java8新特性--Stream API

﹏ヽ暗。殇╰゛Y 2023-01-14 01:52 117阅读 0赞

### java8新特性--Stream API ###

*  一、StreamAPI概述
 *  二、创建Stream
 *   *  1、获取流的方法
     *  2、由数组创建流：
     *  3、由值创建流
     *  4、由函数创建流：创建无限流
 *  三、Stream的中间操作
 *   *  1、映射：
     *  2、排序
     *   *  1、自然排序
         *  2、定制排序：
     *  3、筛选与切片
 *  四、Stream的终止操作
 *   *  1、查找与匹配
     *  2、规约
     *  3、收集

# 一、StreamAPI概述 #

Stream 是 Java8 中处理集合的关键抽象概念，它可以指定你希望对 集合进行的操作，可以执行非常复杂的查找、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。也可以使用 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。

> 注意：  
> ①Stream 自己不会存储元素。  
> ②Stream 不会改变源对象。相反，他们会返回一个持有结果的新Stream。  
> ③Stream 操作是延迟执行的。这意味着他们会等到需要结果的时候才执行  
>

# 二、创建Stream #

一个数据源(如集合、数组)，获取一个流

## 1、获取流的方法 ##

Java8 中的 Collection 接口被扩展，提供了 两个获取流的方法：

*  **default Stream stream() : 返回一个顺序流**
 *  **default Stream parallelStream() : 返回一个并行流**

//1. Collection 提供了两个方法  stream() 与 parallelStream()
    		List<String> list = new ArrayList<>();
    		Stream<String> stream = list.stream(); //获取一个顺序流
    		Stream<String> parallelStream = list.parallelStream(); //获取一个并行流

## 2、由数组创建流： ##

> Java8 中的 Arrays 的静态方法 stream() 可 以获取数组流：

//2. 通过 Arrays 中的 stream() 获取一个数组流
    		Integer[] nums = new Integer[10];
    		Stream<Integer> stream1 = Arrays.stream(nums);

## 3、由值创建流 ##

> 可以使用静态方法 Stream.of(), 通过显示值 创建一个流。它可以接收任意数量的参数。

//3. 通过 Stream 类中静态方法 of()
    		Stream<Integer> stream2 = Stream.of(1,2,3,4,5,6);

## 4、由函数创建流：创建无限流 ##

> 可以使用静态方法 Stream.iterate() 和Stream.generate(), 创建无限流。

//迭代
    Stream<Integer> stream3 = Stream.iterate(0, (x) -> x + 2).limit(10);
    stream3.forEach(System.out::println);

![在这里插入图片描述][20210419212918126.png]

//生成
    Stream<Double> stream4 = Stream.generate(Math::random).limit(2);
    stream4.forEach(System.out::println);

![在这里插入图片描述][20210419213013658.png]

# 三、Stream的中间操作 #

## 1、映射： ##

<table> 
 <thead> 
  <tr> 
   <th>方法</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>map(Function f)</td> 
   <td>接收一个函数作为参数，该函数会被应用到每个元 素上，并将其映射成一个新的元素。</td> 
  </tr> 
  <tr> 
   <td>mapToDouble(ToDoubleFunction f)</td> 
   <td>接收一个函数作为参数，该函数会被应用到每个元 素上，产生一个新的 DoubleStream。</td> 
  </tr> 
  <tr> 
   <td>mapToInt(ToIntFunction f)</td> 
   <td>接收一个函数作为参数，该函数会被应用到每个元 素上，产生一个新的 IntStream。</td> 
  </tr> 
  <tr> 
   <td>mapToLong(ToLongFunction f)</td> 
   <td>接收一个函数作为参数，该函数会被应用到每个元 素上，产生一个新的 LongStream。</td> 
  </tr> 
  <tr> 
   <td>flatMap(Function f)</td> 
   <td>接收一个函数作为参数，将流中的每个值都换成另 一个流，然后把所有流连接成一个流</td> 
  </tr> 
 </tbody> 
</table>

