万字详解，JDK8 的 Lambda、Stream 和日期的使用详解

超、凢脫俗 2021-09-01 04:35 367阅读 0赞

点击上方 [Java后端][Java]，选择 设为星标

优质文章，及时送达

--------------------

作者：虚无境

来源：cnblogs.com/xuwujing/p/10145691.html

# 前言 #

本篇主要讲述是Java中JDK1.8的一些新语法特性使用，主要是Lambda、Stream和LocalDate日期的一些使用讲解。

# Lambda #

## Lambda介绍 ##

> “
> 
> Lambda 表达式(lambda expression)是一个匿名函数，Lambda表达式基于数学中的λ演算得名，直接对应于其中的lambda抽象(lambda abstraction)，是一个匿名函数，即没有函数名的函数。

## Lambda表达式的结构 ##

*  一个 Lambda 表达式可以有零个或多个参数
 *  参数的类型既可以明确声明，也可以根据上下文来推断。例如：(int a)与(a)效果相同
 *  所有参数需包含在圆括号内，参数之间用逗号相隔。例如：(a, b) 或 (int a, int b) 或 (String a, int b, float c)
 *  空圆括号代表参数集为空。例如：() -> 42
 *  当只有一个参数，且其类型可推导时，圆括号（）可省略。例如：a -> return a\*a
 *  Lambda 表达式的主体可包含零条或多条语句
 *  如果 Lambda 表达式的主体只有一条语句，花括号\{\}可省略。匿名函数的返回类型与该主体表达式一致
 *  如果 Lambda 表达式的主体包含一条以上语句，则表达式必须包含在花括号\{\}中（形成代码块）。匿名函数的返回类型与代码块的返回类型一致，若没有返回则为空

## Lambda 表达式的使用 ##

下面我们先使用一个简单的例子来看看Lambda的效果吧。

比如我们对Map 的遍历 传统方式遍历如下:

Map<String, String> map = new HashMap<>();
      map.put("a", "a");
      map.put("b", "b");
      map.put("c", "c");
      map.put("d", "d");
    
      System.out.println("map普通方式遍历:");
      for (String key : map.keySet()) {
       System.out.println("k=" + key + "，v=" + map.get(key));
      }

使用Lambda进行遍历:

System.out.println("map拉姆达表达式遍历:");
      map.forEach((k, v) -> {
       System.out.println("k=" + k + "，v=" + v);
     });

List也同理，不过List还可以通过双冒号运算符遍历:

List<String> list = new ArrayList<String>();
      list.add("a");
      list.add("bb");
      list.add("ccc");
      list.add("dddd");
      System.out.println("list拉姆达表达式遍历:");
      list.forEach(v -> {
       System.out.println(v);
      });
      System.out.println("list双冒号运算符遍历:");
      list.forEach(System.out::println);

输出结果:

map普通方式遍历:
     k=a，v=a
     k=b，v=b
     k=c，v=c
     k=d，v=d
     map拉姆达表达式遍历:
     k=a，v=a
     k=b，v=b
     k=c，v=c
     k=d，v=d
     list拉姆达表达式遍历:
     a
     bb
     ccc
     dddd
     list双冒号运算符遍历:
     a
     bb
     ccc
     dddd

Lambda除了在for循环遍历中使用外，它还可以代替匿名的内部类。比如下面这个例子的线程创建:

//使用普通的方式创建
     Runnable r1 = new Runnable() {
      @Override
      public void run() {
       System.out.println("普通方式创建!");
      }
     };
    
     //使用拉姆达方式创建
     Runnable r2 = ()-> System.out.println("拉姆达方式创建!");

注: 这个例子中使用Lambda表达式的时候，编译器会自动推断：根据线程类的构造函数签名 Runnable r \{ \}，将该 Lambda 表达式赋Runnable 接口。

**Lambda 表达式与匿名类的区别** 使用匿名类与 Lambda 表达式的一大区别在于关键词的使用。对于匿名类，关键词 this 解读为匿名类，而对于 Lambda 表达式，关键词 this 解读为写就 Lambda 的外部类。

## Lambda表达式使用注意事项 ##

> “
> 
> Lambda虽然简化了代码的编写，但同时也减少了可读性。

# Stream #

## Stream介绍 ##

> “
> 
> Stream 使用一种类似用 SQL 语句从数据库查询数据的直观方式来提供一种对 Java 集合运算和表达的高阶抽象。Stream API可以极大提高Java程序员的生产力，让程序员写出高效率、干净、简洁的代码。这种风格将要处理的元素集合看作一种流， 流在管道中传输， 并且可以在管道的节点上进行处理， 比如筛选， 排序，聚合等。

