 7.3 由文件生成流
- 7.4 由函数生成流：创建无限流
8 构建流
- 8.1 由值构建流
- 8.2 由数组创建流
- 8.3 由文件生成流
- 8.4 由函数生成流：创建无限流

1. 流式编程介绍

流是从支持数据处理操作的源生成的元素序列。

流的操作特点如下：

元素序列：就像集合一样，流也提供了一个接口，可以访问特定元素类型的一组有序值
源：流会使用一个提供数据的源，如集合、数组或输入/输出资源
数据处理操作：流的数据处理功能支持类似于数据库的操作，以及函数式编程语言中的常用操作，如filter、map、reduce、find、match、sort等
流水线：很多流操作本身会返回一个流，这样多个操作就可以链接起来，形成一个大的流水线
内部迭代：与使用迭代器显式迭代的集合不同，流的迭代操作是在背后进行的
流只能遍历一次

以下数据进行举例，

List<User> list = new ArrayList<User>(){{add(new User(1l,"张三",10, "清华大学"));add(new User(2l,"李四",12, "清华大学"));add(new User(3l,"王五",15, "清华大学"));add(new User(4l,"赵六",12, "清华大学"));add(new User(5l,"田七",25, "北京大学"));add(new User(6l,"小明",16, "北京大学"));add(new User(7l,"小红",14, "北京大学"));add(new User(8l,"小华",14, "浙江大学"));add(new User(9l,"小丽",17, "浙江大学"));add(new User(10l,"小何",10, "浙江大学"));}};

其中 User 定义如下：

@Data
@AllArgsConstructor
class User {private Long id;       //主键idprivate String name;   //姓名private Integer age;   //年龄private String school; //学校
}

2. 过滤

2.1 filter

我们希望过滤赛选处所有学校是清华大学的user：

System.out.println("学校是清华大学的user");
List<User> userList1 = list.stream().filter(user -> "清华大学".equals(user.getSchool())).collect(Collectors.toList());
userList1.forEach(user -> System.out.print(user.name + '、'));

2.2 distinct

去重，我们希望获取所有user的年龄（年龄不重复）

System.out.println("所有user的年龄集合");
List<Integer> userAgeList = list.stream().map(User::getAge).distinct().collect(Collectors.toList());
System.out.println("userAgeList = " + userAgeList);

2.3 limit

返回前n个元素的流，当集合的长度小于n时，则返回所有集合。

如获取年龄是偶数的前2名user：

System.out.println("年龄是偶数的前两位user");
List<User> userList3 = list.stream().filter(user -> user.getAge() % 2 == 0).limit(2).collect(Collectors.toList());
userList3.forEach(user -> System.out.print(user.name + '、'));

2.4 sorted

排序，如现在我想将所有user按照age从大到小排序:

System.out.println("按年龄从大到小排序");
List<User> userList4 = list.stream().sorted((s1,s2) -> s2.getAge() - s1.getAge()).collect(Collectors.toList());
userList4.forEach(user -> System.out.print(user.name + '、'));

2.5 skip

跳过n个元素后再输出，如输出list集合跳过前两个元素后的list

System.out.println("跳过前面两个user的其他所有user");
List<User> userList5 = list.stream().skip(2).collect(Collectors.toList());
userList5.forEach(user -> System.out.print(user.name + '、'));

3. 映射

3.1 map

/*
* 先找出集合中的偶数  再将这些偶数进行平方操作
*/
List<Integer> numbers=Arrays.asList(1,2,3,4,5,6,7,8,9);
List<Integer> evenNumbers=numbers.stream().filter(x->x%2==0)//寻找偶数.map(x->x*x).collect(toList());
System.out.println(evenNumbers);//[2,4,6,8]->[4, 16, 36, 64]

3.2 flatmap

流的扁平化，相当于将流变为一维的数组。

List<String> words=Arrays.asList("Monday","Tuesday");
List<String> characters=words.stream().map(word->word.split(""))//将每个单词转化为一个字符串数组.flatMap(Arrays::stream)//将每个字符数组扁平化.collect(toList());
System.out.println(characters);//[M, o, n, d, a, y, T, u, e, s, d, a, y]

除了上面这类基础的map，java8还提供了 mapToDouble(ToDoubleFunction<? super T> mapper)，mapToInt(ToIntFunction<? super T> mapper)，mapToLong(ToLongFunction<? super T> mapper)，这些映射分别返回对应类型的流，java8为这些流设定了一些特殊的操作，比如查询学校是清华大学的user的年龄总和：

