Java--Stream(流)--使用/实例/流操作

骑猪看日落 2022-09-11 15:19 152阅读 0赞

原文网址：[Java--Stream(流)--使用/实例/流操作\_IT利刃出鞘的博客-CSDN博客][Java--Stream_--_IT_-CSDN]

# 简介 #

**说明**

本文用实例介绍stream的使用。

JDK8新增了Stream（流操作） 处理集合的数据，可执行查找、过滤和映射数据等操作。

使用Stream API 对集合数据进行操作，就类似于使用 SQL 执行的数据库查询。可以使用 Stream API 来并行执行操作。

简而言之，Stream API 提供了一种高效且易于使用的处理数据的方式。

**特点**

*  不是数据结构，不会保存数据。
 *  大部分不修改原来的数据源，它会将操作后的数据保存到另外一个对象中。
    
     *  peek方法可以修改流中元素
 *  惰性求值，流在中间处理过程中，只对操作进行记录，不会立即执行，需等到执行终止操作的时候才会进行实际的计算。

**Stream操作步骤**

创建Stream=> 转换Stream（中间操作）=> 产生结果（终止操作）

注意：这只是一般操作。实际编程时，创建必须有，而中间操作与终止操作是可选的。

**操作分类**

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lfa195_size_16_color_FFFFFF_t_70][]

*  无状态：指元素的处理不受之前元素的影响；
 *  有状态：指该操作只有拿到所有元素之后才能继续下去。
 *  非短路操作：指必须处理所有元素才能得到最终结果；
 *  短路操作：指遇到某些符合条件的元素就可以得到最终结果，如 A || B，只要A为true，则无需判断B的结果。

**本文的公共代码**

class User {
        private String name;
        private Integer age;
    
        public User(String name, Integer age) {
            this.name = name;
            this.age = age;
        }
    
        public String getName() {
            return name;
        }
    
        public void setName(String name) {
            this.name = name;
        }
    
        public Integer getAge() {
            return age;
        }
    
        public void setAge(Integer age) {
            this.age = age;
        }
    
        @Override
        public String toString() {
            return "User{" +
                    "name='" + name + '\'' +
                    ", age=" + age +
                    '}';
        }
    }

# **操作1：创建流** #

**Collection下的 stream() 和 parallelStream() 方法**

List<String> list = new ArrayList<>();
    Stream<String> stream = list.stream();  //串行流
    Stream<String> parallelStream = list.parallelStream(); //并行流

**Arrays 中的 stream() 方法，将数组转成流**

Integer[] nums = new Integer[10];
    Stream<Integer> stream = Arrays.stream(nums);

**Stream中的静态方法：of()、iterate()、generate()**

Stream<Integer> stream = Stream.of(1,2,3,4,5,6);
    stream.forEach(System.out::println);  
    // 输出：1 2 3 4 5 6
    
    Stream<Integer> stream2 = Stream.iterate(0, (x) -> x + 2).limit(6);
    stream2.forEach(System.out::println); 
    // 输出：0 2 4 6 8 10
    
    Stream<Double> stream3 = Stream.generate(Math::random).limit(2);
    stream3.forEach(System.out::println); 
    // 输出：两个随机数

**BufferedReader.lines() 方法，将每行内容转成流**

BufferedReader reader = new BufferedReader(new FileReader("F:\\test_stream.txt"));
    Stream<String> lineStream = reader.lines();
    lineStream.forEach(System.out::println);

**Pattern.splitAsStream() 方法，将字符串分隔成流**

Pattern pattern = Pattern.compile(",");
    Stream<String> stringStream = pattern.splitAsStream("a,b,c,d");
    stringStream.forEach(System.out::println);  
    //输出：a b c d