**Stream特性：**

*  不是数据结构：它没有内部存储，它只是用操作管道从 source（数据结构、数组、generator function、IO channel）抓取数据。它也绝不修改自己所封装的底层数据结构的数据。例如 Stream 的 filter 操作会产生一个不包含被过滤元素的新 Stream，而不是从 source 删除那些元素。
 *  不支持索引访问：但是很容易生成数组或者 List 。
 *  惰性化：很多 Stream 操作是向后延迟的，一直到它弄清楚了最后需要多少数据才会开始。Intermediate 操作永远是惰性化的。
 *  并行能力。当一个 Stream 是并行化的，就不需要再写多线程代码，所有对它的操作会自动并行进行的。
 *  可以是无限的：集合有固定大小，Stream 则不必。limit(n) 和 findFirst() 这类的 short-circuiting 操作可以对无限的 Stream 进行运算并很快完成。
 *  **注意事项：所有 Stream 的操作必须以 lambda 表达式为参数。**

**Stream 流操作类型：**

*  Intermediate：一个流可以后面跟随零个或多个 intermediate 操作。其目的主要是打开流，做出某种程度的数据映射/过滤，然后返回一个新的流，交给下一个操作使用。这类操作都是惰性化的（lazy），就是说，仅仅调用到这类方法，并没有真正开始流的遍历。
 *  Terminal：一个流只能有一个 terminal 操作，当这个操作执行后，流就被使用“光”了，无法再被操作。所以这必定是流的最后一个操作。Terminal操作的执行，才会真正开始流的遍历，并且会生成一个结果，或者一个 side effect。

## Stream使用 ##

这里我们依旧使用一个简单示例来看看吧。在开发中，我们有时需要对一些数据进行过滤，如果是传统的方式，我们需要对这批数据进行遍历过滤，会显得比较繁琐，如果使用steam流方式的话，那么可以很方便的进行处理。

首先通过普通的方式进行过滤:

List<String> list = Arrays.asList("张三", "李四", "王五", "xuwujing");
     System.out.println("过滤之前:" + list);
     List<String> result = new ArrayList<>();
     for (String str : list) {
      if (!"李四".equals(str)) {
       result.add(str);
      }
     }
     System.out.println("过滤之后:" + result);

使用Steam方式进行过滤：

List<String> result2 = list.stream().filter(str -> !"李四".equals(str)).collect(Collectors.toList());
    System.out.println("stream 过滤之后:" + result2);

输出结果:

过滤之前:[张三, 李四, 王五, xuwujing]
    过滤之后:[张三, 王五, xuwujing]
    stream 过滤之后:[张三, 王五, xuwujing]

是不是很简洁和方便呢。其实Stream流还有更多的使用方法，filter只是其中的一角而已。那么在这里我们就来学习了解下这些用法吧。

**1.构造Stream流的方式**

Stream stream = Stream.of("a", "b", "c");
     String[] strArray = new String[] { "a", "b", "c" };
     stream = Stream.of(strArray);
     stream = Arrays.stream(strArray);
     List<String> list = Arrays.asList(strArray);
     stream = list.stream();

**2.Stream流的之间的转换**

注意:一个Stream流只可以使用一次，这段代码为了简洁而重复使用了数次，因此会抛出 stream has already been operated upon or closed 异常。

try {
      Stream<String> stream2 = Stream.of("a", "b", "c");
      // 转换成 Array
      String[] strArray1 = stream2.toArray(String[]::new);
    
      // 转换成 Collection
      List<String> list1 = stream2.collect(Collectors.toList());
      List<String> list2 = stream2.collect(Collectors.toCollection(ArrayList::new));
      Set set1 = stream2.collect(Collectors.toSet());
      Stack stack1 = stream2.collect(Collectors.toCollection(Stack::new));
    
      // 转换成 String
      String str = stream.collect(Collectors.joining()).toString();
     } catch (Exception e) {
      e.printStackTrace();
     }