**测试：**  
1、新建两个测试的集合：

List<String> list = Arrays.asList("aaa","bbb","ccc","ddd");
    List<Employee> emps = Arrays.asList(
    			new Employee(102, "李四", 59, 6666.66),
    			new Employee(101, "张三", 18, 9999.99),
    			new Employee(103, "王五", 28, 3333.33),
    			new Employee(103, "王五", 28, 3333.33),
    			new Employee(104, "赵六", 8, 7777.77),
    			new Employee(104, "赵六", 8, 7777.77),
    			new Employee(105, "田七", 38, 5555.55)
    	);

2、将集合list中字符全部转为大写

list.stream()
    			.map((str)->str.toUpperCase())
    			.forEach(System.out::println);

![在这里插入图片描述][20210419213832915.png]  
3、取出emps集合中所有的姓名字段

emps.stream()
    				.map(Employee::getName)
    				.forEach(System.out::println);

![在这里插入图片描述][20210419214022764.png]  
4、将集合中的字符映射成一个新流

Stream<Stream<Character>> stream = list.stream()
    			.map(TestStreamaAPI::filterCharacter);	//{
       {a,a,a},{b,b,b}}
    		stream.forEach((sm)->{
    			sm.forEach(System.out::println);
    		});
    		System.out.println("-------");
    		Stream<Character> sm=list.stream()
    				.flatMap(TestStreamaAPI::filterCharacter);//{a,a,a,b,b,b}
    		sm.forEach(System.out::println);
    	}
    	public static Stream<Character> filterCharacter(String str){
    		List<Character> list = new ArrayList<>();
    		for(Character character:str.toCharArray()){
    			list.add(character);
    		}
    		return list.stream();
    	}

![在这里插入图片描述][20210419214306168.png]

## 2、排序 ##

<table> 
 <thead> 
  <tr> 
   <th>方法</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>sorted()</td> 
   <td>产生一个新流，其中按自然顺序排序</td> 
  </tr> 
  <tr> 
   <td>sorted(Comparator comp)</td> 
   <td>产生一个新流，其中按比较器顺序排序</td> 
  </tr> 
 </tbody> 
</table>

### 1、自然排序 ###

List<Employee> emps = Arrays.asList(
    			new Employee(102, "李四", 59, 6666.66),
    			new Employee(101, "张三", 18, 9999.99),
    			new Employee(103, "王五", 28, 3333.33),
    			new Employee(104, "赵六", 8, 7777.77),
    			new Employee(104, "赵六", 8, 7777.77),
    			new Employee(104, "赵六", 8, 7777.77),
    			new Employee(105, "田七", 38, 5555.55)
    	);

emps.stream()
    			.map(Employee::getName)
    			.sorted()
    			.forEach(System.out::println);

![在这里插入图片描述][2021041921483030.png]

### 2、定制排序： ###

现根据年龄排序，年龄一样用姓名排序

emps.stream()
    			.sorted((x, y) -> {
    				if(x.getAge() == y.getAge()){
    					return x.getName().compareTo(y.getName());
    				}else{
    					return Integer.compare(x.getAge(), y.getAge());
    				}
    			}).forEach(System.out::println);

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNzUzNzI0_size_16_color_FFFFFF_t_70]

## 3、筛选与切片 ##

<table> 
 <thead> 
  <tr> 
   <th>方法</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>filter(Predicate p)</td> 
   <td>接收 Lambda ， 从流中排除某些元素。</td> 
  </tr> 
  <tr> 
   <td>distinct()</td> 
   <td>筛选，通过流所生成元素的 hashCode() 和 equals() 去除重复元素</td> 
  </tr> 
  <tr> 
   <td>limit(long maxSize)</td> 
   <td>截断流，使其元素不超过给定数量。</td> 
  </tr> 
  <tr> 
   <td>skip(long n)</td> 
   <td>跳过元素，返回一个扔掉了前 n 个元素的流。若流中元素 不足 n 个，则返回一个空流。与 limit(n) 互补</td> 
  </tr> 
 </tbody> 
</table>