# **操作2：中间操作** #

## **筛选（过滤）、去重** ##

**方法**

<table> 
 <tbody> 
  <tr> 
   <td><strong>方法</strong></td> 
   <td><strong>说明</strong></td> 
  </tr> 
  <tr> 
   <td>filter</td> 
   <td>过滤流中的某些元素（只保留返回值为true的项）</td> 
  </tr> 
  <tr> 
   <td>limit(n)</td> 
   <td>获取前n个元素</td> 
  </tr> 
  <tr> 
   <td>skip(n)</td> 
   <td>跳过前n个元素，配合limit(n)可实现分页</td> 
  </tr> 
  <tr> 
   <td>distinct</td> 
   <td>通过流中元素的 hashCode() 和 equals() 去除重复元素</td> 
  </tr> 
 </tbody> 
</table>

**单个元素筛选（过滤）、去重、跳过、获取前n个**

List<Integer> list = new ArrayList<>(Arrays.asList(6, 4, 6, 7, 3, 9, 8, 10, 12, 14, 14));
    
    List<Integer> newList = list.stream()
            .filter(s -> s > 5) //6 6 7 9 8 10 12 14 14
            .distinct() //6 7 9 8 10 12 14
            .skip(2)    //9 8 10 12 14
            .limit(2)   //9 8
            .collect(Collectors.toList());

**根据对象属性去重**

List<User> list = new ArrayList<User>() {
       {
    	add(new User("Tony", 20, "12"));
    	add(new User("Pepper", 20, "123"));
    	add(new User("Tony", 22, "1234"));
    	add(new User("Tony", 22, "12345"));
    }};
    
    //只通过名字去重
    List<User> streamByNameList = list.stream().collect(Collectors.collectingAndThen(
    		Collectors.toCollection(() -> new TreeSet<>(Comparator.comparing(User::getName))), ArrayList::new
    ));
    System.out.println(streamByNameList);
    //[User{name='Pepper', age=20, Phone='123'}, 
    // User{name='Tony', age=20, Phone='12'}]
    
    //通过名字和年龄去重
    List<User> streamByNameAndAgeList = list.stream().collect(Collectors.collectingAndThen(
    		Collectors.toCollection(
    				() -> new TreeSet<>(Comparator.comparing(o -> o.getName() + o.getAge()))), ArrayList::new
    ));
    System.out.println(streamByNameAndAgeList);
    //[User{name='Pepper', age=20, Phone='123'},
    // User{name='Tony', age=20, Phone='12'},
    // User{name='Tony', age=22, Phone='1234'}]

collectingAndThen 这个方法的意思是: 将收集的结果转换为另一种类型。

因此上面的方法可以理解为：把 new TreeSet<>(Comparator.comparingLong(BookInfoVo::getRecordId))这个set转换为 ArrayList。

## **映射** ##

**方法**

<table> 
 <tbody> 
  <tr> 
   <td><strong>方法</strong></td> 
   <td><strong>说明</strong></td> 
  </tr> 
  <tr> 
   <td>map</td> 
   <td>函数作为参数，该函数被应用到每个元素，并将其映射成一个新的元素。新值类型可以和原来的元素的类型不同。</td> 
  </tr> 
  <tr> 
   <td>flatMap</td> 
   <td>函数作为参数，将流中每个值换成另一个流，再把所有流连成一个流。 新值类型可以和原来的元素的类型不同。</td> 
  </tr> 
  <tr> 
   <td>mapToInt/Long/Double</td> 
   <td>跟map差不多。只是将其转为基本类型。</td> 
  </tr> 
  <tr> 
   <td>flatMapToInt/Long/Double</td> 
   <td>跟flatMap差不多。只是将其转为基本类型。</td> 
  </tr> 
 </tbody> 
</table>

**新值类型和原来的元素的类型相同示例**

List<String> list = Arrays.asList("a,b,c", "1,2,3");
    
    //将每个元素转成一个新的且不带逗号的元素
    Stream<String> s1 = list.stream().map(s -> s.replaceAll(",", ""));
    s1.forEach(System.out::println); 
    // abc  123
    
    Stream<String> s2 = list.stream().flatMap(s -> {
        //将每个元素转换成一个stream
        String[] split = s.split(",");
        Stream<String> s3 = Arrays.stream(split);
        return s3;
    });
    s2.forEach(System.out::println); 
    // a b c 1 2 3

