20 个超级使用的 Java 8 Stream，玩转集合的筛选、归约、分组、聚合

太过爱你忘了你带给我的痛 2023-09-28 07:22 69阅读 0赞

![cdb673552fb61187be698cef875747dc.png][]

先贴上几个案例，水平高超的同学可以挑战一下：

1. 从员工集合中筛选出salary大于8000的员工，并放置到新的集合里。

2. 统计员工的最高薪资、平均薪资、薪资之和。

3. 将员工按薪资从高到低排序，同样薪资高者年龄小者在前。

4. 将员工按性别分类，将员工按性别和地区分类，将员工按薪资是否高于8000分为两部分。

用传统的迭代处理也不是很难，但代码就显得冗余了，跟Stream相比高下立判。Java 8 是一个非常成功的版本，这个版本新增的Stream，配合同版本出现的 Lambda ，给我们操作集合（Collection）提供了极大的便利。

更多 Java实战教程可以关注微信公众号「Java后端」，搜索 Java 关键字即可。

**那么什么是Stream？**

Stream将要处理的元素集合看作一种流，在流的过程中，借助Stream API对流中的元素进行操作，比如：筛选、排序、聚合等。

Stream可以由数组或集合创建，对流的操作分为两种：

1. 中间操作，每次返回一个新的流程，可以有多个。

2. 终端操作，每个流只能进行一次终端操作，终端操作结束后流无法再次使用。终端操作会产生一个新的集合或者值。

另外，Stream有几个特性：

1. stream不存储数据，而是按照特定的规则对数据进行计算，一般会输出结果。

2. stream不会改变数据源，通常情况下会产生一个新的集合或一个值。

3. stream具有延迟执行特性，只有调用终端操作时，中间操作才会执行。

Stream可以通过集合数组创建。

1、通过  
java.util.Collection.stream() 方法用集合创建流

List<String> list = Arrays.asList("a", "b", "c");
    // 创建一个顺序流
    Stream<String> stream = list.stream();
    // 创建一个并行流
    Stream<String> parallelStream = list.parallelStream();

2、使用java.util.Arrays.stream(T\[\] array)方法用数组创建流

int[] array={1,3,5,6,8};
    IntStream stream = Arrays.stream(array);

3、使用Stream的静态方法：of()、iterate()、generate()

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

输出结果：

> 0 3 6 9  
> 0.6796156909271994  
> 0.1914314208854283  
> 0.8116932592396652

**stream和parallelStream的简单区分：** stream是顺序流，由主线程按顺序对流执行操作，而parallelStream是并行流，内部以多线程并行执行的方式对流进行操作，但前提是流中的数据处理没有顺序要求。例如筛选集合中的奇数，两者的处理不同之处：

![347b91a845a796766218914c5843f2b9.png][]

如果流中的数据量足够大，并行流可以加快处理速度。除了直接创建并行流，还可以通过parallel()把顺序流转换成并行流：

Optional<Integer> findFirst = list.stream().parallel().filter(x->x>6).findFirst();

在使用stream之前，先理解一个概念：Optional 。

> Optional类是一个可以为null的容器对象。如果值存在则isPresent()方法会返回true，调用get()方法会返回该对象。  
> 更详细说明请见：菜鸟教程Java 8 Optional类

接下来，大批代码向你袭来！我将用20个案例将Stream的使用整得明明白白，只要跟着敲一遍代码，就能很好地掌握。

![c7d04571c906df3321bf223913526954.png][]

## 案例使用的员工类 ##

这是后面案例中使用的员工类型：

List<Person> personList = new ArrayList<Person>();
    personList.add(new Person("Tom", 8900, "male", "New York"));
    personList.add(new Person("Jack", 7000, "male", "Washington"));
    personList.add(new Person("Lily", 7800, "female", "Washington"));
    personList.add(new Person("Anni", 8200, "female", "New York"));
    personList.add(new Person("Owen", 9500, "male", "New York"));
    personList.add(new Person("Alisa", 7900, "female", "New York"));
    
    class Person {
      private String name; // 姓名
      private int salary; // 薪资
      private int age; // 年龄
      private String sex; //性别
      private String area; // 地区
    