年龄小于35岁的员工

//所有的中间操作不会做任何的处理
    		Stream<Employee> stream = emps.stream()
    			.filter((e) -> {
    				return e.getAge() <= 35;
    			});
    		
    		//只有当做终止操作时，所有的中间操作会一次性的全部执行，称为“惰性求值”
    		stream.forEach(System.out::println);

![在这里插入图片描述][20210419225034154.png]  
薪水大于5000的员工，只要前两个

emps.stream()
    			.filter((e) -> {
    				System.out.println("短路！"); // &&  ||
    				return e.getSalary() >= 5000;
    			}).limit(2)
    			.forEach(System.out::println);

![在这里插入图片描述][20210419225212619.png]  
薪水大于5000的员工，跳过前两个元素

emps.parallelStream()
    			.filter((e) -> e.getSalary() >= 5000)
    			.skip(2)
    			.forEach(System.out::println);

![在这里插入图片描述][20210419225317727.png]

> 可以看到，找齐两个之后就不再迭代了

# 四、Stream的终止操作 #

终端操作会从流的流水线生成结果。其结果可以是任何不是流的 值，例如：List、Integer，甚至是 void 。

## 1、查找与匹配 ##

<table> 
 <thead> 
  <tr> 
   <th>方法</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>allMatch(Predicate p)</td> 
   <td>检查是否匹配所有元素</td> 
  </tr> 
  <tr> 
   <td>anyMatch(Predicate p)</td> 
   <td>检查是否至少匹配一个元素</td> 
  </tr> 
  <tr> 
   <td>noneMatch(Predicate p)</td> 
   <td>检查是否没有匹配所有元素</td> 
  </tr> 
  <tr> 
   <td>findFirst()</td> 
   <td>返回第一个元素</td> 
  </tr> 
  <tr> 
   <td>findAny()</td> 
   <td>返回当前流中的任意元素</td> 
  </tr> 
  <tr> 
   <td>count()</td> 
   <td>返回流中元素总数</td> 
  </tr> 
  <tr> 
   <td>max(Comparator c)</td> 
   <td>返回流中最大值</td> 
  </tr> 
  <tr> 
   <td>min(Comparator c)</td> 
   <td>返回流中最小值</td> 
  </tr> 
  <tr> 
   <td>forEach(Consumer c)</td> 
   <td>内部迭代(使用 Collection 接口需要用户去做迭 代，称为外部迭代。相反，Stream API 使用内部迭代——它帮你把迭代做了)</td> 
  </tr> 
 </tbody> 
</table>

List<Employee> emps = Arrays.asList(
    			new Employee(102, "李四", 59, 6666.66, Status.BUSY),
    			new Employee(101, "张三", 18, 9999.99, Status.FREE),
    			new Employee(103, "王五", 28, 3333.33, Status.VOCATION),
    			new Employee(104, "赵六", 8, 7777.77, Status.BUSY),
    			new Employee(104, "赵六", 8, 7777.77, Status.FREE),
    			new Employee(104, "赵六", 8, 7777.77, Status.FREE),
    			new Employee(105, "田七", 38, 5555.55, Status.BUSY)
    	);

1、检查集合是否都包含Status.BUSY

boolean bl = emps.stream()
    				.allMatch((e) -> e.getStatus().equals(Status.BUSY));
    				System.out.println(bl);

![在这里插入图片描述][20210419215355633.png]  
2、检查是否至少包含一个Status.BUSY

boolean bl1 = emps.stream()
    				.anyMatch((e) -> e.getStatus().equals(Status.BUSY));
    			System.out.println(bl1);

![在这里插入图片描述][20210419215549297.png]  
3、是否不包含Status.BUSY

boolean bl2 = emps.stream()
    				.noneMatch((e) -> e.getStatus().equals(Status.BUSY));
    			