**新值类型和原来的元素的类型不同示例**

User s1 = new User("aa", 10);
    User s2 = new User("bb", 20);
    User s3 = new User("cc", 10);
    List<User> list = Arrays.asList(s1, s2, s3);
    
    Set<Integer> ageSet = list.stream().map(User::getAge).collect(Collectors.toSet());
    ageSet.forEach(System.out::println);  
    //20 10
    
    int[] ageInt = list.stream().map(User::getAge).mapToInt(Integer::intValue).toArray();
    //下边这样也可以
    //Integer[] ages = list.stream.map(User::getAge).toArray(Integer[]::new);
    for (int i : ageInt) {
    	System.out.println(i);
    }
    //10 20 10

map的原型为：<R> Stream<R> map(Function<? super T, ? extends R> mapper);

上边例子中，将Student::getAge作为参数，其实际为：<R> Stream<Integer> map(Function<? super Student, ? extends Integer> mapper);

## **排序** ##

**方法**

<table> 
 <tbody> 
  <tr> 
   <td><strong>方法</strong></td> 
   <td><strong>说明</strong></td> 
  </tr> 
  <tr> 
   <td>sorted()</td> 
   <td> <p>自然排序，流中元素需实现Comparable接口。</p> <p>例：list.stream().sorted()</p> </td> 
  </tr> 
  <tr> 
   <td>sorted(Comparator com)</td> 
   <td> <p>定制排序。常用以下几种：<br> list.stream().sorted(Comparator.reverseOrder())<br> list.stream().sorted(Comparator.comparing(Student::getAge))<br> list.stream().sorted(Comparator.comparing(Student::getAge).reversed())</p> </td> 
  </tr> 
 </tbody> 
</table>

**示例**

List<String> list = Arrays.asList("aa", "ff", "dd");
    //String 类自身已实现Compareable接口
    list.stream().sorted().forEach(System.out::println);// aa dd ff
     
    User s1 = new User("aa", 10);
    User s2 = new User("bb", 20);
    User s3 = new User("aa", 30);
    User s4 = new User("dd", 40);
    List<User> UserList = Arrays.asList(s1, s2, s3, s4);
     
    //自定义排序：先按姓名升序，姓名相同则按年龄升序
    UserList.stream().sorted(
            (o1, o2) -> {
                if (o1.getName().equals(o2.getName())) {
                    return o1.getAge() - o2.getAge();
                } else {
                    return o1.getName().compareTo(o2.getName());
                }
            }
    ).forEach(System.out::println);

## **消费** ##

**方法**

<table> 
 <tbody> 
  <tr> 
   <td><strong>方法</strong></td> 
   <td><strong>说明</strong></td> 
  </tr> 
  <tr> 
   <td>peek</td> 
   <td> <p>类似于map，能得到流中的每一个元素。</p> <p>但map接收的是一个Function表达式，有返回值；</p> <p>而peek接收的是Consumer表达式，没有返回值。</p> </td> 
  </tr> 
 </tbody> 
</table>

**示例**

User u1 = new User("aa", 10);
    User u2 = new User("bb", 20);
    User u3 = new User("cc", 10);
    List<User> list = new ArrayList<>(Arrays.asList(u1, u2, u3));
    List<User> list1 = list.stream()
    		.peek(o -> o.setAge(100))
    		.collect(Collectors.toList());
    System.out.println(list1);

结果：

[User{name='aa', age=100}, User{name='bb', age=100}, User{name='cc', age=100}]

