Java8中的Stream 流实践操作_Java教程

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。Stream 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：

Java8中的Stream 流实践操作

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<String> stream = Arrays.stream(dataArrs);

									// 集合方式创建

									List<String> dataList = new ArrayList<>();

									// 获取一个顺序流

									Stream<String> stream = dataList.stream();

									 // 获取一个并行流

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

									// lambda 创建等差数列，获取前 3 个

									Stream<Integer> 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<Double> 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<String> 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<String> 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<String> list = Arrays.asList("e,f,g", "1,2,3");

									// 利用map去除每个元素中的逗号

									Stream<String> 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<String> 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<String> 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+1
3 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<Integer> 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<Integer> 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<String> tags1 = Lists.newArrayList("a", "b", "c");

									List<String> 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<User> userList = Lists.newArrayList(user1, user2);

									// 年龄和体重数据

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

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

									// 建立姓名年龄映射

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

									// flatMap 获取所有的标签

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

									// 按照年龄分组

									Map<Integer, List<User>> 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<Boolean, List<User>> 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();