【java】java 8 的一些集合操作

系统管理员 2022-10-12 12:15 149阅读 0赞

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzIxMzgzNDM1_size_16_color_FFFFFF_t_70_pic_center]

# 1.概述 #

转载并且补充：[java8 stream的这些开发技巧，你值得好好收藏][java8 stream]

# 2.stream的继承关系 #

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzIxMzgzNDM1_size_16_color_FFFFFF_t_70]

stream的继承关系

Stream、IntStream、LongStream、DoubleStream的父接口都是BaseStream。BaseStream的四个子接口方法都差不多，只是IntStream、LongStream、DoubleStream直接存储基本类型，可以避免自动装/拆箱，效率会更高一些。但是，我们实际上使用Stream更多一些。

我们再看看stream的工作流程图：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzIxMzgzNDM1_size_16_color_FFFFFF_t_70 1]  
stream的工作流程图

为什么要学stream的链式编程方式

业务需求1：指定一个字符串数组，找出里面相同的元素，并且统计重复的次数。

我们以前大概是这样做的：

public class CountTest { 
    
        @Test
          public void testCount1() { 
            List<String> list = Lists.newArrayList("a", "b", "ab", "abc", "a", "ab", "a", "abcd", "bd", "abc");
    
            Map<String, Long> countMap = new HashMap<>();
            for (String data : list) { 
                Long aLong = countMap.get(data);
                if (Objects.isNull(aLong)) { 
                    countMap.put(data, 1L);
                } else { 
                    countMap.put(data, ++aLong);
                }
            }
    
            countMap.forEach((key, value) -> System.out.println("key:" + key + " value:" + value));
        }
    }

执行结果：

key:a value:3
    key:ab value:2
    key:b value:1
    key:bd value:1
    key:abc value:2
    key:abcd value:1

我们再看看如果用java8的stream可以怎么做：

public class CountTest { 
    
        @Test
        public void testCount2() { 
            List<String> list = Lists.newArrayList("a", "b", "ab", "abc", "a", "ab", "a", "abcd", "bd", "abc");
            Map<String, Long> countMap = list.stream().collect(Collectors.groupingBy(Function.identity(), Collectors.counting()));
            countMap.forEach((key, value) -> System.out.println("key:" + key + " value:" + value));
        }
    }

执行结果：

key:a value:3
    key:ab value:2
    key:b value:1
    key:bd value:1
    key:abc value:2
    key:abcd value:1

我们可以看到testCount1和testCount2执行结果相同，仅仅一行代码：Map<String, Long> countMap = list.stream().collect(Collectors.groupingBy(Function.identity(), Collectors.counting())); 就可以实现上面testCount1中多行代码的逻辑。

业务需求2：从一个指定的字符串数组中，查找指定的字符串是否存在

我们以前大概是这样做的：

public class FindTest { 
    
        @Test
        public void testFind1() { 
            String findStr = "bd";
            List<String> list = Lists.newArrayList("a", "b", "ab", "abc", "a", "ab", "a", "abcd", "bd", "abc");
            boolean match = false;
            for (String data : list) { 
                if (data.equals(findStr)) { 
                    match = true;
                    break;
                }
            }
            //结果：match:true
            System.out.println("match:" + match);
        }
    }

我们再看看如果用java8的stream可以怎么做：

public class MatchTest { 
    
        @Test
        public void testFind2() { 
            String findStr = "bd";
            List<String> list = Lists.newArrayList("a", "b", "ab", "abc", "a", "ab", "a", "abcd", "bd", "abc");
            boolean match = list.stream().anyMatch(x -> x.equals(findStr));
            //结果：match:true
            System.out.println("match:" + match);
        }
    }

我们可以看到调用testFind1和testFind2方法执行结果也是一样的。但是，用java8 stream的语法，又只用一行代码就完成功能了，真棒。

java8 stream超详细用法指南  
stream的操作符大体上分为两种：中间操作符和终止操作符

中间操作：

1.filter(T-> boolean)

过滤数据，保留 boolean 为 true 的元素，返回一个集合

public class FilterTest { 
        @Test
        public void testFilter() { 
            List<Integer> list = Lists.newArrayList(20, 23, 25, 28, 30, 33, 37, 40);
            //从指定数据集合中过滤出大于等于30的数据集合
            List<Integer> collect = list.stream().filter(x -> x >= 30).collect(Collectors.toList());
            //结果：[33, 37, 40]
            System.out.println(collect);
        }
    }

collect(Collectors.toList())可以把流转换为 List 类型，collect实际上是一个终止操作。

2.map(T -> R)

