Java8中Stream如何用

本篇內容主要講解“Java8中Stream如何用”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“Java8中Stream如何用”吧!

一、概述

Java 8 是一個非常成功的版本，這個版本新增的Stream，配合同版本出現的Lambda ，給我們操作集合（Collection）提供了極大的便利。Stream流是JDK8新增的成員，允許以聲明性方式處理數據集合，可以把Stream流看作是遍歷數據集合的一個高級迭代器。Stream 是 Java8 中處理集合的關鍵抽象概念，它可以指定你希望對集合進行的操作，可以執行非常復雜的查找/篩選/過濾、排序、聚合和映射數據等操作。使用Stream API 對集合數據進行操作，就類似于使用 SQL 執行的數據庫查詢。也可以使用 Stream API 來并行執行操作。簡而言之，Stream API 提供了一種高效且易于使用的處理數據的方式。

1、使用流的好處

代碼以聲明性方式書寫，說明想要完成什么，而不是說明如何完成一個操作。
可以把幾個基礎操作連接起來，來表達復雜的數據處理的流水線，同時保持代碼清晰可讀。

2、流是什么?

從支持數據處理操作的源生成元素序列.數據源可以是集合,數組或IO資源。

從操作角度來看,流與集合是不同的. 流不存儲數據值; 流的目的是處理數據,它是關于算法與計算的。

如果把集合作為流的數據源,創建流時不會導致數據流動; 如果流的終止操作需要值時,流會從集合中獲取值; 流只使用一次。

流中心思想是延遲計算,流直到需要時才計算值。

Stream可以由數組或集合創建，對流的操作分為兩種：

中間操作，每次返回一個新的流，可以有多個。

終端操作，每個流只能進行一次終端操作，終端操作結束后流無法再次使用。終端操作會產生一個新的集合或值。

特性：

不是數據結構，不會保存數據。

不會修改原來的數據源，它會將操作后的數據保存到另外一個對象中。（保留意見：畢竟peek方法可以修改流中元素）

惰性求值，流在中間處理過程中，只是對操作進行了記錄，并不會立即執行，需要等到執行終止操作的時候才會進行實際的計算。

二、分類

無狀態：指元素的處理不受之前元素的影響；

有狀態：指該操作只有拿到所有元素之后才能繼續下去。

非短路操作：指必須處理所有元素才能得到最終結果；

短路操作：指遇到某些符合條件的元素就可以得到最終結果，如 A || B，只要A為true，則無需判斷B的結果。

三、Stream的創建

Stream可以通過集合數組創建。

1、通過 java.util.Collection.stream() 方法用集合創建流

Listlist = Arrays.asList("a", "b", "c");// 創建一個順序流
Streamstream = list.stream();// 創建一個并行流
StreamparallelStream = list.parallelStream();

2、使用 java.util.Arrays.stream(T[]array)方法用數組創建流

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

3、使用 Stream的靜態方法：of()、iterate()、generate()

Streamstream = Stream.of(1, 2, 3, 4, 5, 6);
 Streamstream2 = Stream.iterate(0, (x) -> x + 3).limit(4);stream2.forEach(System.out::println);
 Streamstream3 = Stream.generate(Math::random).limit(3);stream3.forEach(System.out::println);

輸出結果：

0 3 6 90.67961569092719940.19143142088542830.8116932592396652

登錄后復制

stream和 parallelStream的簡單區分：stream是順序流，由主線程按順序對流執行操作，而 parallelStream是并行流，內部以多線程并行執行的方式對流進行操作，但前提是流中的數據處理沒有順序要求。例如篩選集合中的奇數，兩者的處理不同之處：

如果流中的數據量足夠大，并行流可以加快處速度。

除了直接創建并行流，還可以通過 parallel()把順序流轉換成并行流：

OptionalfindFirst = list.stream().parallel().filter(x->x>6).findFirst();

四、Stream API簡介


先貼上幾個案例，水平高超的同學可以挑戰一下：從員工集合中篩選出salary大于8000的員工，并放置到新的集合里。統計員工的最高薪資、平均薪資、薪資之和。將員工按薪資從高到低排序，同樣薪資者年齡小者在前。將員工按性別分類，將員工按性別和地區分類，將員工按薪資是否高于8000分為兩部分。用傳統的迭代處理也不是很難，但代碼就顯得冗余了，跟Stream相比高下立判。