    			System.out.println(bl2);

![在这里插入图片描述][2021041921562840.png]  
4、先排序再返回第一个元素

Optional<Employee> op=emps.stream().sorted((e1,e2)->
    				Double.compare(e1.getSalary(),e2.getSalary())
    			).findFirst();
    		System.out.println(op.get());

![在这里插入图片描述][20210419215713796.png]  
5、找到Status==FREE的元素

Optional<Employee> op2 = emps.parallelStream()
    			.filter((e) -> e.getStatus().equals(Status.FREE))
    			.findAny();
    		
    		System.out.println(op2.get());

![在这里插入图片描述][2021041922020214.png]  
6、计算Status.FREE的总数

long count = emps.stream()
    						 .filter((e) -> e.getStatus().equals(Status.FREE))
    						 .count();
    		
    		System.out.println(count);

![在这里插入图片描述][20210419220315716.png]  
7、查看最高薪水

Optional<Double> op = emps.stream()
    			.map(Employee::getSalary)
    			.max(Double::compare);
    		
    		System.out.println(op.get());

![在这里插入图片描述][20210419220348256.png]  
8、查看集合中薪水最小的元素

Optional<Employee> op2 = emps.stream()
    			.min((e1, e2) -> Double.compare(e1.getSalary(), e2.getSalary()));
    		System.out.println(op2.get());

![在这里插入图片描述][20210419220437919.png]

## 2、规约 ##

<table> 
 <thead> 
  <tr> 
   <th>方法</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>reduce(T iden, BinaryOperator b)</td> 
   <td>可以将流中元素反复结合起来，得到一个值。返回 T</td> 
  </tr> 
  <tr> 
   <td>reduce(BinaryOperator b)</td> 
   <td>可以将流中元素反复结合起来，得到一个值。返回 Optional</td> 
  </tr> 
 </tbody> 
</table>

List<Integer> list = Arrays.asList(1,2,3,4,5,6,7,8,9,10);

1、数组累加：

Integer sum = list.stream()
    			.reduce(0, (x, y) -> x + y);
    		
    		System.out.println(sum);

![在这里插入图片描述][20210419220752985.png]  
薪水累加：

List<Employee> emps = Arrays.asList(
    			new Employee(102, "李四", 79, 6666.66, Status.BUSY),
    			new Employee(101, "张三", 18, 9999.99, Status.FREE),
    			new Employee(103, "王五", 28, 3333.33, Status.VOCATION),
    			new Employee(104, "赵六", 8, 7777.77, Status.BUSY),
    			new Employee(104, "赵六", 8, 7777.77, Status.FREE),
    			new Employee(104, "赵六", 8, 7777.77, Status.FREE),
    			new Employee(105, "田七", 38, 5555.55, Status.BUSY)
    	);
    	Optional<Double> op = emps.stream()
    			.map(Employee::getSalary)
    			.reduce(Double::sum);
    		
    		System.out.println(op.get());

![在这里插入图片描述][20210419220830334.png]

## 3、收集 ##

<table> 
 <thead> 
  <tr> 
   <th>方法</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>collect(Collector c)</td> 
   <td>将流转换为其他形式。接收一个 Collector接口的 实现，用于给Stream中元素做汇总的方法</td> 
  </tr> 
 </tbody> 
</table>

Collector 接口中方法的实现决定了如何对流执行收集操作(如收 集到 List、Set、Map)。但是 Collectors 实用类提供了很多静态 方法，可以方便地创建常见收集器实例，具体方法与实例如下表：