System.out.println("学校是清华大学的user的年龄总和");
int userList7 = list.stream().filter(user -> "清华大学".equals(user.getSchool())).mapToInt(User::getAge).sum();
System.out.println( "学校是清华大学的user的年龄总和为： "+userList7);

4 查找

4.1 allMatch

用于检测是否全部都满足指定的参数行为，如果全部满足则返回true，例如我们判断是否所有的user年龄都大于9岁，实现如下：

System.out.println("判断是否所有user的年龄都大于9岁");
Boolean b = list.stream().allMatch(user -> user.getAge() >9);
System.out.println(b);

输出为:

判断是否所有user的年龄都大于9岁

true

4.2 anyMatch

anyMatch则是检测是否存在一个或多个满足指定的参数行为，如果满足则返回true，例如判断是否有user的年龄大于15岁，实现如下：

System.out.println("判断是否有user的年龄是大于15岁");
Boolean bo = list.stream().anyMatch(user -> user.getAge() >15);
System.out.println(bo);

输出为：

判断是否有user的年龄是大于15岁

true

4.3 noneMatch

noneMatch用于检测是否不存在满足指定行为的元素，如果不存在则返回true，例如判断是否不存在年龄是15岁的user，实现如下：

System.out.println("判断是否不存在年龄是15岁的user");
Boolean boo = list.stream().noneMatch(user -> user.getAge() == 15);
System.out.println(boo);

输出如下：

判断是否不存在年龄是15岁的user

false

4.4 findFirst

findFirst用于返回满足条件的第一个元素，比如返回年龄大于12岁的user中的第一个，实现如下:

System.out.println("返回年龄大于12岁的user中的第一个");
Optional<User> first = list.stream().filter(u -> u.getAge() > 10).findFirst();
User user = first.get();
System.out.println(user.toString());

输出如下:

返回年龄大于12岁的user中的第一个

User{id=2, name='李四', age=12, school='清华大学'}

4.5 findAny

findAny相对于findFirst的区别在于，findAny不一定返回第一个，而是返回任意一个，比如返回年龄大于12岁的user中的任意一个：

System.out.println("返回年龄大于12岁的user中的任意一个");
Optional<User> anyOne = list.stream().filter(u -> u.getAge() > 10).findAny();
User user2 = anyOne.get();
System.out.println(user2.toString());

输出如下：

返回年龄大于12岁的user中的任意一个

User{id=2, name='李四', age=12, school='清华大学'}

5. 归约

归约即使用 reduce 函数，该函数使用用来求和的例子如下：

/*
* reduce的第一个参数：初始值 相当于给求和一个初值
* reduce的第二个参数：一个BinaryOperator<T>来将两个元素结合起来产生一个新值
*/
List<Integer> numbers=Arrays.asList(4,3,5,9);
int sum=numbers.stream().reduce(0, (a,b)->a+b);
System.out.println("sum="+sum);//21

其执行的流程如下：

归约执行流程

除此之外，reduce 还有另一个重载的方法，可以用来求最大值最小值等问题，示例如下，

/*
* reduce重载的变体
* 它不接受初始值，但是会返回一个Optional对象
*/
List<Integer> numbers=Arrays.asList(4,3,5,9);
Optional<Integer> maxNum=numbers.stream().reduce((x,y)->x>y?x:y);
Optional<Integer> minNum=numbers.stream().reduce((x,y)->x<y?x:y);
System.out.println("maxNum="+maxNum);//maxNum=Optional[9]
System.out.println("minNum="+minNum);//minNum=Optional[3]

6. 收集

前面利用 collect(Collectors.toList()) 是一个简单的收集操作，是对处理结果的封装，对应的还有 toSet、toMap，以满足我们对于结果组织的需求。这些方法均来自于java.util.stream.Collectors，我们可以称之为收集器。

收集器也提供了相应的归约操作，但是与reduce在内部实现上是有区别的，收集器更加适用于可变容器上的归约操作，这些收集器广义上均基于 Collectors.reducing() 实现。

6.1 counting

计算个数，如我现在计算user的总人数，实现如下：

System.out.println("user的总人数");
long COUNT = list.stream().count();//简化版本
long COUNT2 = list.stream().collect(Collectors.counting());//原始版本
System.out.println(COUNT);//10
System.out.println(COUNT2);//10