前提：員工類

static ListpersonList = new ArrayList();private static void initPerson() {
    personList.add(new Person("張三", 8, 3000));
    personList.add(new Person("李四", 18, 5000));
    personList.add(new Person("王五", 28, 7000));
    personList.add(new Person("孫六", 38, 9000));}

1、遍歷/匹配（foreach/find/match）

Stream也是支持類似集合的遍歷和匹配元素的，只是 Stream中的元素是以 Optional類型存在的。Stream的遍歷、匹配非常簡單。

// import已省略，請自行添加，后面代碼亦是
 
public class StreamTest {
  public static void main(String[] args) {
        Listlist = Arrays.asList(7, 6, 9, 3, 8, 2, 1);
 
        // 遍歷輸出符合條件的元素
        list.stream().filter(x -> x > 6).forEach(System.out::println);
        // 匹配第一個
        OptionalfindFirst = list.stream().filter(x -> x > 6).findFirst();
        // 匹配任意（適用于并行流）
        OptionalfindAny = list.parallelStream().filter(x -> x > 6).findAny();
        // 是否包含符合特定條件的元素
        boolean anyMatch = list.stream().anyMatch(x -> x < 6);
        System.out.println("匹配第一個值：" + findFirst.get());
        System.out.println("匹配任意一個值：" + findAny.get());
        System.out.println("是否存在大于6的值：" + anyMatch);
    }}

2、按條件匹配filter

（1）篩選員工中已滿18周歲的人，并形成新的集合

/**
 * 篩選員工中已滿18周歲的人，并形成新的集合
 * @思路
 * Listlist = new ArrayList();
 * for(Person person : personList) {
 *     if(person.getAge() >= 18) {
 *          list.add(person);
 *     }
 * }
 */
private static void filter01() {
    initPerson();
    Listcollect = personList.stream().filter(x -> x.getAge()>=18).collect(Collectors.toList());
    System.out.println(collect);}

（2）自定義條件匹配

3、聚合max、min、count

（1）獲取String集合中最長的元素

/**
 * 獲取String集合中最長的元素
 * @思路
 * Listlist = Arrays.asList("zhangsan", "lisi", "wangwu", "sunliu");
 * String max = "";
 * int length = 0;
 * int tempLength = 0;
 * for(String str : list) {
 *     tempLength = str.length();
 *     if(tempLength > length) {
 *         length  = str.length();
 *         max = str;
 *      }
 * }
 * @return zhangsan
 */
private static void test02() {
    Listlist = Arrays.asList("zhangsan", "lisi", "wangwu", "sunliu");
    Comparator comparator = Comparator.comparing(String::length);
    Optionalmax = list.stream().max(comparator);
    System.out.println(max);}

（2）獲取Integer集合中的最大值

//獲取Integer集合中的最大值
private static void test05() {
    Listlist = Arrays.asList(1, 17, 27, 7);
    Optionalmax = list.stream().max(Integer::compareTo);
    // 自定義排序
    Optionalmax2 = list.stream().max(new Comparator() {
        @Override
        public int compare(Integer o1, Integer o2) {
            return o1.compareTo(o2);
        }
    });
    System.out.println(max2);}

//獲取員工中年齡最大的人
private static void test06() {
    initPerson();
    Comparator comparator = Comparator.comparingInt(Person::getAge);
    Optionalmax = personList.stream().max(comparator);
    System.out.println(max);}

（3）獲取員工中年齡最大的人

（4）計算integer集合中大于10的元素的個數

4、map與flatMap

map：接收一個函數作為參數，該函數會被應用到每個元素上，并將其映射成一個新的元素。

flatMap：接收一個函數作為參數，將流中的每個值都換成另一個流，然后把所有流連接成一個流。

（1）字符串大寫

（2）整數數組每個元素+3

/**
 * 整數數組每個元素+3
 * @思路
 * Listlist = Arrays.asList(1, 17, 27, 7);
   Listlist2 = new ArrayList();
   for(Integer num : list) {
      list2.add(num + 3);
   }
   @return [4, 20, 30, 10]
 */
private static void test09() {
    Listlist = Arrays.asList(1, 17, 27, 7);
    Listcollect = list.stream().map(x -> x + 3).collect(Collectors.toList());
    System.out.println(collect);}