      // 构造方法
      public Person(String name, int salary, int age,String sex,String area) {
        this.name = name;
        this.salary = salary;
        this.age = age;
        this.sex = sex;
        this.area = area;
      }
      // 省略了get和set，请自行添加
    
    }

## 3.1 遍历/匹配（foreach/find/match） ##

Stream也是支持类似集合的遍历和匹配元素的，只是Stream中的元素是以Optional类型存在的。Stream的遍历、匹配非常简单。

![e2cae7b0eebac611e811da32aeb13763.png][]

// import已省略，请自行添加，后面代码亦是
    
    public class StreamTest {
      public static void main(String[] args) {
            List<Integer> list = Arrays.asList(7, 6, 9, 3, 8, 2, 1);
    
            // 遍历输出符合条件的元素
            list.stream().filter(x -> x > 6).forEach(System.out::println);
            // 匹配第一个
            Optional<Integer> findFirst = list.stream().filter(x -> x > 6).findFirst();
            // 匹配任意（适用于并行流）
            Optional<Integer> findAny = list.parallelStream().filter(x -> x > 6).findAny();
            // 是否包含符合特定条件的元素
            boolean anyMatch = list.stream().anyMatch(x -> x < 6);
            System.out.println("匹配第一个值：" + findFirst.get());
            System.out.println("匹配任意一个值：" + findAny.get());
            System.out.println("是否存在大于6的值：" + anyMatch);
        }
    }

## 3.2 筛选（filter） ##

筛选，是按照一定的规则校验流中的元素，将符合条件的元素提取到新的流中的操作。

![bb4963438fd28932e12eac131d8a7f90.png][]

**案例一：筛选出Integer集合中大于7的元素，并打印出来**

public class StreamTest {
      public static void main(String[] args) {
        List<Integer> list = Arrays.asList(6, 7, 3, 8, 1, 2, 9);
        Stream<Integer> stream = list.stream();
        stream.filter(x -> x > 7).forEach(System.out::println);
      }
    }

预期结果：

> 8 9

**案例二：筛选员工中工资高于8000的人，并形成新的集合。** 形成新集合依赖collect（收集），后文有详细介绍。

运行结果：

> 高于8000的员工姓名：\[Tom, Anni, Owen\]

## 3.3 聚合（max/min/count) ##

max、min、count这些字眼你一定不陌生，没错，在mysql中我们常用它们进行数据统计。Java stream中也引入了这些概念和用法，极大地方便了我们对集合、数组的数据统计工作。

![a9c5072e2d831f300be39fc01d30293a.png][]

**案例一：获取String集合中最长的元素。**

public class StreamTest {
      public static void main(String[] args) {
        List<String> list = Arrays.asList("adnm", "admmt", "pot", "xbangd", "weoujgsd");
    
        Optional<String> max = list.stream().max(Comparator.comparing(String::length));
        System.out.println("最长的字符串：" + max.get());
      }
    }

输出结果：

> 最长的字符串：weoujgsd

**案例二：获取Integer集合中的最大值。**

public class StreamTest {
      public static void main(String[] args) {
        List<Integer> list = Arrays.asList(7, 6, 9, 4, 11, 6);
    
        // 自然排序
        Optional<Integer> max = list.stream().max(Integer::compareTo);
        // 自定义排序
        Optional<Integer> max2 = list.stream().max(new Comparator<Integer>() {
          @Override
          public int compare(Integer o1, Integer o2) {
            return o1.compareTo(o2);
          }
        });
        System.out.println("自然排序的最大值：" + max.get());
        System.out.println("自定义排序的最大值：" + max2.get());
      }
    }