6.2 maxBy,minBy

计算最大值和最小值，如我现在计算user的年龄最大值和最小值：

System.out.println("user的年龄最大值和最小值");
Integer maxAge =list.stream().collect(Collectors.maxBy((s1, s2) -> s1.getAge() - s2.getAge())).get().getAge();
Integer maxAge2 = list.stream().collect(Collectors.maxBy(Comparator.comparing(User::getAge))).get().getAge();
Integer minAge = list.stream().collect(Collectors.minBy((S1,S2) -> S1.getAge()- S2.getAge())).get().getAge();
Integer minAge2 = list.stream().collect(Collectors.minBy(Comparator.comparing(User::getAge))).get().getAge();
System.out.println("maxAge = " + maxAge);//25
System.out.println("maxAge2 = " + maxAge2);//25
System.out.println("minAge = " + minAge);//10
System.out.println("minAge2 = " + minAge2);//10

6.3 summingInt、summingLong、summingDouble

总和，如计算user的年龄总和：

System.out.println("user的年龄总和");
Integer sumAge =list.stream().collect(Collectors.summingInt(User::getAge));
System.out.println("sumAge = " + sumAge);//145

6.4 averageInt、averageLong、averageDouble

平均值，如计算user的年龄平均值：

System.out.println("user的年龄平均值");
double averageAge = list.stream().collect(Collectors.averagingDouble(User::getAge));
System.out.println("averageAge = " + averageAge);

6.5 summarizingInt、summarizingLong、summarizingDouble

一次性查询元素个数、总和、最大值、最小值和平均值,

System.out.println("一次性得到元素个数、总和、均值、最大值、最小值");
long l1 = System.currentTimeMillis();
IntSummaryStatistics summaryStatistics = list.stream().collect(Collectors.summarizingInt(User::getAge));
long l111 = System.currentTimeMillis();
System.out.println("计算这5个值消耗时间为" + (l111-l1));
System.out.println("summaryStatistics = " + summaryStatistics);

输出如下：

一次性得到元素个数、总和、均值、最大值、最小值

计算这5个值消耗时间为``3

summaryStatistics = IntSummaryStatistics{count=10, sum=145, min=10, average=14.500000, max=25}

6.6 joining

字符串拼接，如输出所有user的名字，用“，”隔开

System.out.println("字符串拼接");
String names = list.stream().map(User::getName).collect(Collectors.joining(","));
System.out.println("names = " + names);

输出如下：

字符串拼接

names = 张三,李四,王五,赵六,田七,小明,小红,小华,小丽,小何

6.7 groupingBy

分组，如将user根据学校分组、先按学校分再按年龄分、每个大学的user人数、每个大学不同年龄的人数：

System.out.println("分组");
Map<String, List<User>> collect1 = list.stream().collect(Collectors.groupingBy(User::getSchool));
Map<String, Map<Integer, Long>> collect2 = list.stream().collect(Collectors.groupingBy(User::getSchool, Collectors.groupingBy(User::getAge, Collectors.counting())));
Map<String, Long> collect3 = list.stream().collect(Collectors.groupingBy(User::getSchool, Collectors.counting()));
Map<String, Map<Integer, Map<String, Long>>> collect4 = list.stream().collect(Collectors.groupingBy(User::getSchool, Collectors.groupingBy(User::getAge, Collectors.groupingBy(User::getName,Collectors.counting()))));System.out.println("collect1 = " + collect1);
System.out.println("collect2 = " + collect2);
System.out.println("collect3 = " + collect3);
System.out.println("collect4 = " + collect4);

输出如下：

分组

collect1 = {浙江大学=[User{id=8, name='小华', age=14, school='浙江大学'}, User{id=9, name='小丽', age=17, school='浙江大学'}, User{id=10, name='小何', age=10, school='浙江大学'}], 北京大学=[User{id=5, name='田七', age=25, school='北京大学'}, User{id=6, name='小明', age=16, school='北京大学'}, User{id=7, name='小红', age=14, school='北京大学'}], 清华大学=[User{id=1, name='张三', age=10, school='清华大学'}, User{id=2, name='李四', age=12, school='清华大学'}, User{id=3, name='王五', age=15, school='清华大学'}, User{id=4, name='赵六', age=12, school='清华大学'}]}

collect2 = {浙江大学={17=1, 10=1, 14=1}, 北京大学={16=1, 25=1, 14=1}, 清华大学={10=1, 12=2, 15=1}}

collect3 = {浙江大学=3, 北京大学=3, 清华大学=4}

collect4 = {浙江大学={17={小丽=1}, 10={小何=1}, 14={小华=1}}, 北京大学={16={小明=1}, 25={田七=1}, 14={小红=1}}, 清华大学={10={张三=1}, 12={李四=1, 赵六=1}, 15={王五=1}}}

