Java 8新特性Lambda表达式Stream API用法
目录
一、基本用法
1、基本过滤
2、基本转换
3、基本的过滤和转换组合
二、中间操作
1、distinct
2、sorted
3、skip/limit
4、peek
5、mapToLong/mapToInt/mapToDouble
6、flatMap
三、终端操作
1、max/min
2、count
3、allMatch/anyMatch/noneMatch
4、findFirst/findAny
5、forEach
6、toArray
7、reduce
四、容器收集器
1、toSet
2、toCollection
3、toMap
4、字符串收集器
五、 分组
1、基本用法
2、分组计数、找最大/最小元素
3、分组数值统计
4、分组内的map
5、分组结果处理（filter/sort/skip/limit）
6、分区
五、函数式数据处理思维
一、基本用法
先创建学生类
public class Student {
private String name;
private Integer score;
private String grade;
}创建学生列表
Student stu1 = Student.builder().name("张三").grade("一年级").score(92).build();
Student stu2 = Student.builder().name("李四").grade("二年级").score(89).build();
Student stu3 = Student.builder().name("王五").grade("一年级").score(90).build();
Student stu4 = Student.builder().name("赵六").grade("二年级").score(91).build();
Student stu5 = Student.builder().name("陈七").grade("一年级").score(88).build();
Student stu6 = Student.builder().name("周八").grade("二年级").score(86).build();
Student stu7 = Student.builder().name("孙九").grade("一年级").score(99).build();
List stuList = new ArrayList<>();
stuList.add(stu1);
stuList.add(stu2);
stuList.add(stu3);
stuList.add(stu4);
stuList.add(stu5);
stuList.add(stu6);
stuList.add(stu7); 1、基本过滤
返回学生列表中90分以上的同学
List collect =
stuList.stream()
.filter(s -> s.getScore() > 90)
.collect(Collectors.toList());
collect.forEach(System.out::println); 输出结果：
Student(name=张三, score=92, grade=一年级)
Student(name=赵六, score=91, grade=二年级)
Student(name=孙九, score=99, grade=一年级)2、基本转换
根据学生列表返回名称列表
List nameList =
stuList.stream()
.map(Student::getName)
.collect(Collectors.toList());
nameList.forEach(System.out::println); 输出结果：
张三
李四
王五
赵六
陈七
周八
孙九
3、基本的过滤和转换组合
返回90分以上的学生名称列表
List collect =
stuList.stream()
.filter(s -> s.getScore() > 90)
.map(Student::getName)
.collect(Collectors.toList());
collect.forEach(System.out::println); 输出结果：
张三
赵六
孙九二、中间操作
1、distinct
distinct返回一个新的Stream，过滤重复的元素，只留下唯一的元素，是否重复是根据equals方法来比较的。
List strList = new ArrayList<>();
strList.add("abc");
strList.add("bcd");
strList.add("cde");
strList.add("abc");
List collect =
strList.stream()
.distinct()
.collect(Collectors.toList());
collect.forEach(System.out::println); 输出结果 ：
abc
bcd
cde2、sorted
有两个sorted方法：
Stream sorted(Comparator comparator);
Stream sorted();
1）第一个方法接受一个自定义的Comparator。 根据分数排序
List collect =
stuList.stream()
.sorted(Comparator.comparing(Student::getSore))
.collect(Collectors.toList());
collect.forEach(System.out::println); 输出结果：
Student(name=周八, score=86, grade=二年级)
Student(name=陈七, score=88, grade=一年级)
Student(name=李四, score=89, grade=二年级)
Student(name=王五, score=90, grade=一年级)
Student(name=赵六, score=91, grade=二年级)
Student(name=张三, score=92, grade=一年级)
Student(name=孙九, score=99, grade=一年级)2）第二个方法假定元素实现了Comparable接口
学生类实现Comparable接口
public class Student implements Comparable {
private String name;
private Integer sore;
private String grade;
@Override
public int compareTo(Object obj) {
Student stu1 = (Student) obj;
if (stu1.getSore().equals(this.sore)){
return 0;
} else if (stu1.getSore() > this.sore){
return -1;
} else {
return 1;
}
}
}根据分数排序：
List collect1 = stuList.stream().sorted().collect(Collectors.toList());
collect1.forEach(System.out::println); 输出结果 ：
Student(name=周八, score=86, grade=二年级)