输出结果：

> 自然排序的最大值：11  
> 自定义排序的最大值：11

**案例三：获取员工工资最高的人。**

输出结果：

> 员工工资最大值：9500

**案例四：计算Integer集合中大于6的元素的个数。**

import java.util.Arrays;
    import java.util.List;
    
    public class StreamTest {
      public static void main(String[] args) {
        List<Integer> list = Arrays.asList(7, 6, 4, 8, 2, 11, 9);
    
        long count = list.stream().filter(x -> x > 6).count();
        System.out.println("list中大于6的元素个数：" + count);
      }
    }

输出结果：

> list中大于6的元素个数：4

## 3.4 映射(map/flatMap) ##

映射，可以将一个流的元素按照一定的映射规则映射到另一个流中。分为map和flatMap：

*  map：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。
 *  flatMap：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。

![c8a2ed546217c273d7d5d168e15a9c54.png][]

![3d6354591b9c9e0042651eb775bdb549.png][]

**案例一：英文字符串数组的元素全部改为大写。整数数组每个元素+3。**

public class StreamTest {
      public static void main(String[] args) {
        String[] strArr = { "abcd", "bcdd", "defde", "fTr" };
        List<String> strList = Arrays.stream(strArr).map(String::toUpperCase).collect(Collectors.toList());
    
        List<Integer> intList = Arrays.asList(1, 3, 5, 7, 9, 11);
        List<Integer> intListNew = intList.stream().map(x -> x + 3).collect(Collectors.toList());
    
        System.out.println("每个元素大写：" + strList);
        System.out.println("每个元素+3：" + intListNew);
      }
    }

输出结果：

> 每个元素大写：\[ABCD, BCDD, DEFDE, FTR\]  
> 每个元素+3：\[4, 6, 8, 10, 12, 14\]

**案例二：将员工的薪资全部增加1000。**

public class StreamTest {
      public static void main(String[] args) {
        List<Person> personList = new ArrayList<Person>();
        personList.add(new Person("Tom", 8900, 23, "male", "New York"));
        personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
        personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
        personList.add(new Person("Anni", 8200, 24, "female", "New York"));
        personList.add(new Person("Owen", 9500, 25, "male", "New York"));
        personList.add(new Person("Alisa", 7900, 26, "female", "New York"));
    
        // 不改变原来员工集合的方式
        List<Person> personListNew = personList.stream().map(person -> {
          Person personNew = new Person(person.getName(), 0, 0, null, null);
          personNew.setSalary(person.getSalary() + 10000);
          return personNew;
        }).collect(Collectors.toList());
        System.out.println("一次改动前：" + personList.get(0).getName() + "-->" + personList.get(0).getSalary());
        System.out.println("一次改动后：" + personListNew.get(0).getName() + "-->" + personListNew.get(0).getSalary());
    
        // 改变原来员工集合的方式
        List<Person> personListNew2 = personList.stream().map(person -> {
          person.setSalary(person.getSalary() + 10000);
          return person;
        }).collect(Collectors.toList());
        System.out.println("二次改动前：" + personList.get(0).getName() + "-->" + personListNew.get(0).getSalary());
        System.out.println("二次改动后：" + personListNew2.get(0).getName() + "-->" + personListNew.get(0).getSalary());
      }
    }

输出结果：

> 一次改动前：Tom–>8900  
> 一次改动后：Tom–>18900  
> 二次改动前：Tom–>18900  
> 二次改动后：Tom–>18900

**案例三：将两个字符数组合并成一个新的字符数组。**

public class StreamTest {
      public static void main(String[] args) {
        List<String> list = Arrays.asList("m,k,l,a", "1,3,5,7");
        List<String> listNew = list.stream().flatMap(s -> {
          // 将每个元素转换成一个stream
          String[] split = s.split(",");
          Stream<String> s2 = Arrays.stream(split);
          return s2;
        }).collect(Collectors.toList());
    
        System.out.println("处理前的集合：" + list);
        System.out.println("处理后的集合：" + listNew);
      }
    }