7. 构建流

7.1 由值构建流

使用静态方法 Stream.of，通过显式值创建一个流。

Stream<String> stream=Stream.of("Java","Python","Go");
stream.forEach(System.out::println);

7.2 由数组创建流

使用静态方法 Arrays.stream 从数组创建一个流。

int[] numbers= {1,2,3,4,5,6};
IntStream stream=Arrays.stream(numbers);
stream.forEach(System.out::println);

7.3 由文件生成流

Stream<String> lines=null;
try {lines=Files.lines(Paths.get("data.txt"),Charset.defaultCharset());	lines.forEach(System.out::println);
} catch (IOException e) {e.printStackTrace();
}finally {lines.close();
}

7.4 由函数生成流：创建无限流

其迭代的一般格式如下：

/*
* iterate方法接受一个初始值（在这里是0），还有一个依次应用在每个产生的新值上的Lambda（UnaryOperator<t>类型）
* 这里，我们使用Lambda n-> n+2，返回的是前一个元素加上2
*/
Stream.iterate(0,n->n+2).limit(10).forEach(System.out::println);

例如，如果需要迭代产生斐波那契数列，其代码如下：

Stream.iterate(new int[] {0,1},t->new int[] {t[1],t[0]+t[1]}).limit(10).forEach(t->{System.out.println(t[0]+" "+t[1]);});

还有一种情况是生成，例如其生成10个随机数的代码如下，

Stream.generate(Math::random).limit(10).forEach(System.out::println);

1, 25=1, 14=1}, 清华大学={10=1, 12=2, 15=1}}

collect3 = {浙江大学=3, 北京大学=3, 清华大学=4}

collect4 = {浙江大学={17={小丽=1}, 10={小何=1}, 14={小华=1}}, 北京大学={16={小明=1}, 25={田七=1}, 14={小红=1}}, 清华大学={10={张三=1}, 12={李四=1, 赵六=1}, 15={王五=1}}}

8 构建流

8.1 由值构建流

使用静态方法 Stream.of，通过显式值创建一个流。

Stream<String> stream=Stream.of("Java","Python","Go");
stream.forEach(System.out::println);

8.2 由数组创建流

使用静态方法 Arrays.stream 从数组创建一个流。

int[] numbers= {1,2,3,4,5,6};
IntStream stream=Arrays.stream(numbers);
stream.forEach(System.out::println);

8.3 由文件生成流

Stream<String> lines=null;
try {lines=Files.lines(Paths.get("data.txt"),Charset.defaultCharset());	lines.forEach(System.out::println);
} catch (IOException e) {e.printStackTrace();
}finally {lines.close();
}

8.4 由函数生成流：创建无限流

其迭代的一般格式如下：

/*
* iterate方法接受一个初始值（在这里是0），还有一个依次应用在每个产生的新值上的Lambda（UnaryOperator<t>类型）
* 这里，我们使用Lambda n-> n+2，返回的是前一个元素加上2
*/
Stream.iterate(0,n->n+2).limit(10).forEach(System.out::println);

例如，如果需要迭代产生斐波那契数列，其代码如下：

Stream.iterate(new int[] {0,1},t->new int[] {t[1],t[0]+t[1]}).limit(10).forEach(t->{System.out.println(t[0]+" "+t[1]);});

还有一种情况是生成，例如其生成10个随机数的代码如下，

Stream.generate(Math::random).limit(10).forEach(System.out::println);

Java流式编程详细介绍

文章目录

1. 流式编程介绍

2. 过滤

2.1 filter

2.2 distinct

2.3 limit

2.4 sorted

2.5 skip

3. 映射

3.1 map

3.2 flatmap

4 查找

4.1 allMatch

4.2 anyMatch

4.3 noneMatch

4.4 findFirst

4.5 findAny

5. 归约

6. 收集

6.1 counting

6.2 maxBy,minBy

6.3 summingInt、summingLong、summingDouble

6.4 averageInt、averageLong、averageDouble

6.5 summarizingInt、summarizingLong、summarizingDouble

6.6 joining

6.7 groupingBy

7. 构建流

7.1 由值构建流

7.2 由数组创建流

7.3 由文件生成流

7.4 由函数生成流：创建无限流

8 构建流

8.1 由值构建流

8.2 由数组创建流

8.3 由文件生成流

8.4 由函数生成流：创建无限流

相关文章