**3.Stream流的map使用**

map方法用于映射每个元素到对应的结果，一对一。

示例一：转换大写

List<String> list3 = Arrays.asList("zhangSan", "liSi", "wangWu");
     System.out.println("转换之前的数据:" + list3);
     List<String> list4 = list3.stream().map(String::toUpperCase).collect(Collectors.toList());
     System.out.println("转换之后的数据:" + list4);
     // 转换之后的数据:[ZHANGSAN, LISI,WANGWU]

示例二：转换数据类型

List<String> list31 = Arrays.asList("1", "2", "3");
     System.out.println("转换之前的数据:" + list31);
     List<Integer> list41 = list31.stream().map(Integer::valueOf).collect(Collectors.toList());
     System.out.println("转换之后的数据:" + list41);
     // [1, 2, 3]

示例三：获取平方

List<Integer> list5 = Arrays.asList(new Integer[] { 1, 2, 3, 4, 5 });
     List<Integer> list6 = list5.stream().map(n -> n * n).collect(Collectors.toList());
     System.out.println("平方的数据:" + list6);
     // [1, 4, 9, 16, 25]

**4.Stream流的filter使用**

filter方法用于通过设置的条件过滤出元素。

示例二：通过与 findAny 得到 if/else 的值

List<String> list = Arrays.asList("张三", "李四", "王五", "xuwujing");
    String result3 = list.stream().filter(str -> "李四".equals(str)).findAny().orElse("找不到!");
    String result4 = list.stream().filter(str -> "李二".equals(str)).findAny().orElse("找不到!");
    
    System.out.println("stream 过滤之后 2:" + result3);
    System.out.println("stream 过滤之后 3:" + result4);
    //stream 过滤之后 2:李四
    //stream 过滤之后 3:找不到!

示例三：通过与 mapToInt 计算和

List<User> lists = new ArrayList<User>();
     lists.add(new User(6, "张三"));
     lists.add(new User(2, "李四"));
     lists.add(new User(3, "王五"));
     lists.add(new User(1, "张三"));
     // 计算这个list中出现 "张三" id的值
     int sum = lists.stream().filter(u -> "张三".equals(u.getName())).mapToInt(u -> u.getId()).sum();
    
     System.out.println("计算结果:" + sum);
     // 7

**5.Stream流的flatMap使用**

flatMap 方法用于映射每个元素到对应的结果，一对多。

示例:从句子中得到单词

String worlds = "The way of the future";
     List<String> list7 = new ArrayList<>();
     list7.add(worlds);
     List<String> list8 = list7.stream().flatMap(str -> Stream.of(str.split(" ")))
       .filter(world -> world.length() > 0).collect(Collectors.toList());
     System.out.println("单词:");
     list8.forEach(System.out::println);
     // 单词:
     // The
     // way
     // of
     // the
     // future

**6.Stream流的limit使用**

limit 方法用于获取指定数量的流。

示例一：获取前n条数的数据

Random rd = new Random();
     System.out.println("取到的前三条数据:");
     rd.ints().limit(3).forEach(System.out::println);
     // 取到的前三条数据:
     // 1167267754
     // -1164558977
     // 1977868798

示例二：结合skip使用得到需要的数据

skip表示的是扔掉前n个元素。

List<User> list9 = new ArrayList<User>();
     for (int i = 1; i < 4; i++) {
      User user = new User(i, "pancm" + i);
      list9.add(user);
     }
     System.out.println("截取之前的数据:");
     // 取前3条数据，但是扔掉了前面的2条，可以理解为拿到的数据为 2<=i<3 (i 是数值下标)
     List<String> list10 = list9.stream().map(User::getName).limit(3).skip(2).collect(Collectors.toList());
     System.out.println("截取之后的数据:" + list10);
     //  截取之前的数据:
     //  姓名:pancm1
     //  姓名:pancm2
     //  姓名:pancm3
     //  截取之后的数据:[pancm3]

注:User实体类中 getName 方法会打印姓名。

**7.Stream流的sort使用**

sorted方法用于对流进行升序排序。

示例一：随机取值排序

Random rd2 = new Random();
     System.out.println("取到的前三条数据然后进行排序:");
     rd2.ints().limit(3).sorted().forEach(System.out::println);
     // 取到的前三条数据然后进行排序:
     // -2043456377
     // -1778595703
     // 1013369565

示例二：优化排序

tips:先获取在排序效率会更高!