输出结果：

> 处理前的集合：\[m-k-l-a, 1-3-5\]  
> 处理后的集合：\[m, k, l, a, 1, 3, 5\]

## 3.5 归约(reduce) ##

归约，也称缩减，顾名思义，是把一个流缩减成一个值，能实现对集合求和、求乘积和求最值操作。

![354d2e5c783910de66befb081c8df474.png][]

**案例一：求Integer集合的元素之和、乘积和最大值。**

public class StreamTest {
      public static void main(String[] args) {
        List<Integer> list = Arrays.asList(1, 3, 2, 8, 11, 4);
        // 求和方式1
        Optional<Integer> sum = list.stream().reduce((x, y) -> x + y);
        // 求和方式2
        Optional<Integer> sum2 = list.stream().reduce(Integer::sum);
        // 求和方式3
        Integer sum3 = list.stream().reduce(0, Integer::sum);
        
        // 求乘积
        Optional<Integer> product = list.stream().reduce((x, y) -> x * y);
    
        // 求最大值方式1
        Optional<Integer> max = list.stream().reduce((x, y) -> x > y ? x : y);
        // 求最大值写法2
        Integer max2 = list.stream().reduce(1, Integer::max);
    
        System.out.println("list求和：" + sum.get() + "," + sum2.get() + "," + sum3);
        System.out.println("list求积：" + product.get());
        System.out.println("list求和：" + max.get() + "," + max2);
      }
    }

输出结果：

> list求和：29,29,29  
> list求积：2112  
> list求和：11,11

**案例二：求所有员工的工资之和和最高工资。**

public class StreamTest {
      public static void main(String[] args) {
        List<Person> personList = new ArrayList<Person>();
        personList.add(new Person("Tom", 8900, 23, "male", "New York"));
        personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
        personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
        personList.add(new Person("Anni", 8200, 24, "female", "New York"));
        personList.add(new Person("Owen", 9500, 25, "male", "New York"));
        personList.add(new Person("Alisa", 7900, 26, "female", "New York"));
    
        // 求工资之和方式1：
        Optional<Integer> sumSalary = personList.stream().map(Person::getSalary).reduce(Integer::sum);
        // 求工资之和方式2：
        Integer sumSalary2 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(),
            (sum1, sum2) -> sum1 + sum2);
        // 求工资之和方式3：
        Integer sumSalary3 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(), Integer::sum);
    
        // 求最高工资方式1：
        Integer maxSalary = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(),
            Integer::max);
        // 求最高工资方式2：
        Integer maxSalary2 = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(),
            (max1, max2) -> max1 > max2 ? max1 : max2);
    
        System.out.println("工资之和：" + sumSalary.get() + "," + sumSalary2 + "," + sumSalary3);
        System.out.println("最高工资：" + maxSalary + "," + maxSalary2);
      }
    }

输出结果：

> 工资之和：49300,49300,49300  
> 最高工资：9500,9500

## 3.6 收集(collect) ##

collect，收集，可以说是内容最繁多、功能最丰富的部分了。从字面上去理解，就是把一个流收集起来，最终可以是收集成一个值也可以收集成一个新的集合。

> collect主要依赖  
> java.util.stream.Collectors类内置的静态方法。

## 3.6.1 归集(toList/toSet/toMap) ##

因为流不存储数据，那么在流中的数据完成处理后，需要将流中的数据重新归集到新的集合里。toList、toSet和toMap比较常用，另外还有toCollection、toConcurrentMap等复杂一些的用法。

下面用一个案例演示toList、toSet和toMap：

public class StreamTest {
      public static void main(String[] args) {
        List<Integer> list = Arrays.asList(1, 6, 3, 4, 6, 7, 9, 6, 20);
        List<Integer> listNew = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toList());
        Set<Integer> set = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toSet());
    
        List<Person> personList = new ArrayList<Person>();
        personList.add(new Person("Tom", 8900, 23, "male", "New York"));
        personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
        personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
        personList.add(new Person("Anni", 8200, 24, "female", "New York"));
        