转换操作符，可以做数据转换，比如：把字符串转换成int、long、double，或者把一个实体转换成另外一个实体。包含：map，mapToInt、mapToLong、mapToDouble

public class MapTest { 
    
    
        @Test
        public void testMap() { 
            List<String> list = Lists.newArrayList("1", "2", "3", "4", "5", "6");
            List<Long> collect1 = list.stream().map(x -> Long.parseLong(x)).collect(Collectors.toList());
            //结果：[1, 2, 3, 4, 5, 6]
            System.out.println(collect1);
    
            //结果：111111
            list.stream().mapToInt(x -> x.length()).forEach(System.out::print);
            System.out.println("");
    
            //结果：111111
            list.stream().mapToLong(x -> x.length()).forEach(System.out::print);
            System.out.println("");
    
            //结果：1.01.01.01.01.01.0
            list.stream().mapToDouble(x -> x.length()).forEach(System.out::print);
        }
    }

3.flatMap(T -> Stream)

将流中的每一个元素 T 映射为一个流，再把每一个流连接成为一个流

public class FlatMapTest { 
    
        @Test
        public void testFlatMap() { 
            List<List<String>>  list = new ArrayList<List<String>>(){ { 
                add(Lists.newArrayList("a","b","c"));
                add(Lists.newArrayList("d","e","f"));
                add(Lists.newArrayList("j","k","y"));
            }};
            //结果：[[a, b, c], [d, e, f], [j, k, y]]
            System.out.println(list);
            List<String> collect = list.stream().flatMap(List::stream).collect(Collectors.toList());
            //结果：[a, b, c, d, e, f, j, k, y]
            System.out.println(collect);
        }
    }

我们可以看到flatMap可以轻松把字符串的二维数据变成一位数组。

4.distinct

去重，类似于msql中的distinct的作用，底层使用了equals方法做比较。

public class DistinctTest { 
    
        @Test
        public void testDistinct() { 
            List<String> list = Lists.newArrayList("a", "b", "ab", "abc", "a", "ab", "a", "abcd", "bd", "abc");
            List<String> collect = list.stream().distinct().collect(Collectors.toList());
            //结果：[a, b, ab, abc, abcd, bd]
            System.out.println(collect);
        }
    }

其实，去重还有另外一种办法，可以用Collectors.toSet()，后面会讲到。

5.sorted

对元素进行排序，前提是实现Comparable接口，当然也可以自定义比较器。

public class SortTest { 
    
        @Test
        public void testSort() { 
            List<Integer> list = Lists.newArrayList(5, 3, 7, 1, 4, 6);
            List<Integer> collect = list.stream().sorted((a, b) -> a.compareTo(b)).collect(Collectors.toList());
            //结果：[1, 3, 4, 5, 6, 7]
            System.out.println(collect);
        }
    }

6.limit

限流操作，有点类似于mysql中的limit功能，比如：有10个元素，只取前面3个元素

public class LimitTest { 
    
        @Test
        public void testLimit() { 
            List<String> list = Lists.newArrayList("a", "b", "ab", "abc", "a", "ab", "a", "abcd", "bd", "abc");
            List<String> collect = list.stream().limit(3).collect(Collectors.toList());
            //结果：[a, b, ab]
            System.out.println(collect);
        }
    }

7.skip

跳过操作，比如：有个10个元素，从第5个元素开始去后面的元素

public class SkipTest { 
    
        @Test
        public void testSkip() { 
            List<String> list = Lists.newArrayList("a", "b", "ab", "abc", "a", "ab", "a", "abcd", "bd", "abc");
            List<String> collect = list.stream().skip(5).collect(Collectors.toList());
            //结果：[ab, a, abcd, bd, abc]
            System.out.println(collect);
        }
    }

8.peek

挑出操作，

public class PeekTest { 
        @Test
        public void testPeek() { 
            List<String> list = Lists.newArrayList("a", "b", "ab", "abc", "a", "ab", "a", "abcd", "bd", "abc");
            //结果：abababcaabaabcdbdabc
            list.stream().peek(x -> x.toUpperCase()).forEach(System.out::print);
        }
    }

眼尖的朋友会发现，进行x.toUpperCase()转换为大写功能，但是实际上没有生效。把peek改成map方法试试：

public class PeekTest { 
        @Test
        public void testPeek() { 
            List<String> list = Lists.newArrayList("a", "b", "ab", "abc", "a", "ab", "a", "abcd", "bd", "abc");
            //结果：ABABABCAABAABCDBDABC
            list.stream().map(x -> x.toUpperCase()).forEach(System.out::print);
        }
    }