//普通的排序取值
     List<User> list11 = list9.stream().sorted((u1, u2) -> u1.getName().compareTo(u2.getName())).limit(3)
       .collect(Collectors.toList());
     System.out.println("排序之后的数据:" + list11);
     //优化排序取值
     List<User> list12 = list9.stream().limit(3).sorted((u1, u2) -> u1.getName().compareTo(u2.getName()))
       .collect(Collectors.toList());
     System.out.println("优化排序之后的数据:" + list12);
     //排序之后的数据:[{"id":1,"name":"pancm1"}, {"id":2,"name":"pancm2"}, {"id":3,"name":"pancm3"}]
     //优化排序之后的数据:[{"id":1,"name":"pancm1"}, {"id":2,"name":"pancm2"}, {"id":3,"name":"pancm3"}]

**8.Stream流的peek使用**

peek对每个元素执行操作并返回一个新的Stream

示例:双重操作

System.out.println("peek使用:");
     Stream.of("one", "two", "three", "four").filter(e -> e.length() > 3).peek(e -> System.out.println("转换之前: " + e))
       .map(String::toUpperCase).peek(e -> System.out.println("转换之后: " + e)).collect(Collectors.toList());
    
     // 转换之前: three
     // 转换之后: THREE
     // 转换之前: four
     // 转换之后: FOUR

**9.Stream流的parallel使用**

parallelStream 是流并行处理程序的代替方法。

示例:获取空字符串的数量

List<String> strings = Arrays.asList("a", "", "c", "", "e","", " ");
     // 获取空字符串的数量
     long count =  strings.parallelStream().filter(string -> string.isEmpty()).count();
     System.out.println("空字符串的个数:"+count);

**10.Stream流的max/min/distinct使用**

示例一：得到最大最小值

List<String> list13 = Arrays.asList("zhangsan","lisi","wangwu","xuwujing");
     int maxLines = list13.stream().mapToInt(String::length).max().getAsInt();
     int minLines = list13.stream().mapToInt(String::length).min().getAsInt();
     System.out.println("最长字符的长度:" + maxLines+",最短字符的长度:"+minLines);
     //最长字符的长度:8,最短字符的长度:4

示例二：得到去重之后的数据

String lines = "good good study day day up";
     List<String> list14 = new ArrayList<String>();
     list14.add(lines);
     List<String> words = list14.stream().flatMap(line -> Stream.of(line.split(" "))).filter(word -> word.length() > 0)
       .map(String::toLowerCase).distinct().sorted().collect(Collectors.toList());
     System.out.println("去重复之后:" + words);
     //去重复之后:[day, good, study, up]

**11.Stream流的Match使用**

*  allMatch：Stream 中全部元素符合则返回 true ;
 *  anyMatch：Stream 中只要有一个元素符合则返回 true;
 *  noneMatch：Stream 中没有一个元素符合则返回 true。

示例:数据是否符合

boolean all = lists.stream().allMatch(u -> u.getId() > 3);
     System.out.println("是否都大于3:" + all);
     boolean any = lists.stream().anyMatch(u -> u.getId() > 3);
     System.out.println("是否有一个大于3:" + any);
     boolean none = lists.stream().noneMatch(u -> u.getId() > 3);
     System.out.println("是否没有一个大于3的:" + none);
     // 是否都大于3:false
     // 是否有一个大于3:true
     // 是否没有一个大于3的:false

**12.Stream流的reduce使用**

reduce 主要作用是把 Stream 元素组合起来进行操作。

示例一：字符串连接

String concat = Stream.of("A", "B", "C", "D").reduce("", String::concat);
    System.out.println("字符串拼接:" + concat);

示例二：得到最小值

double minValue = Stream.of(-4.0, 1.0, 3.0, -2.0).reduce(Double.MAX_VALUE, Double::min);
     System.out.println("最小值:" + minValue);
     //最小值:-4.0

示例三：求和

// 求和, 无起始值
     int sumValue = Stream.of(1, 2, 3, 4).reduce(Integer::sum).get();
     System.out.println("有无起始值求和:" + sumValue);
     // 求和, 有起始值
      sumValue = Stream.of(1, 2, 3, 4).reduce(1, Integer::sum);
      System.out.println("有起始值求和:" + sumValue);
     // 有无起始值求和:10
     // 有起始值求和:11