        Map<?, Person> map = personList.stream().filter(p -> p.getSalary() > 8000)
            .collect(Collectors.toMap(Person::getName, p -> p));
        System.out.println("toList:" + listNew);
        System.out.println("toSet:" + set);
        System.out.println("toMap:" + map);
      }
    }

运行结果：

> toList：\[6, 4, 6, 6, 20\]  
> toSet：\[4, 20, 6\]  
> toMap：\{Tom=mutest.Person@5fd0d5ae, Anni=mutest.Person@2d98a335\}

## 3.6.2 统计(count/averaging) ##

Collectors提供了一系列用于数据统计的静态方法：

*  计数：count
 *  平均值：averagingInt、averagingLong、averagingDouble
 *  最值：maxBy、minBy
 *  求和：summingInt、summingLong、summingDouble
 *  统计以上所有：summarizingInt、summarizingLong、summarizingDouble

**案例：统计员工人数、平均工资、工资总额、最高工资。**

public class StreamTest {
      public static void main(String[] args) {
        List<Person> personList = new ArrayList<Person>();
        personList.add(new Person("Tom", 8900, 23, "male", "New York"));
        personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
        personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
    
        // 求总数
        Long count = personList.stream().collect(Collectors.counting());
        // 求平均工资
        Double average = personList.stream().collect(Collectors.averagingDouble(Person::getSalary));
        // 求最高工资
        Optional<Integer> max = personList.stream().map(Person::getSalary).collect(Collectors.maxBy(Integer::compare));
        // 求工资之和
        Integer sum = personList.stream().collect(Collectors.summingInt(Person::getSalary));
        // 一次性统计所有信息
        DoubleSummaryStatistics collect = personList.stream().collect(Collectors.summarizingDouble(Person::getSalary));
    
        System.out.println("员工总数：" + count);
        System.out.println("员工平均工资：" + average);
        System.out.println("员工工资总和：" + sum);
        System.out.println("员工工资所有统计：" + collect);
      }
    }

运行结果：

> 员工总数：3  
> 员工平均工资：7900.0  
> 员工工资总和：23700  
> 员工工资所有统计：DoubleSummaryStatistics\{count=3, sum=23700.000000,min=7000.000000, average=7900.000000, max=8900.000000\}

## 3.6.3 分组(partitioningBy/groupingBy) ##

*  分区：将stream按条件分为两个Map，比如员工按薪资是否高于8000分为两部分。
 *  分组：将集合分为多个Map，比如员工按性别分组。有单级分组和多级分组。

![a028bd11ec810b50dde4f0e926ca82ff.png][]

**案例：将员工按薪资是否高于8000分为两部分；将员工按性别和地区分组**

public class StreamTest {
      public static void main(String[] args) {
        List<Person> personList = new ArrayList<Person>();
        personList.add(new Person("Tom", 8900, "male", "New York"));
        personList.add(new Person("Jack", 7000, "male", "Washington"));
        personList.add(new Person("Lily", 7800, "female", "Washington"));
        personList.add(new Person("Anni", 8200, "female", "New York"));
        personList.add(new Person("Owen", 9500, "male", "New York"));
        personList.add(new Person("Alisa", 7900, "female", "New York"));
    
        // 将员工按薪资是否高于8000分组
            Map<Boolean, List<Person>> part = personList.stream().collect(Collectors.partitioningBy(x -> x.getSalary() > 8000));
            // 将员工按性别分组
            Map<String, List<Person>> group = personList.stream().collect(Collectors.groupingBy(Person::getSex));
            // 将员工先按性别分组，再按地区分组
            Map<String, Map<String, List<Person>>> group2 = personList.stream().collect(Collectors.groupingBy(Person::getSex, Collectors.groupingBy(Person::getArea)));
            System.out.println("员工按薪资是否大于8000分组情况：" + part);
            System.out.println("员工按性别分组情况：" + group);
            System.out.println("员工按性别、地区：" + group2);
      }
    }