Student(name=陈七, score=88, grade=一年级)
Student(name=李四, score=89, grade=二年级)
Student(name=王五, score=90, grade=一年级)
Student(name=赵六, score=91, grade=二年级)
Student(name=张三, score=92, grade=一年级)
Student(name=孙九, score=99, grade=一年级)3、skip/limit
Stream skip(long n);
Stream limit(long maxSize); skip跳过流中的n个元素，如果流中元素不足n个，返回一个空流，limit限制流的长度为maxSize。
比如，将学生列表按照分数从高到低排序，分数一样的按名称排序，返回第3名到第5名，代码为：
List collect =
stuList.stream()
.sorted( Comparator.comparing(Student::getScore)
.reversed()
.thenComparing(Student::getName))
.skip(2)
.limit(3)
.collect(Collectors.toList());
collect.forEach(System.out::println); 输出结果：
Student(name=王五, score=90, grade=一年级)
Student(name=赵六, score=90, grade=二年级)
Student(name=李四, score=89, grade=二年级)skip和limit都是有状态的中间操作。对前n个元素，skip的操作就是过滤，对后面的元素，skip就是传递给流水线中的下一个操作。limit的一个特点是：它不需要处理流中的所有元素，只要处理的元素个数达到maxSize，后面的元素就不需要处理了，这种可以提前结束的操作称为短路操作。
4、peek
Stream peek(Consumer action); 它返回的流与之前的流是一样的，没有变化，但它提供了一个Consumer，会将流中的每一个元素传给该Consumer。这个方法的主要目的是支持调试，可以使用该方法观察在流水线中流转的元素，比如：
List collect = stuList.stream()
.peek(System.out::println).map(Student::getName).collect(Collectors.toList());
System.out.println("====================================================");
collect.forEach(System.out::println); 输出结果：
Student(name=张三, score=92, grade=一年级)
Student(name=李四, score=89, grade=二年级)
Student(name=王五, score=90, grade=一年级)
Student(name=赵六, score=90, grade=二年级)
Student(name=陈七, score=88, grade=一年级)
Student(name=周八, score=86, grade=二年级)
Student(name=孙九, score=99, grade=一年级)
====================================================
张三
李四
王五
赵六
陈七
周八
孙九5、mapToLong/mapToInt/mapToDouble
map函数接受的参数是一个Function
IntStream mapToInt(ToIntFunction mapper);
LongStream mapToLong(ToLongFunction mapper);
DoubleStream mapToDouble(ToDoubleFunction mapper);DoubleStream/IntStream/LongStream是基本类型特定的流，有一些专门的更为高效的方法。比如，求学生列表的分数总和，代码为：
int sum = stuList.stream().mapToInt(Student::getScore).sum();6、flatMap
Stream flatMap(Function> mapper); 它接受一个函数mapper，对流中的每一个元素，mapper会将该元素转换为一个流Stream，然后把新生成流的每一个元素传递给下一个操作。比如：
List strList = new ArrayList<>();
strList.add("abc,bcd");
strList.add("cde,def");
List collect =
strList.stream()
.flatMap(s -> Arrays.stream(s.split(",")))
.collect(Collectors.toList());
collect.forEach(System.out::println); 这里的mapper将一行字符串按空白符分隔为了一个单词流，Arrays.stream可以将一个数组转换为一个流，输出为：
abc
bcd
cde
def可以看出，实际上，flatMap完成了一个1到n的映射。
三、终端操作
中间操作不触发实际的执行，返回值是Stream，而终端操作触发执行，返回一个具体的值，除了collect, Stream API的终端操作还有max、min、count、allMatch、anyMatch、noneMatch、findFirst、findAny、forEach、toArray、reduce等，我们逐个介绍。
1、max/min
Optional max(Comparator comparator);
Optional min(Comparator comparator); 它们返回流中的最大值/最小值，它们的返回值类型是Optional
Optional max = stuList.stream().max(Comparator.comparing(Student::getScore));
Student student = max.get();
System.out.println(student); 输出结果：
Student(name=孙九, score=99, grade=一年级)2、count
返回流中元素的个数
long count = stuList.stream().filter(stu -> stu.getScore() > 90).count();3、allMatch/anyMatch/noneMatch
这几个函数都接受一个谓词Predicate，返回一个boolean值，用于判定流中的元素是否满足一定的条件。它们的区别是：
- allMatch：只有在流中所有元素都满足条件的情况下才返回true。
- anyMatch：只要流中有一个元素满足条件就返回true。
- noneMatch：只有流中所有元素都不满足条件才返回true。
如果流为空，那么这几个函数的返回值都是true。比如，判断是不是所有学生都及格了（不小于60分），代码可以为：