<table> 
 <thead> 
  <tr> 
   <th>方法</th> 
   <th>返回类型</th> 
   <th>作用</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>toList</td> 
   <td>List</td> 
   <td>把流中元素收集到List</td> 
  </tr> 
  <tr> 
   <td>toSet</td> 
   <td>Set</td> 
   <td>把流中元素收集到Set</td> 
  </tr> 
  <tr> 
   <td>toCollection</td> 
   <td>Collection</td> 
   <td>把流中元素收集到创建的集合</td> 
  </tr> 
  <tr> 
   <td>counting</td> 
   <td>Long</td> 
   <td>计算流中元素的个数</td> 
  </tr> 
  <tr> 
   <td>summingInt</td> 
   <td>Integer</td> 
   <td>对流中元素的整数属性求和</td> 
  </tr> 
  <tr> 
   <td>averagingInt</td> 
   <td>Double</td> 
   <td>计算流中元素Integer属性的平均 值</td> 
  </tr> 
  <tr> 
   <td>summarizingInt</td> 
   <td>IntSummaryStatistics</td> 
   <td>收集流中Integer属性的统计值。 如：平均值</td> 
  </tr> 
  <tr> 
   <td>joining</td> 
   <td>String</td> 
   <td>连接流中每个字符串</td> 
  </tr> 
  <tr> 
   <td>maxBy</td> 
   <td>Optional</td> 
   <td>根据比较器选择最小值</td> 
  </tr> 
  <tr> 
   <td>minBy</td> 
   <td>Optional</td> 
   <td>根据比较器选择最小值</td> 
  </tr> 
  <tr> 
   <td>reducing</td> 
   <td>归约产生的类型</td> 
   <td>从一个作为累加器的初始值 开始，利用BinaryOperator与 流中元素逐个结合，从而归 约成单个值</td> 
  </tr> 
  <tr> 
   <td>collectingAndThen</td> 
   <td>转换函数返回的类型</td> 
   <td>包裹另一个收集器，对其结 果转换函数</td> 
  </tr> 
  <tr> 
   <td>groupingBy</td> 
   <td>Map&lt;K, List&gt;</td> 
   <td>根据某属性值对流分组，属 性为K，结果为V</td> 
  </tr> 
  <tr> 
   <td>partitioningBy</td> 
   <td>Map&lt;Boolean, List&gt;</td> 
   <td>根据true或false进行分区</td> 
  </tr> 
 </tbody> 
</table>

1、求薪水最大值

Optional<Double> max = emps.stream()
    			.map(Employee::getSalary)
    			.collect(Collectors.maxBy(Double::compare));
    		
    		System.out.println(max.get());

或者

DoubleSummaryStatistics dss = emps.stream()
    			.collect(Collectors.summarizingDouble(Employee::getSalary));
    		
    		System.out.println(dss.getMax());

![在这里插入图片描述][20210419221102698.png]  
2、求薪水最小的元素

Optional<Employee> op = emps.stream()
    			.collect(Collectors.minBy((e1, e2) -> Double.compare(e1.getSalary(), e2.getSalary())));
    		
    		System.out.println(op.get());

![在这里插入图片描述][20210419221151347.png]  
3、薪水求和

Double sum = emps.stream()
    			.collect(Collectors.summingDouble(Employee::getSalary));
    		
    		System.out.println(sum);

![在这里插入图片描述][20210419221241685.png]  
4、薪水求平均

Double avg = emps.stream()
    			.collect(Collectors.averagingDouble(Employee::getSalary));
    		
    		System.out.println(avg);

![在这里插入图片描述][20210419221301173.png]  
5、计算集合元素总个数

Long count = emps.stream()
    			.collect(Collectors.counting());
    		
    		System.out.println(count);

![在这里插入图片描述][20210419221337132.png]  
**分组**  
6、按照状态分组：

//按照状态分组
    		Map<Status, List<Employee>> map = emps.stream()
    			.collect(Collectors.groupingBy(Employee::getStatus));
    		
    		System.out.println(map);

![在这里插入图片描述][20210419222431318.png]  
7、多级分组：(先按状态分组，再按年龄分组)

Map<Status, Map<String, List<Employee>>> map = emps.stream()
    			.collect(Collectors.groupingBy(Employee::getStatus, Collectors.groupingBy((e) -> {
    				if(e.getAge() >= 60)
    					return "老年";
    				else if(e.getAge() >= 35)
    					return "中年";
    				else
    					return "成年";
    			})));
    		