输出结果：

员工按薪资是否大于8000分组情况：{false=[mutest.Person@2d98a335, mutest.Person@16b98e56, mutest.Person@7ef20235], true=[mutest.Person@27d6c5e0, mutest.Person@4f3f5b24, mutest.Person@15aeb7ab]}
    员工按性别分组情况：{female=[mutest.Person@16b98e56, mutest.Person@4f3f5b24, mutest.Person@7ef20235], male=[mutest.Person@27d6c5e0, mutest.Person@2d98a335, mutest.Person@15aeb7ab]}
    员工按性别、地区：{female={New York=[mutest.Person@4f3f5b24, mutest.Person@7ef20235], Washington=[mutest.Person@16b98e56]}, male={New York=[mutest.Person@27d6c5e0, mutest.Person@15aeb7ab], Washington=[mutest.Person@2d98a335]}}

## 3.6.4 接合(joining) ##

joining可以将stream中的元素用特定的连接符（没有的话，则直接连接）连接成一个字符串。

运行结果：

> 所有员工的姓名：Tom,Jack,Lily  
> 拼接后的字符串：A-B-C

## 3.6.5 归约(reducing) ##

Collectors类提供的reducing方法，相比于stream本身的reduce方法，增加了对自定义归约的支持。

运行结果：

> 员工扣税薪资总和：8700  
> 员工薪资总和：23700

## 3.7 排序(sorted) ##

sorted，中间操作。有两种排序：

*  sorted()：自然排序，流中元素需实现Comparable接口
 *  sorted(Comparator com)：Comparator排序器自定义排序

**案例：将员工按工资由高到低（工资一样则按年龄由大到小）排序**

public class StreamTest {
      public static void main(String[] args) {
        List<Person> personList = new ArrayList<Person>();
    
        personList.add(new Person("Sherry", 9000, 24, "female", "New York"));
        personList.add(new Person("Tom", 8900, 22, "male", "Washington"));
        personList.add(new Person("Jack", 9000, 25, "male", "Washington"));
        personList.add(new Person("Lily", 8800, 26, "male", "New York"));
        personList.add(new Person("Alisa", 9000, 26, "female", "New York"));
    
        // 按工资升序排序（自然排序）
        List<String> newList = personList.stream().sorted(Comparator.comparing(Person::getSalary)).map(Person::getName)
            .collect(Collectors.toList());
        // 按工资倒序排序
        List<String> newList2 = personList.stream().sorted(Comparator.comparing(Person::getSalary).reversed())
            .map(Person::getName).collect(Collectors.toList());
        // 先按工资再按年龄升序排序
        List<String> newList3 = personList.stream()
            .sorted(Comparator.comparing(Person::getSalary).thenComparing(Person::getAge)).map(Person::getName)
            .collect(Collectors.toList());
        // 先按工资再按年龄自定义排序（降序）
        List<String> newList4 = personList.stream().sorted((p1, p2) -> {
          if (p1.getSalary() == p2.getSalary()) {
            return p2.getAge() - p1.getAge();
          } else {
            return p2.getSalary() - p1.getSalary();
          }
        }).map(Person::getName).collect(Collectors.toList());
    
        System.out.println("按工资升序排序：" + newList);
        System.out.println("按工资降序排序：" + newList2);
        System.out.println("先按工资再按年龄升序排序：" + newList3);
        System.out.println("先按工资再按年龄自定义降序排序：" + newList4);
      }
    }

运行结果：

> 按工资升序排序：\[Lily, Tom, Sherry, Jack, Alisa\]  
> 按工资降序排序：\[Sherry, Jack, Alisa, Tom, Lily\]  
> 先按工资再按年龄升序排序：\[Lily, Tom, Sherry, Jack, Alisa\]  
> 先按工资再按年龄自定义降序排序：\[Alisa, Jack, Sherry, Tom, Lily\]