# **操作3：终止操作** #

## **匹配、最值、个数** ##

**方法**

<table> 
 <tbody> 
  <tr> 
   <td><strong>方法</strong></td> 
   <td><strong>说明</strong></td> 
  </tr> 
  <tr> 
   <td>allMatch</td> 
   <td>接收一个 Predicate 函数，当流中每个元素都符合该断言时才返回true，否则返回false</td> 
  </tr> 
  <tr> 
   <td>noneMatch</td> 
   <td>接收一个 Predicate 函数，当流中每个元素都不符合该断言时才返回true，否则返回false</td> 
  </tr> 
  <tr> 
   <td>anyMatch</td> 
   <td>接收一个 Predicate 函数，只要流中有一个元素满足该断言则返回true，否则返回false</td> 
  </tr> 
  <tr> 
   <td>findFirst</td> 
   <td>返回流中第一个元素</td> 
  </tr> 
  <tr> 
   <td>findAny</td> 
   <td>返回流中的任意元素</td> 
  </tr> 
  <tr> 
   <td>count</td> 
   <td>返回流中元素的总个数</td> 
  </tr> 
  <tr> 
   <td>max</td> 
   <td>返回流中元素最大值</td> 
  </tr> 
  <tr> 
   <td>min</td> 
   <td>返回流中元素最小值</td> 
  </tr> 
 </tbody> 
</table>

**示例**

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5);
    
    // 匹配
    boolean allMatch = list.stream().allMatch(e -> e > 10); //false
    boolean noneMatch = list.stream().noneMatch(e -> e > 10); //true
    boolean anyMatch = list.stream().anyMatch(e -> e > 4);  //true
    
    // 获取第一个/第任意个
    Integer findFirst = list.stream().findFirst().get(); //1
    Integer findAny = list.stream().findAny().get(); //1
    
    // 计数、最大值、最小值
    long count = list.stream().count(); //5
    Integer max = list.stream().max(Integer::compareTo).get(); //5
    Integer min = list.stream().min(Integer::compareTo).get(); //1

## **收集操作** ##

**方法**

<table> 
 <tbody> 
  <tr> 
   <td><strong>方法</strong></td> 
   <td><strong>说明</strong></td> 
  </tr> 
  <tr> 
   <td>collect</td> 
   <td>接收一个Collector实例，将流中元素收集成另外一个数据结构。</td> 
  </tr> 
 </tbody> 
</table>

Collector实例一般由Collectors的静态方法取得。例如：Collectors.toList()

公共代码

User u1 = new User("aa", 10);
    User u2 = new User("bb", 20);
    User u3 = new User("cc", 10);
    List<User> list = new ArrayList<>(Arrays.asList(u1, u2, u3));

**转成list**

List<Integer> ageList = list.stream().map(User::getAge).collect(Collectors.toList());
    // [10, 20, 10]

**转成set**

Set<Integer> ageSet = list.stream().map(User::getAge).collect(Collectors.toSet());
    // [20, 10]

**转成map**（注:key不能相同，否则报错）

Map<String, Integer> userMap = list.stream().collect(Collectors.toMap(User::getName, User::getAge)); 
    // {cc=10, bb=20, aa=10}

三个参数的map

第一个参数就是用来生成key值的，第二个参数就是用来生成value值的。  
第三个参数用在key值冲突的情况下：若新元素产生的key在Map中已经出现过了，第三个参数就会定义解决的办法。

User u1 = new User("aa", 10);
    User u2 = new User("bb", 20);
    User u3 = new User("cc", 10);
    User u4 = new User("bb", 30);
    List<User> list = new ArrayList<>(Arrays.asList(u1, u2, u3, u4));
    
    Map<String, List<User>> listMap = list.stream().collect(Collectors.toMap(User::getName,
    				o -> {
    					List<User> list1 = new ArrayList<>();
    					list1.add(o);
    					return list1;
    				},
    				(r1, r2) -> {
    					r1.addAll(r2);
    					return r1;
    				}
    		)
    );
    System.out.println(listMap);

结果

{cc=[User{name='cc', age=10}], bb=[User{name='bb', age=20}, User{name='bb', age=30}], aa=[User{name='aa', age=10}]}

**字符串分隔符连接**

String joinName = list.stream().map(Student::getName).collect(Collectors.joining(",", "(", ")"));
    // (aa,bb,cc)

**聚合（总数、平均值、最大最小值等）**

//1.用户总数
    Long count = list.stream().collect(Collectors.counting()); // 3
    
    //2.最大年龄 (最小的minBy同理)
    Integer maxAge = list.stream().map(User::getAge).collect(Collectors.maxBy(Integer::compare)).get(); // 20
    