示例四：过滤拼接

concat = Stream.of("a", "B", "c", "D", "e", "F").filter(x -> x.compareTo("Z") > 0).reduce("", String::concat);
    System.out.println("过滤和字符串连接:" + concat);
     //过滤和字符串连接:ace

**13.Stream流的iterate使用**

> “
> 
> iterate 跟 reduce 操作很像，接受一个种子值，和一个UnaryOperator（例如 f）。然后种子值成为 Stream 的第一个元素，f(seed) 为第二个，f(f(seed)) 第三个，以此类推。在 iterate 时候管道必须有 limit 这样的操作来限制 Stream 大小。

示例:生成一个等差队列

System.out.println("从2开始生成一个等差队列:");
     Stream.iterate(2, n -> n + 2).limit(5).forEach(x -> System.out.print(x + " "));
     // 从2开始生成一个等差队列:
     // 2 4 6 8 10

**14.Stream流的Supplier使用**

通过实现Supplier类的方法可以自定义流计算规则。

示例：随机获取两条用户信息

System.out.println("自定义一个流进行计算输出:");
     Stream.generate(new UserSupplier()).limit(2).forEach(u -> System.out.println(u.getId() + ", " + u.getName()));
    
     //第一次:
     //自定义一个流进行计算输出:
     //10, pancm7
     //11, pancm6
    
     //第二次:
     //自定义一个流进行计算输出:
     //10, pancm4
     //11, pancm2
    
     //第三次:
     //自定义一个流进行计算输出:
     //10, pancm4
     //11, pancm8
    
    
    class UserSupplier implements Supplier<User> {
     private int index = 10;
     private Random random = new Random();
    
     @Override
     public User get() {
      return new User(index++, "pancm" + random.nextInt(10));
     }
    }

**15.Stream流的groupingBy/partitioningBy使用**

*  groupingBy：分组排序；
 *  partitioningBy：分区排序。

示例一：分组排序

System.out.println("通过id进行分组排序:");
     Map<Integer, List<User>> personGroups = Stream.generate(new UserSupplier2()).limit(5)
       .collect(Collectors.groupingBy(User::getId));
     Iterator it = personGroups.entrySet().iterator();
     while (it.hasNext()) {
      Map.Entry<Integer, List<User>> persons = (Map.Entry) it.next();
      System.out.println("id " + persons.getKey() + " = " + persons.getValue());
     }
    
     // 通过id进行分组排序:
     // id 10 = [{"id":10,"name":"pancm1"}]
     // id 11 = [{"id":11,"name":"pancm3"}, {"id":11,"name":"pancm6"}, {"id":11,"name":"pancm4"}, {"id":11,"name":"pancm7"}]
    
    
    
     class UserSupplier2 implements Supplier<User> {
      private int index = 10;
      private Random random = new Random();
    
      @Override
      public User get() {
       return new User(index % 2 == 0 ? index++ : index, "pancm" + random.nextInt(10));
      }
     }

示例二：分区排序

System.out.println("通过年龄进行分区排序:");
     Map<Boolean, List<User>> children = Stream.generate(new UserSupplier3()).limit(5)
       .collect(Collectors.partitioningBy(p -> p.getId() < 18));
    
     System.out.println("小孩: " + children.get(true));
     System.out.println("成年人: " + children.get(false));
    
     // 通过年龄进行分区排序:
     // 小孩: [{"id":16,"name":"pancm7"}, {"id":17,"name":"pancm2"}]
     // 成年人: [{"id":18,"name":"pancm4"}, {"id":19,"name":"pancm9"}, {"id":20,"name":"pancm6"}]
    
      class UserSupplier3 implements Supplier<User> {
      private int index = 16;
      private Random random = new Random();
    
      @Override
      public User get() {
       return new User(index++, "pancm" + random.nextInt(10));
      }
     }

**16.Stream流的summaryStatistics使用**

IntSummaryStatistics 用于收集统计信息(如count、min、max、sum和average)的状态对象。

示例:得到最大、最小、之和以及平均数。

List<Integer> numbers = Arrays.asList(1, 5, 7, 3, 9);
     IntSummaryStatistics stats = numbers.stream().mapToInt((x) -> x).summaryStatistics();
    