boolean b = stuList.stream().allMatch(stu -> stu.getScore() > 60);这几个操作都是短路操作，不一定需要处理所有元素就能得出结果，比如，对于all-Match，只要有一个元素不满足条件，就能返回false。
4、findFirst/findAny
Optional findFirst();
Optional findAny(); 它们的返回类型都是Optional，如果流为空，返回Optional.empty()。findFirst返回第一个元素，而findAny返回任一元素，它们都是短路操作。随便找一个不及格的学生，代码可以为：
Optional any = stuList.stream().filter(stu -> stu.getScore() < 60).findAny();
if (any.isPresent()){
System.out.println( any.get().getName() + "拖出去，打一顿");
} 5、forEach
void forEach(Consumer action);
void forEachOrdered(Consumer action);它们都接受一个Consumer，对流中的每一个元素，传递元素给Consumer。区别在于：在并行流中，forEach不保证处理的顺序，而forEachOrdered会保证按照流中元素的出现顺序进行处理。
stuList.stream().filter(stu -> stu.getScore() > 90).forEach(System.out::println);6、toArray
Object[] toArray();
A[] toArray(IntFunction generator); 不带参数的toArray返回的数组类型为Object[]，这通常不是期望的结果，如果希望得到正确类型的数组，需要传递一个类型为IntFunction的generator。generator接受的参数是流的元素个数，它应该返回对应大小的正确类型的数组。比如，获取90分以上的学生数组，代码可以为：
Student[] students =
stuList.stream()
.filter(stu -> stu.getScore() > 90)
.toArray(Student[]::new);
Arrays.stream(students).forEach(System.out::println);输出结果：
Student(name=张三, score=92, grade=一年级)
Student(name=孙九, score=99, grade=一年级)7、reduce
reduce代表归约或者叫折叠，它是max/min/count的更为通用的函数，将流中的元素归约为一个值。有三个reduce函数：
Optional reduce(BinaryOperator accumulator);
U reduce(U identity,
BiFunction accumulator,
BinaryOperator combiner);
R collect(Supplier supplier,
BiConsumer accumulator,
BiConsumer combiner); reduce函数虽然更为通用，但比较费解，难以使用，一般情况下应该优先使用其他函数。collect函数比reduce函数更为通用、强大和易用，关于它，我们稍后再详细介绍。
四、容器收集器
对于collect方法，前面只是演示了其最基本的应用，它还有很多强大的功能，比如与toList类似的容器收集器还有toSet、toCollection、toMap等
1、toSet
toSet的使用与toList类似，只是它可以排重，就不举例了。toList背后的容器是ArrayList, toSet背后的容器是HashSet
2、toCollection
toCollection是一个通用的容器收集器，可以用于任何Collection接口的实现类。比如，如果希望排重但又希望保留出现的顺序，可以使用LinkedHashSet, Collector可以这么创建：
List strList = new ArrayList<>();
strList.add("abc");
strList.add("bcd");
strList.add("cde");
strList.add("abc");
LinkedHashSet collect = strList.stream()
.filter(s -> s.length() > 2)
.collect(Collectors.toCollection(LinkedHashSet::new));
collect.forEach(System.out::println); 输出结果：
abc
bcd
cde3、toMap
Collector> toMap(Function keyMapper,
Function valueMapper);
Collector> toMap(Function keyMapper,
Function valueMapper,
BinaryOperator mergeFunction);
Collector toMap(Function keyMapper,
Function valueMapper,
BinaryOperator mergeFunction,
Supplier mapSupplier)
1)第一个方法示例代码：
Map collect = stuList.stream()
.collect(Collectors.toMap(Student::getName, s -> s));
System.out.println(collect); 注：键如果有重复的，会抛出异常的
s->s是valueMapper，表示值就是元素本身。这个函数用得比较多，接口Function定义了一个静态函数identity表示它。也就是说，上面的代码可以替换为：
Map collect = stuList.stream()
.collect(Collectors.toMap(Student::getName, Function.identity()));
System.out.println(collect); 输出结果：
{
李四 = Student(name = 李四, score = 89, grade = 二年级),
张三 = Student(name = 张三, score = 92, grade = 一年级),
王五 = Student(name = 王五, score = 90, grade = 一年级),
周八 = Student(name = 周八, score = 86, grade = 二年级),
陈七 = Student(name = 陈七, score = 88, grade = 一年级),
赵六 = Student(name = 赵六, score = 91, grade = 二年级),
孙九 = Student(name = 孙九, score = 99, grade = 一年级)
}2）处理键重复问题：相比前面的toMap，多了一个mapSupplier，它是Map的工厂方法，对于前面的两个toMap，其mapSupplier其实是HashMap::new。我们知道，HashMap是没有任何顺序的，如果希望保持元素出现的顺序，可以替换为LinkedHashMap，如果希望收集的结果排序，可以使用TreeMap。
List strList = new ArrayList<>();
strList.add("abc");