我们可以看到，用map操作转换成大写功能生效了，但是用peek操作却没有生效。peek只是对Stream中的元素进行某些操作，但是操作之后的数据并不返回到Stream中，所以Stream中的元素还是原来的元素。

终止操作：

1.forEach

遍历操作，包含：forEach 和 forEachOrdered

forEach：支持并行处理

forEachOrdered：是按顺序处理的，遍历速度较慢

public class ForEachTest { 
    
        @Test
        public void testForEach() { 
            List<String> list = Lists.newArrayList("a", "b", "ab");
            //结果：a b ab
            list.stream().forEach(x-> System.out.print(x+' '));
            System.out.println("");
    
            //可以简化
            //结果：a b ab
            list.forEach(x-> System.out.print(x+' '));
            System.out.println("");
    
            //结果：a b ab
            list.stream().forEachOrdered(x-> System.out.print(x+' '));
        }
    }

2.collect

收集操作，将所有的元素收集起来，Collectors 提供了非常多收集器。包含：toMap、toSet、toList、joining，groupingBy，maxBy，minBy等操作。

toMap：将数据流转换为map，里面包含的元素是用key/value的形式的

toSet：将数据流转换为set，里面包含的元素不可重复

toList：将数据流转出为list，里面包含的元素是有序的

joining：拼接字符串

groupingBy：分组，可以将list转换map

couting：统计元素数量

maxBy：获取最大元素

minBy：获取最小元素

summarizingInt: 汇总int类型的元素，返回IntSummaryStatistics，再调用具体的方法对元素进行统计：getCount（统计数量），getSum（求和），getMin（获取最小值），getMax（获取最大值），getAverage（获取平均值）

summarizingLong：汇总long类型的元素，用法同summarizingInt

summarizingDouble：汇总double类型的元素，用法同summarizingInt

averagingInt：获取int类型的元素的平均值，返回一个double类型的数据

averagingLong：获取long类型的元素的平均值，用法同averagingInt

averagingDouble：获取double类型的元素的平均值，用法同averagingInt

mapping：获取映射，可以将原始元素的一部分内容作为一个新元素返回

public class CollectTest { 
    
        @Data
        @AllArgsConstructor
        class User { 
            private String name;
            private Integer age;
        }
    
    
        @Test
        public void testCollect() { 
            List<String> list0 = Lists.newArrayList("a", "b", "ab");
            Map<String, String> collect0 = list0.stream().collect(Collectors.toMap(String::new, Function.identity()));
            //结果：{ab=ab, a=a, b=b}
            System.out.println(collect0);
    
            List<String> list = Lists.newArrayList("a", "b", "ab", "a", "b", "ab");
            List<String> collect1 = list.stream().collect(Collectors.toList());
            //结果：[a, b, ab, a, b, ab]
            System.out.println(collect1);
    
            //结果：[a, ab, b]
            Set<String> collect2 = list.stream().collect(Collectors.toSet());
            System.out.println(collect2);
    
            String collect3 = list.stream().collect(Collectors.joining(","));
            //结果：a,b,ab,a,b,ab
            System.out.println(collect3);
    
            Map<String, List<String>> collect4 = list.stream().collect(Collectors.groupingBy(Function.identity()));
            //结果：{ab=[ab, ab], a=[a, a], b=[b, b]}
            System.out.println(collect4);
    
            Long collect = list.stream().collect(Collectors.counting());
            //结果：6
            System.out.println(collect);
    
            String collect5 = list.stream().collect(Collectors.maxBy((a, b) -> a.compareTo(b))).orElse(null);
            //结果：b
            System.out.println(collect5);
    
            String collect6 = list.stream().collect(Collectors.minBy((a, b) -> a.compareTo(b))).orElse(null);
            //结果：a
            System.out.println(collect6);
    
            List<String> list2 = Lists.newArrayList("2", "3", "5");
            IntSummaryStatistics summaryStatistics = list2.stream().collect(Collectors.summarizingInt(x -> Integer.parseInt(x)));
            long sum = summaryStatistics.getSum();
            //结果：10
            System.out.println(sum);
    
            Double collect7 = list2.stream().collect(Collectors.averagingInt(x -> Integer.parseInt(x)));
            //结果：3.3333333333333335
            System.out.println(collect7);
    
            List<User> userList = new ArrayList<User>() { { 
                add(new User("jack",23));
                add(new User("james",30));
                add(new User("curry",28));
            }};
            List<String> collect8 = userList.stream().collect(Collectors.mapping(User::getName, Collectors.toList()));
            //[jack, james, curry]
            System.out.println(collect8);
        }
    }