    //3.所有人的年龄
    Integer sumAge = list.stream().collect(Collectors.summingInt(User::getAge)); // 40
    
    //4.平均年龄
    Double averageAge = list.stream().collect(Collectors.averagingDouble(User::getAge)); // 13.333333333333334
    
    // 带上以上所有方法
    DoubleSummaryStatistics stat = list.stream().collect(Collectors.summarizingDouble(User::getAge));
    System.out.println("count:" + stat.getCount() + " max:" + stat.getMax() + " sum:" + stat.getSum()
        + " average:" + stat.getAverage());
    //count:3 max:20.0 sum:40.0 average:13.333333333333334

**分组**

Map<Integer, List<User>> listMap = list.stream().collect(Collectors.groupingBy(User::getAge));
    for (Map.Entry<Integer, List<User>> entry : listMap.entrySet()) {
        System.out.println(entry.getKey() + "-->" + entry.getValue());
    }
    //20-->[User(name=bb, age=20)]
    //10-->[User(name=aa, age=10), User(name=cc, age=10)]

**多重分组**

// 先根据类型分再根据年龄分
    Map<Integer, Map<Integer, List<User>>> typeAgeMap = list.stream().collect(
             Collectors.groupingBy(User::getType, Collectors.groupingBy(User::getAge)));

**分区**（特殊的分组，分为true和false两组）

//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 = list.stream().collect(Collectors.partitioningBy(v -> v.getAge() > 10));
    for (Map.Entry<Boolean, List<User>> entry : listMap.entrySet()) {
        System.out.println(entry.getKey() + "-->" + entry.getValue());
    }
    //true-->[User(name=bb, age=20)]
    //false-->[User(name=aa, age=10), User(name=cc, age=10)]

**规约**

Integer allAge = list.stream().map(User::getAge).collect(Collectors.reducing(Integer::sum)).get(); //40

Collector<T, A, R> 是一个接口，有以下5个抽象方法：  
Supplier<A> supplier()：创建一个结果容器A  
BiConsumer<A, T> accumulator()：消费型接口，第一个参数为容器A，第二个参数为流中元素T。  
BinaryOperator<A> combiner()：函数接口，该参数的作用跟上一个方法(reduce)中的combiner参数一样，将并行流中各 个子进程的运行结果(accumulator函数操作后的容器A)进行合并。  
Function<A, R> finisher()：函数式接口，参数为：容器A，返回类型为：collect方法最终想要的结果R。  
Set<Characteristics> characteristics()：返回一个不可变的Set集合，表明该Collector的特征。有以下三个特征：  
CONCURRENT：表示此收集器支持并发。（官方文档还有其他描述，暂时没去探索，故不作过多翻译）  
UNORDERED：表示该收集操作不会保留流中元素原有的顺序。  
IDENTITY\_FINISH：表示finisher参数只是标识而已，可忽略。

注：如果对以上函数接口不太理解的话，可参考我另外一篇文章：

[Java--Lambda表达式\_IT利刃出鞘的博客-CSDN博客][Java--Lambda_IT_-CSDN]

**Collectors.toList() 解析**

//toList 源码
    public static <T> Collector<T, ?, List<T>> toList() {
        return new CollectorImpl<>((Supplier<List<T>>) ArrayList::new, List::add,
                (left, right) -> {
                    left.addAll(right);
                    return left;
                }, CH_ID);
    }
     
    //为了更好地理解，我们转化一下源码中的lambda表达式
    public <T> Collector<T, ?, List<T>> toList() {
        Supplier<List<T>> supplier = () -> new ArrayList();
        BiConsumer<List<T>, T> accumulator = (list, t) -> list.add(t);
        BinaryOperator<List<T>> combiner = (list1, list2) -> {
            list1.addAll(list2);
            return list1;
        };
        Function<List<T>, List<T>> finisher = (list) -> list;
        Set<Collector.Characteristics> characteristics = Collections.unmodifiableSet
                               (EnumSet.of(Collector.Characteristics.IDENTITY_FINISH));
     
        return new Collector<T, List<T>, List<T>>() {
            @Override
            public Supplier supplier() {
                return supplier;
            }
     