     System.out.println("列表中最大的数 : " + stats.getMax());
     System.out.println("列表中最小的数 : " + stats.getMin());
     System.out.println("所有数之和 : " + stats.getSum());
     System.out.println("平均数 : " + stats.getAverage());
    
     // 列表中最大的数 : 9
     // 列表中最小的数 : 1
     // 所有数之和 : 25
     // 平均数 : 5.0

Stream 介绍就到这里了，JDK1.8中的Stream流其实还有很多很多用法，更多的用法则需要大家去查看JDK1.8的API文档了。

# LocalDateTime #

## 介绍 ##

> “
> 
> JDK1.8除了新增了lambda表达式、stream流之外，它还新增了全新的日期时间API。在JDK1.8之前，Java处理日期、日历和时间的方式一直为社区所诟病，将 java.util.Date设定为可变类型，以及SimpleDateFormat的非线程安全使其应用非常受限。因此推出了java.time包，该包下的所有类都是不可变类型而且线程安全。

## 关键类 ##

*  Instant：瞬时时间。
 *  LocalDate：本地日期，不包含具体时间, 格式 yyyy-MM-dd。
 *  LocalTime：本地时间，不包含日期. 格式 yyyy-MM-dd HH:mm:ss.SSS 。
 *  LocalDateTime：组合了日期和时间，但不包含时差和时区信息。
 *  ZonedDateTime：最完整的日期时间，包含时区和相对UTC或格林威治的时差。

## 使用 ##

**1.获取当前的日期时间**

通过静态工厂方法now()来获取当前时间。

//本地日期,不包括时分秒
     LocalDate nowDate = LocalDate.now();
     //本地日期,包括时分秒
     LocalDateTime nowDateTime = LocalDateTime.now();
     System.out.println("当前时间:"+nowDate);
     System.out.println("当前时间:"+nowDateTime);
     //  当前时间:2018-12-19
     //  当前时间:2018-12-19T15:24:35.822

**2.获取当前的年月日时分秒**

获取时间之后，直接get获取年月日时分秒。

//获取当前的时间，包括毫秒
      LocalDateTime ldt = LocalDateTime.now();
      System.out.println("当前年:"+ldt.getYear());   //2018
      System.out.println("当前年份天数:"+ldt.getDayOfYear());//172
      System.out.println("当前月:"+ldt.getMonthValue());
      System.out.println("当前时:"+ldt.getHour());
      System.out.println("当前分:"+ldt.getMinute());
      System.out.println("当前时间:"+ldt.toString());
     //   当前年:2018
     //   当前年份天数:353
     //   当前月:12
     //   当前时:15
     //   当前分:24
     //   当前时间:2018-12-19T15:24:35.833

**3.格式化时间**

格式时间格式需要用到DateTimeFormatter类。

LocalDateTime ldt = LocalDateTime.now();
    System.out.println("格式化时间: "+ ldt.format(DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss.SSS")));
    //格式化时间:2018-12-19 15:37:47.119

**4.时间增减**

在指定的时间进行增加/减少年月日时分秒。

LocalDateTime ldt = LocalDateTime.now();
      System.out.println("后5天时间:"+ldt.plusDays(5));
      System.out.println("前5天时间并格式化:"+ldt.minusDays(5).format(DateTimeFormatter.ofPattern("yyyy-MM-dd"))); //2018-06-16
      System.out.println("前一个月的时间:"+ldt2.minusMonths(1).format(DateTimeFormatter.ofPattern("yyyyMM"))); //2018-06-16
      System.out.println("后一个月的时间:"+ldt2.plusMonths(1)); //2018-06-16
      System.out.println("指定2099年的当前时间:"+ldt.withYear(2099)); //2099-06-21T15:07:39.506
     //  后5天时间:2018-12-24T15:50:37.508
     //  前5天时间并格式化:2018-12-14
     //  前一个月的时间:201712
     //  后一个月的时间:2018-02-04T09:19:29.499
     //  指定2099年的当前时间:2099-12-19T15:50:37.508

**5.创建指定时间**

通过指定年月日来创建。

LocalDate ld3=LocalDate.of(2017, Month.NOVEMBER, 17);
     LocalDate ld4=LocalDate.of(2018, 02, 11);