（3）公司效益好，每人漲2000

/**
 * 公司效益好，每人漲2000
 *
 */
private static void test10() {
    initPerson();
    Listcollect = personList.stream().map(x -> {
        x.setAge(x.getSalary()+2000);
        return x;
    }).collect(Collectors.toList());
    System.out.println(collect);}

（4）將兩個字符數組合并成一個新的字符數組

/**
 * 將兩個字符數組合并成一個新的字符數組
 *
 */
private static void test11() {
    String[] arr = {"z, h, a, n, g", "s, a, n"};
    Listlist = Arrays.asList(arr);
    System.out.println(list);
    Listcollect = list.stream().flatMap(x -> {
        String[] array = x.split(",");
        Streamstream = Arrays.stream(array);
        return stream;
    }).collect(Collectors.toList());
    System.out.println(collect);}

（5）將兩個字符數組合并成一個新的字符數組

/**
 * 將兩個字符數組合并成一個新的字符數組
 * @return [z,  h,  a,  n,  g, s,  a,  n]
 */
private static void test11() {
    String[] arr = {"z, h, a, n, g", "s, a, n"};
    Listlist = Arrays.asList(arr);
    Listcollect = list.stream().flatMap(x -> {
        String[] array = x.split(",");
        Streamstream = Arrays.stream(array);
        return stream;
    }).collect(Collectors.toList());
    System.out.println(collect);}

5、規約reduce

歸約，也稱縮減，顧名思義，是把一個流縮減成一個值，能實現對集合求和、求乘積和求最值操作。

（1）求Integer集合的元素之和、乘積和最大值

/**
 * 求Integer集合的元素之和、乘積和最大值
 *
 */
private static void test13() {
    Listlist = Arrays.asList(1, 2, 3, 4);
    //求和
    Optionalreduce = list.stream().reduce((x,y) -> x+ y);
    System.out.println("求和:"+reduce);
    //求積
    Optionalreduce2 = list.stream().reduce((x,y) -> x * y);
    System.out.println("求積:"+reduce2);
    //求最大值
    Optionalreduce3 = list.stream().reduce((x,y) -> x>y?x:y);
    System.out.println("求最大值:"+reduce3);}

（2）求所有員工的工資之和和最高工資

/*
 * 求所有員工的工資之和和最高工資
 */
private static void test14() {
    initPerson();
    Optionalreduce = personList.stream().map(Person :: getSalary).reduce(Integer::sum);
    Optionalreduce2 = personList.stream().map(Person :: getSalary).reduce(Integer::max);
    System.out.println("工資之和:"+reduce);
    System.out.println("最高工資:"+reduce2);}

6、收集（toList、toSet、toMap）

取出大于18歲的員工轉為map

/**
 * 取出大于18歲的員工轉為map
 *
 */
private static void test15() {
    initPerson();
    Mapcollect = personList.stream().filter(x -> x.getAge() > 18).collect(Collectors.toMap(Person::getName, y -> y));
    System.out.println(collect);}

7、collect

Collectors提供了一系列用于數據統計的靜態方法：

計數： count

平均值： averagingInt、 averagingLong、 averagingDouble

最值： maxBy、 minBy

求和： summingInt、 summingLong、 summingDouble

統計以上所有： summarizingInt、 summarizingLong、 summarizingDouble

/**
 * 統計員工人數、平均工資、工資總額、最高工資
 */
private static void test01(){
    //統計員工人數
    Long count = personList.stream().collect(Collectors.counting());
    //求平均工資
    Double average = personList.stream().collect(Collectors.averagingDouble(Person::getSalary));
    //求最高工資
    Optionalmax = personList.stream().map(Person::getSalary).collect(Collectors.maxBy(Integer::compare));
    //求工資之和
    Integer sum = personList.stream().collect(Collectors.summingInt(Person::getSalary));
    //一次性統計所有信息
    DoubleSummaryStatistics collect = personList.stream().collect(Collectors.summarizingDouble(Person::getSalary));
    System.out.println("統計員工人數:"+count);
    System.out.println("求平均工資:"+average);
    System.out.println("求最高工資:"+max);
    System.out.println("求工資之和:"+sum);
    System.out.println("一次性統計所有信息:"+collect);}