            @Override
            public BiConsumer accumulator() {
                return accumulator;
            }
     
            @Override
            public BinaryOperator combiner() {
                return combiner;
            }
     
            @Override
            public Function finisher() {
                return finisher;
            }
     
            @Override
            public Set<Characteristics> characteristics() {
                return characteristics;
            }
        };
     
    }

## **规约操作** ##

**方法**

<table> 
 <tbody> 
  <tr> 
   <td><strong>方法</strong></td> 
   <td><strong>说明</strong></td> 
  </tr> 
  <tr> 
   <td>Optional&lt;T&gt; reduce(BinaryOperator&lt;T&gt; accumulator)</td> 
   <td>第一次执行时，accumulator函数的第一个参数为流中的第一个元素，第二个参数为流中元素的第二个元素；第二次执行时，第一个参数为第一次函数执行的结果，第二个参数为流中的第三个元素；依次类推。</td> 
  </tr> 
  <tr> 
   <td>T reduce(T identity, BinaryOperator&lt;T&gt; accumulator)</td> 
   <td>流程跟上面一样，只是第一次执行时，accumulator函数的第一个参数为identity，而第二个参数为流中的第一个元素。</td> 
  </tr> 
  <tr> 
   <td>&lt;U&gt; U reduce(U identity,BiFunction&lt;U, ? super T, U&gt; accumulator,BinaryOperator&lt;U&gt; combiner)</td> 
   <td>在串行流(stream)中，该方法跟第二个方法一样，即第三个参数combiner不会起作用。在并行流(parallelStream)中,我们知道流被fork join出多个线程进行执行，此时每个线程的执行流程就跟第二个方法reduce(identity,accumulator)一样，而第三个参数combiner函数，则是将每个线程的执行结果当成一个新的流，然后使用第一个方法reduce(accumulator)流程进行规约。</td> 
  </tr> 
 </tbody> 
</table>

**示例**

//经过测试，当元素个数小于24时，并行时线程数等于元素个数，当大于等于24时，并行时线程数为16
    List<Integer> list = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 
                      12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24);
     
    Integer v = list.stream().reduce((x1, x2) -> x1 + x2).get();
    System.out.println(v);   
    // 300
     
    Integer v1 = list.stream().reduce(10, (x1, x2) -> x1 + x2);
    System.out.println(v1);  
    //310
     
    Integer v2 = list.stream().reduce(0,
            (x1, x2) -> {
                System.out.println("stream accumulator: x1:" + x1 + "  x2:" + x2);
                return x1 - x2;
            },
            (x1, x2) -> {
                System.out.println("stream combiner: x1:" + x1 + "  x2:" + x2);
                return x1 * x2;
            });
    System.out.println(v2); 
    // -300
     
    Integer v3 = list.parallelStream().reduce(0,
            (x1, x2) -> {
                System.out.println("parallelStream accumulator: x1:" + x1 + "  x2:" + x2);
                return x1 - x2;
            },
            (x1, x2) -> {
                System.out.println("parallelStream combiner: x1:" + x1 + "  x2:" + x2);
                return x1 * x2;
            });
    System.out.println(v3); 
    //197474048

# 其他网址 #

[Java 8 stream的详细用法\_java\_旅行者-CSDN博客][Java 8 stream_java_-CSDN]

[Java--Stream_--_IT_-CSDN]: https://knife.blog.csdn.net/article/details/120355364
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lfa195_size_16_color_FFFFFF_t_70]: /images/20220828/a4fcd863425044aa8cdf1dde2c3ccceb.png
[Java--Lambda_IT_-CSDN]: https://knife.blog.csdn.net/article/details/106179356
[Java 8 stream_java_-CSDN]: https://blog.csdn.net/y_k_y/article/details/84633001