3.find

查找操作，包含：findFirst、findAny

findFirst：找到第一个，返回的类型为Optional

findAny：使用 stream() 时找到的是第一个元素，使用 parallelStream() 并行时找到的是其中一个元素，返回的类型为Optional

public class FindOpTest { 
    
        @Test
        public void testFindOp() { 
            List<String> list = Lists.newArrayList("a", "b", "ab", "abc", "bc", "ab");
            //查找第一匹配的元素
            String data1 = list.stream().findFirst().orElse(null);
            //结果: a
            System.out.println(data1);
    
            String data2 = list.stream().findAny().orElse(null);
            //结果: a
            System.out.println(data2);
        }
    }

4.match

匹配操作，包含：allMatch、anyMatch、noneMatch

allMatch：所有元素都满足条件，返回boolean类型

anyMatch：任意一个元素满足条件，返回boolean类型

noneMatch：所有元素都不满足条件，返回boolean类型

public class MatchTest { 
    
        @Test
        public void testMatch() { 
            List<Integer> list = Lists.newArrayList(2, 3, 5, 7);
            boolean allMatch = list.stream().allMatch(x -> x > 1);
            //结果：true
            System.out.println(allMatch);
    
            boolean allMatch2 = list.stream().allMatch(x -> x > 2);
            //结果：false
            System.out.println(allMatch2);
    
            boolean anyMatch = list.stream().anyMatch(x -> x > 2);
            //结果：true
            System.out.println(anyMatch);
    
            boolean noneMatch1 = list.stream().noneMatch(x -> x > 5);
            //结果：false
            System.out.println(noneMatch1);
    
            boolean noneMatch2 = list.stream().noneMatch(x -> x > 7);
            //结果：true
            System.out.println(noneMatch2);
        }
    }

5.count

统计操作，效果跟调用集合的size()方法类似

public class CountOpTest { 
    
        @Test
        public void testCountOp() { 
            List<String> list = Lists.newArrayList("a", "b", "ab");
            long count = list.stream().count();
            //结果：3
            System.out.println(count);
        }
    }

6.min、max

min：获取最小值，返回Optional类型的数据

max：获取最大值，返回Optional类型的数据

public class MaxMinTest { 
    
        @Test
        public void testMaxMin() { 
            List<Integer> list = Lists.newArrayList(2, 3, 5, 7);
            Optional<Integer> max = list.stream().max((a, b) -> a.compareTo(b));
            //结果：7
            System.out.println(max.get());
    
            Optional<Integer> min = list.stream().min((a, b) -> a.compareTo(b));
            //结果：2
            System.out.println(min.get());
        }
    }

7.reduce

规约操作，将整个数据流的值规约为一个值，count、min、max底层就是使用reduce。

reduce 操作可以实现从Stream中生成一个值，其生成的值不是随意的，而是根据指定的计算模型。

public class ReduceTest { 
    
        @Test
        public void testReduce() { 
            List<Integer> list = Lists.newArrayList(2, 3, 5, 7);
            Integer sum1 = list.stream().reduce(0, Integer::sum);
            //结果：17
            System.out.println(sum1);
    
            Optional<Integer> reduce = list.stream().reduce((a, b) -> a + b);
            //结果：17
            System.out.println(reduce.get());
    
            Integer max = list.stream().reduce(0, Integer::max);
            //结果：7
            System.out.println(max);
    
            Integer min = list.stream().reduce(0, Integer::min);
            //结果：0
            System.out.println(min);
    
    
            Optional<Integer> reduce1 = list.stream().reduce((a, b) -> a > b ? b : a);
            //2
            System.out.println(reduce1.get());
        }
    }

8.toArray

数组操作，将数据流的元素转换成数组。

public class ArrayTest { 
    
        @Test
        public void testArray() { 
            List<String> list = Lists.newArrayList("a", "b", "ab");
            String[] strings = list.stream().toArray(String[]::new);
            //结果：a b ab
            for (int i = 0; i < strings.length; i++) { 
                System.out.print(strings[i]+" ");
            }
        }
    }

stream和parallelStream的区别  
stream：是单管道，称其为流，其主要用于集合的逻辑处理。

parallelStream：是多管道，提供了流的并行处理，它是Stream的另一重要特性，其底层使用Fork/Join框架实现

public class StreamTest { 
    
        @Test
        public void testStream() { 
            List<Integer> list = Lists.newArrayList(1,2, 3,4, 5,6, 7);
            //结果：1234567
            list.stream().forEach(System.out::print);
        }
    }
    public class ParallelStreamTest { 
        @Test
        public void testParallelStream() { 
            List<Integer> list = Lists.newArrayList(1,2, 3,4, 5,6, 7);
            //结果：5726134
            list.parallelStream().forEach(System.out::print);
        }
    }