## 3.8 提取/组合 ##

流也可以进行合并、去重、限制、跳过等操作。

![b892db48ca452e8be6901eed1807dfba.png][]

![408c0951a6185870e6d77f715d6f8614.png][]

![088bd0fced733e1610d0c1f60a9fb65d.png][]

public class StreamTest {
      public static void main(String[] args) {
        String[] arr1 = { "a", "b", "c", "d" };
        String[] arr2 = { "d", "e", "f", "g" };
    
        Stream<String> stream1 = Stream.of(arr1);
        Stream<String> stream2 = Stream.of(arr2);
        // concat:合并两个流 distinct：去重
        List<String> newList = Stream.concat(stream1, stream2).distinct().collect(Collectors.toList());
        // limit：限制从流中获得前n个数据
        List<Integer> collect = Stream.iterate(1, x -> x + 2).limit(10).collect(Collectors.toList());
        // skip：跳过前n个数据
        List<Integer> collect2 = Stream.iterate(1, x -> x + 2).skip(1).limit(5).collect(Collectors.toList());
    
        System.out.println("流合并：" + newList);
        System.out.println("limit：" + collect);
        System.out.println("skip：" + collect2);
      }
    }

运行结果：

> 流合并：\[a, b, c, d, e, f, g\]  
> limit：\[1, 3, 5, 7, 9, 11, 13, 15, 17, 19\]  
> skip：\[3, 5, 7, 9, 11\]

好，以上就是全部内容，能坚持看到这里，你一定很有收获。

![a1fc1618ac9b4c9dbaf1b434dfcd72d4.jpeg][]

[cdb673552fb61187be698cef875747dc.png]: https://img-blog.csdnimg.cn/img_convert/cdb673552fb61187be698cef875747dc.png
[347b91a845a796766218914c5843f2b9.png]: https://img-blog.csdnimg.cn/img_convert/347b91a845a796766218914c5843f2b9.png
[c7d04571c906df3321bf223913526954.png]: https://img-blog.csdnimg.cn/img_convert/c7d04571c906df3321bf223913526954.png
[e2cae7b0eebac611e811da32aeb13763.png]: https://img-blog.csdnimg.cn/img_convert/e2cae7b0eebac611e811da32aeb13763.png
[bb4963438fd28932e12eac131d8a7f90.png]: https://img-blog.csdnimg.cn/img_convert/bb4963438fd28932e12eac131d8a7f90.png
[a9c5072e2d831f300be39fc01d30293a.png]: https://img-blog.csdnimg.cn/img_convert/a9c5072e2d831f300be39fc01d30293a.png
[c8a2ed546217c273d7d5d168e15a9c54.png]: https://img-blog.csdnimg.cn/img_convert/c8a2ed546217c273d7d5d168e15a9c54.png
[3d6354591b9c9e0042651eb775bdb549.png]: https://img-blog.csdnimg.cn/img_convert/3d6354591b9c9e0042651eb775bdb549.png
[354d2e5c783910de66befb081c8df474.png]: https://img-blog.csdnimg.cn/img_convert/354d2e5c783910de66befb081c8df474.png
[a028bd11ec810b50dde4f0e926ca82ff.png]: https://img-blog.csdnimg.cn/img_convert/a028bd11ec810b50dde4f0e926ca82ff.png
[b892db48ca452e8be6901eed1807dfba.png]: https://img-blog.csdnimg.cn/img_convert/b892db48ca452e8be6901eed1807dfba.png
[408c0951a6185870e6d77f715d6f8614.png]: https://img-blog.csdnimg.cn/img_convert/408c0951a6185870e6d77f715d6f8614.png
[088bd0fced733e1610d0c1f60a9fb65d.png]: https://img-blog.csdnimg.cn/img_convert/088bd0fced733e1610d0c1f60a9fb65d.png
[a1fc1618ac9b4c9dbaf1b434dfcd72d4.jpeg]: https://img-blog.csdnimg.cn/a1fc1618ac9b4c9dbaf1b434dfcd72d4.jpeg