8、分組(partitioningBy/groupingBy)

分區：將stream按條件分為兩個 Map，比如員工按薪資是否高于8000分為兩部分。

分組：將集合分為多個Map，比如員工按性別分組。有單級分組和多級分組。

將員工按薪資是否高于8000分為兩部分；將員工按性別和地區分組

public class StreamTest {
  public static void main(String[] args) {
    personList.add(new Person("zhangsan",25, 3000, "male", "tieling"));
        personList.add(new Person("lisi",27, 5000, "male", "tieling"));
        personList.add(new Person("wangwu",29, 7000, "female", "tieling"));
        personList.add(new Person("sunliu",26, 3000, "female", "dalian"));
        personList.add(new Person("yinqi",27, 5000, "male", "dalian"));
        personList.add(new Person("guba",21, 7000, "female", "dalian"));
 
    // 將員工按薪資是否高于8000分組
        Map<Boolean, List> part = personList.stream().collect(Collectors.partitioningBy(x -> x.getSalary() > 8000));
        // 將員工按性別分組
        Map<String, List> group = personList.stream().collect(Collectors.groupingBy(Person::getSex));
        // 將員工先按性別分組，再按地區分組
        Map<String, Map<String, List>> group2 = personList.stream().collect(Collectors.groupingBy(Person::getSex, Collectors.groupingBy(Person::getArea)));
        System.out.println("員工按薪資是否大于8000分組情況：" + part);
        System.out.println("員工按性別分組情況：" + group);
        System.out.println("員工按性別、地區：" + group2);
  }}

9、連接joining

joining可以將stream中的元素用特定的連接符（沒有的話，則直接連接）連接成一個字符串。

10、排序sorted

將員工按工資由高到低（工資一樣則按年齡由大到小）排序

private static void test04(){
    // 按工資升序排序（自然排序）
    ListnewList = personList.stream().sorted(Comparator.comparing(Person::getSalary)).map(Person::getName)
            .collect(Collectors.toList());
    // 按工資倒序排序
    ListnewList2 = personList.stream().sorted(Comparator.comparing(Person::getSalary).reversed())
            .map(Person::getName).collect(Collectors.toList());
    // 先按工資再按年齡升序排序
    ListnewList3 = personList.stream()
            .sorted(Comparator.comparing(Person::getSalary).thenComparing(Person::getAge)).map(Person::getName)
            .collect(Collectors.toList());
    // 先按工資再按年齡自定義排序（降序）
    ListnewList4 = 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("按工資升序排序：" + newList);
    System.out.println("按工資降序排序：" + newList2);
    System.out.println("先按工資再按年齡升序排序：" + newList3);
    System.out.println("先按工資再按年齡自定義降序排序：" + newList4);}

11、提取/組合

流也可以進行合并、去重、限制、跳過等操作。

private static void test05(){
    String[] arr1 = { "a", "b", "c", "d" };
    String[] arr2 = { "d", "e", "f", "g" };
    Streamstream1 = Stream.of(arr1);
    Streamstream2 = Stream.of(arr2);
    // concat:合并兩個流 distinct：去重
    ListnewList = Stream.concat(stream1, stream2).distinct().collect(Collectors.toList());
    // limit：限制從流中獲得前n個數據
    Listcollect = Stream.iterate(1, x -> x + 2).limit(10).collect(Collectors.toList());
    // skip：跳過前n個數據
    Listcollect2 = 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);}

12、讀取文件的流操作


13、計算兩個list中的差集

//計算兩個list中的差集
Listreduce1 = allList.stream().filter(item -> !wList.contains(item)).collect(Collectors.toList());

到此，相信大家對“Java8中Stream如何用”有了更深的了解，不妨來實際操作一番吧！這里是億速云網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！