**6.时间相差比较**

比较相差的年月日时分秒。

示例一: 具体相差的年月日

LocalDate ld=LocalDate.parse("2017-11-17");
     LocalDate ld2=LocalDate.parse("2018-01-05");
     Period p=Period.between(ld, ld2);
     System.out.println("相差年: "+p.getYears()+" 相差月 :"+p.getMonths() +" 相差天:"+p.getDays());
     // 相差年: 0 相差月 :1 相差天:19

注:这里的月份是不满足一年，天数是不满足一个月的。这里实际相差的是1月19天，也就是49天。

示例二：相差总数的时间

ChronoUnit 日期周期单位的标准集合。

LocalDate startDate = LocalDate.of(2017, 11, 17);
            LocalDate endDate = LocalDate.of(2018, 01, 05);
            System.out.println("相差月份:"+ChronoUnit.MONTHS.between(startDate, endDate));
            System.out.println("两月之间的相差的天数   : " + ChronoUnit.DAYS.between(startDate, endDate));
      //        相差月份:1
      //        两天之间的差在天数   : 49

注:ChronoUnit也可以计算相差时分秒。

示例三：精度时间相差

Duration 这个类以秒和纳秒为单位建模时间的数量或数量。

Instant inst1 = Instant.now();
        System.out.println("当前时间戳 : " + inst1);
        Instant inst2 = inst1.plus(Duration.ofSeconds(10));
        System.out.println("增加之后的时间 : " + inst2);
        System.out.println("相差毫秒 : " + Duration.between(inst1, inst2).toMillis());
        System.out.println("相毫秒 : " + Duration.between(inst1, inst2).getSeconds());
     // 当前时间戳 : 2018-12-19T08:14:21.675Z
     // 增加之后的时间 : 2018-12-19T08:14:31.675Z
     // 相差毫秒 : 10000
     // 相毫秒 : 10

示例四：时间大小比较

LocalDateTime ldt4 = LocalDateTime.now();
      LocalDateTime ldt5 = ldt4.plusMinutes(10);
      System.out.println("当前时间是否大于:"+ldt4.isAfter(ldt5));
      System.out.println("当前时间是否小于"+ldt4.isBefore(ldt5));
      // false
      // true

**7.时区时间计算**

得到其他时区的时间。

示例一:通过Clock时钟类获取计算

Clock时钟类用于获取当时的时间戳，或当前时区下的日期时间信息。

Clock clock = Clock.systemUTC();
      System.out.println("当前时间戳 : " + clock.millis());
      Clock clock2 = Clock.system(ZoneId.of("Asia/Shanghai"));
      System.out.println("亚洲上海此时的时间戳:"+clock2.millis());
      Clock clock3 = Clock.system(ZoneId.of("America/New_York"));
      System.out.println("美国纽约此时的时间戳:"+clock3.millis());
      //  当前时间戳 : 1545209277657
      //  亚洲上海此时的时间戳:1545209277657
      //  美国纽约此时的时间戳:1545209277658

示例二:通过ZonedDateTime类和ZoneId

ZoneId zoneId= ZoneId.of("America/New_York");
      ZonedDateTime dateTime=ZonedDateTime.now(zoneId);
      System.out.println("美国纽约此时的时间 : " + dateTime.format(DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss.SSS")));
      System.out.println("美国纽约此时的时间 和时区: " + dateTime);
      //  美国纽约此时的时间 : 2018-12-19 03:52:22.494
      // 美国纽约此时的时间 和时区: 2018-12-19T03:52:22.494-05:00[America/New_York]

Java 8日期时间API总结:

*  提供了javax.time.ZoneId 获取时区。
 *  提供了LocalDate和LocalTime类。
 *  Java 8 的所有日期和时间API都是不可变类并且线程安全，而现有的Date和Calendar API中的java.util.Date和SimpleDateFormat是非线程安全的。
 *  主包是 java.time,包含了表示日期、时间、时间间隔的一些类。里面有两个子包java.time.format用于格式化， java.time.temporal用于更底层的操作。
 *  时区代表了地球上某个区域内普遍使用的标准时间。每个时区都有一个代号，格式通常由区域/城市构成（Asia/Tokyo），在加上与格林威治或 UTC的时差。例如：东京的时差是+09:00。
 *  OffsetDateTime类实际上组合了LocalDateTime类和ZoneOffset类。用来表示包含和格林威治或UTC时差的完整日期（年、月、日）和时间（时、分、秒、纳秒）信息。
 *  DateTimeFormatter 类用来格式化和解析时间。与SimpleDateFormat不同，这个类不可变并且线程安全，需要时可以给静态常量赋值。DateTimeFormatter类提供了大量的内置格式化工具，同时也允许你自定义。在转换方面也提供了parse()将字符串解析成日期，如果解析出错会抛出DateTimeParseException。DateTimeFormatter类同时还有format()用来格式化日期，如果出错会抛出DateTimeException异常。
 *  再补充一点，日期格式“MMM d yyyy”和“MMM dd yyyy”有一些微妙的不同，第一个格式可以解析“Jan 2 2014”和“Jan 14 2014”，而第二个在解析“Jan 2 2014”就会抛异常，因为第二个格式里要求日必须是两位的。如果想修正，你必须在日期只有个位数时在前面补零，就是说“Jan 2 2014”应该写成 “Jan 02 2014”。

**- END -**

最近整理一份面试资料**《Java技术栈学习手册》**，覆盖了Java技术、面试题精选、Spring全家桶、Nginx、SSM、微服务、数据库、数据结构、架构等等。

获取方式：点“ **在看**，关注公众号 **Java后端** 并回复 **777** 领取，更多内容陆续奉上。

**推****荐****阅****读 **

***1.*** [牛逼！这篇文章让我重新认识了并发编程][Link 1]

***2. ***[连续霸榜 Github！又有一个 Linux 神器出现了][Github_ Linux]

***3.*** [955 不加班公司名单：955.WLB][955 _955.WLB]

***4.*** [SQL 语法速成手册][SQL]

***5.*** [Docker 入门终极指南：边学边用][Docker]

![format_png][]

**喜****欢****文****章****，****点****个****在看 **![format_png 1][]

[Java]: http://mp.weixin.qq.com/s?__biz=Mzg2MjEwMjI1Mg%3D%3D&chksm=ce0da17bf97a286df119047a25b7de51621fe542816673bb4aa3ebd8ab97b09a86ed7db2e2ee&idx=3&mid=2247489272&scene=21&sn=ce74938072fc73a808d83ccb474db46d#wechat_redirect
[Link 1]: http://mp.weixin.qq.com/s?__biz=Mzg2MjEwMjI1Mg%3D%3D&chksm=ce0e497ff979c06917691e88429f2caea2284492b19b623ef1a22c28f92dd10cca953ee4de4c&idx=1&mid=2247499516&scene=21&sn=4d316d854c2dbe98ee3276b248e0f867#wechat_redirect
[Github_ Linux]: http://mp.weixin.qq.com/s?__biz=Mzg2MjEwMjI1Mg%3D%3D&chksm=ce0e497ff979c069c61e3259a6749bde65eec2030c2b861ae61481b32a42b58923b86a781718&idx=4&mid=2247499516&scene=21&sn=41cc17a84613209adf54bc84034278ca#wechat_redirect
[955 _955.WLB]: http://mp.weixin.qq.com/s?__biz=Mzg2MjEwMjI1Mg%3D%3D&chksm=ce0e494cf979c05acf9ecf6e0fdb46af94d37950b58ca89d4f804f57ea3ce09bfc6891f61759&idx=1&mid=2247499471&scene=21&sn=02a6f55ed12c98775dc06028ba12dcd6#wechat_redirect
[SQL]: http://mp.weixin.qq.com/s?__biz=Mzg2MjEwMjI1Mg%3D%3D&chksm=ce0e49f7f979c0e1fe4740c092700ba20b5a1bfb3babc75e172c704c385e71fba488989b7f79&idx=3&mid=2247499380&scene=21&sn=156a38db52a701cf8ced7b10eb659d95#wechat_redirect
[Docker]: http://mp.weixin.qq.com/s?__biz=Mzg2MjEwMjI1Mg%3D%3D&chksm=ce0e49bef979c0a8412ca40629a6a9a7d94a0f94930256f2d9a4f097975b0e7890c9308663f3&idx=2&mid=2247499325&scene=21&sn=19d106931001aa1012e2921af5e551f6#wechat_redirect
[format_png]: /images/20210730/6e1fa8e9dba243e1a21c782c23819737.png
[format_png 1]: /images/20210730/ea369d4af8b94d079f5f5037a4cb4bac.png