    		System.out.println(map);

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNzUzNzI0_size_16_color_FFFFFF_t_70 1]  
**分区**  
(实际是根据true或false分区)

Map<Boolean, List<Employee>> map = emps.stream()
    			.collect(Collectors.partitioningBy((e) -> e.getSalary() >= 5000));
    		
    		System.out.println(map);

![在这里插入图片描述][20210419222737680.png]  
连接字符串：

//连接字符串
    		String str = emps.stream()
    			.map(Employee::getName)
    			.collect(Collectors.joining("," , "----", "----"));
    		
    		System.out.println(str);

![在这里插入图片描述][20210419222820827.png]

[20210419212918126.png]: /images/20221022/2a2a553e0a05429abde789cc21a9d580.png
[20210419213013658.png]: /images/20221022/6c9f474cee114d80abc029819b9f880e.png
[20210419213832915.png]: /images/20221022/690f8d2de22840649d3bc59d9bf91bb1.png
[20210419214022764.png]: /images/20221022/0a80ac23bdee48df9d8c5bb28483aebe.png
[20210419214306168.png]: /images/20221022/1699307202fa4cb8be188da7d49979db.png
[2021041921483030.png]: /images/20221022/440d0cbc85044d02be463e9e7b9dbd81.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNzUzNzI0_size_16_color_FFFFFF_t_70]: /images/20221022/3b1ebc35455f40459e66609c4c9ba00f.png
[20210419225034154.png]: /images/20221022/50957418519f41c8a41159cfbef68156.png
[20210419225212619.png]: /images/20221022/f7cba38949334d44895780508cc19dbc.png
[20210419225317727.png]: /images/20221022/57f9af58973b4c4f86c7635074ae3ae5.png
[20210419215355633.png]: /images/20221022/a78dc9ea8f834a4ca2823ef25d1e06f8.png
[20210419215549297.png]: /images/20221022/d62fd63de7c14b6fa7fc7cf7c9f7435f.png
[2021041921562840.png]: /images/20221022/e109cdf44d9b4932a39f7cfb222249c1.png
[20210419215713796.png]: /images/20221022/e9510163162d45fd80ee199c2a1e40cf.png
[2021041922020214.png]: /images/20221022/abfdca77700e411592b687cf3f7264c8.png
[20210419220315716.png]: /images/20221022/78a53d45579a4f0f9c070923143617cf.png
[20210419220348256.png]: /images/20221022/fe57de5e18174ff895fb85b15fab6ad1.png
[20210419220437919.png]: /images/20221022/925518f1c242438f94e4a8af39c559ca.png
[20210419220752985.png]: /images/20221022/cb68394fa4a84c0e953866fc6073e27c.png
[20210419220830334.png]: /images/20221022/4f697b811fd7469caacbffcec5471da3.png
[20210419221102698.png]: /images/20221022/5ef5ea37e0e14eeb9d46554a51ce8e15.png
[20210419221151347.png]: /images/20221022/f16909b8c5d64d6e8f618d0bedb22a99.png
[20210419221241685.png]: /images/20221022/148553802e364a7faed1a723b4d51ad1.png
[20210419221301173.png]: /images/20221022/4405fd843b4f4aeabf38f3dddfc6304f.png
[20210419221337132.png]: /images/20221022/dc7cd5cd0f1a43afb81d0c3017ecc4cf.png
[20210419222431318.png]: /images/20221022/50d1405c6ad941d08734e30a979b579f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNzUzNzI0_size_16_color_FFFFFF_t_70 1]: /images/20221022/dca1a322f30242b9a80290c58cce0f62.png
[20210419222737680.png]: /images/20221022/b8e30290307840eda9c26d8963ebb4c2.png
[20210419222820827.png]: /images/20221022/e0d157a156d74f55850def4345a19fa2.png