我们可以看到直接使用parallelStream的forEach遍历数据，是没有顺序的。

如果要让parallelStream遍历时有顺序怎么办呢？

public class ParallelStreamTest { 
    
        @Test
        public void testParallelStream() { 
            List<Integer> list = Lists.newArrayList(1,2, 3,4, 5,6, 7);
            //结果：1234567
            list.parallelStream().forEachOrdered(System.out::print);
        }
    }

parallelStream的工作原理：

![图片][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzIxMzgzNDM1_size_16_color_FFFFFF_t_70 2]

实际工作中的案例  
1.从两个集合中找相同的元素。一般用于批量数据导入的场景，先查询出数据，再批量新增或修改。

public class WorkTest { 
    
        @Test
        public void testWork1() { 
            List<String> list1 = Lists.newArrayList("a", "b", "ab");
            List<String> list2 = Lists.newArrayList("a", "c", "ab");
            List<String> collect = list1.stream()
                    .filter(x -> list2.stream().anyMatch(e -> e.equals(x)))
                    .collect(Collectors.toList());
            //结果：[a, ab]
            System.out.println(collect);
    
        }
    }

2.有两个集合a和b，过滤出集合a中有，但是集合b中没有的元素。这种情况可以使用在假如指定一个id集合，根据id集合从数据库中查询出数据集合，再根据id集合过滤出数据集合中不存在的id，这些id就是需要新增的。

@Test
    public void testWork2() { 
        List<String> list1 = Lists.newArrayList("a", "b", "ab");
        List<String> list2 = Lists.newArrayList("a", "c", "ab");
        List<String> collect = list1.stream()
          .filter(x -> list2.stream().noneMatch(e -> e.equals(x)))
          .collect(Collectors.toList());
        //结果：[b]
        System.out.println(collect);
    }

3.根据条件过滤数据，并且去重做数据转换

@AllArgsConstructor
    @Data
    class User { 
        private String name;
        private Integer age;
    }
    
    @Test
    public void testWork3() { 
        List<User> userList = new ArrayList<User>() { { 
            add(new User("jack",23));
            add(new User("james",30));
            add(new User("curry",28));
            add(new User("tom",27));
            add(new User("sue",29));
        }};
    
        List<String> collect = userList.stream()
                .filter(x -> x.getAge() > 27)
                .sorted((a, b) -> a.getAge().compareTo(b.getAge()))
                .limit(2)
                .map(User::getName)
                .collect(Collectors.toList());
        //结果：[curry, sue]
        System.out.println(collect);
    }

4.统计指定集合中，姓名相同的人中年龄最小的年龄

@Test
        public void testWork4() { 
            List<User> userList = new ArrayList<User>() { { 
                add(new User("tom", 23));
                add(new User("james", 30));
                add(new User("james", 28));
                add(new User("tom", 27));
                add(new User("sue", 29));
            }};
    
            userList.stream().collect(Collectors.groupingBy(User::getName))
                    .forEach((name, list) -> { 
                        User user = list.stream().sorted((a, b) -> a.getAge().compareTo(b.getAge())).findFirst().orElse(null);
                        //结果：name:sue,age:29
                        // name:tom,age:23
                        // name:james,age:28
                        System.out.println("name:" + name + ",age:" + user.getAge());
                    });
        }

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzIxMzgzNDM1_size_16_color_FFFFFF_t_70_pic_center]: /images/20221005/fc19f97d956441df9d3d9d1b5c2535eb.png
[java8 stream]: https://mp.weixin.qq.com/s?__biz=MzUxODkzNTQ3Nw==&mid=2247483767&idx=1&sn=ee03c18eff10c1de10c87ec6a2ab14f1&chksm=f98007adcef78ebba5a91dc9d73e23780e14536c49524bb15fbeb1bb595eb01d5c9e437eed76&token=72483873&lang=zh_CN#rd
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzIxMzgzNDM1_size_16_color_FFFFFF_t_70]: /images/20221005/b08a29858d374f2587b725aefb919a18.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzIxMzgzNDM1_size_16_color_FFFFFF_t_70 1]: /images/20221005/96750902cfec46f480178542b6a7decc.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzIxMzgzNDM1_size_16_color_FFFFFF_t_70 2]: /images/20221005/b44ccc1cb3d540c9909f1cd73fd19afb.png