strList.add("bcd");
strList.add("cde");
strList.add("abc");
Map collect =
strList.stream().collect(Collectors.toMap(Function.identity(), s -> s.length(), (oldValue, value) -> value));
System.out.println(collect); 相比前面的toMap，它接受一个额外的参数mergeFunction，它用于处理冲突，在收集一个新元素时，如果新元素的键已经存在了，系统会将新元素的值与键对应的旧值一起传递给mergeFunction得到一个值，然后用这个值给键赋值。
也可以进行处理：
Map collect =
strList.stream().collect(Collectors.toMap(Function.identity(), s -> s.length(), (oldValue, value) -> oldValue + value));
System.out.println(collect); 输出结果：
{bcd=3, abc=6, cde=3}3）第三个方法相比前面的toMap，多了一个mapSupplier，它是Map的工厂方法，对于前面的两个toMap，其mapSupplier其实是HashMap::new。我们知道，HashMap是没有任何顺序的，如果希望保持元素出现的顺序，可以替换为LinkedHashMap，如果希望收集的结果排序，可以使用TreeMap。
Map collect =
strList.stream().collect(Collectors.toMap(Function.identity(), s -> s.length(), (oldValue, value) -> value, LinkedHashMap::new));
System.out.println(collect); 4、字符串收集器
public static Collector joining();
public static Collector joining(CharSequence delimiter);
public static Collector joining(CharSequence delimiter,
CharSequence prefix,
CharSequence suffix); 第一个就是简单地把元素连接起来，第二个支持一个分隔符，还可以给整个结果字符串加前缀和后缀，比如：
List strList = new ArrayList<>();
strList.add("abc");
strList.add("bcd");
strList.add("cde");
strList.add("abc");
String collect = strList.stream().collect(Collectors.joining(",", "[", "]"));
System.out.println(collect); 输出结果：
[abc,bcd,cde,abc]五、 分组
1、基本用法
Map> collect = stuList.stream()
.collect(Collectors.groupingBy(Student::getGrade));
System.out.println(collect); 输出结果：
{
一年级=[
Student(name=张三, score=92, grade=一年级),
Student(name=王五, score=90, grade=一年级),
Student(name=陈七, score=88, grade=一年级),
Student(name=孙九, score=99, grade=一年级)],
二年级=[
Student(name=李四, score=89, grade=二年级),
Student(name=赵六, score=91, grade=二年级),
Student(name=周八, score=86, grade=二年级)
]
}
2、分组计数、找最大/最小元素
// 计数
public static Collector counting();
// 计算最小值
public static Collector> minBy(Comparator comparator);
// 计算最大值
public static Collector> maxBy(Comparator comparator); 1）计数代码示例：
Map collect = stuList.stream()
.collect(Collectors.groupingBy(Student::getGrade, Collectors.counting()));
System.out.println(collect); 输出结果：
{一年级=4, 二年级=3}2）获取最大值
Map> collect = stuList.stream()
.collect(Collectors.groupingBy(Student::getGrade, Collectors.maxBy(Comparator.comparing(Student::getScore))));
System.out.println(collect); 需要说明的是，这个分组收集结果是Optional
Map collect = stuList.stream()
.collect(
Collectors.groupingBy(
Student::getGrade,
Collectors.collectingAndThen(
Collectors.maxBy(Comparator.comparing(Student::getScore)),
Optional::get)));
System.out.println(collect); 输出结果：
{
一年级=Student(name=孙九, score=99, grade=一年级),
二年级=Student(name=赵六, score=91, grade=二年级)
}关于collectingAndThen，我们稍后再进一步讨论。
3、分组数值统计
除了基本的分组计数，还经常需要进行一些分组数值统计，比如求学生分数的和、平均分、最高分、最低分等、针对int、long和double类型，Collectors提供了专门的收集器，比如：
// 求平均值，double和long也有类似方法
public static Collector averagingInt(ToIntFunction mapper);
// 求和，double和long也有类似方法
public static Collector summingInt(ToIntFunction mapper);
// 求多种汇总信息，double和long也有类似方法
// IntSummaryStatistics包括个数、最大值、最小值、和、平均数等多种信息
public static Collector summarizingInt(ToIntFunction mapper); 比如，按年级统计学生分数信息，代码可以为：
Map collect = stuList.stream()
.collect(Collectors.groupingBy(Student::getGrade, Collectors.summarizingInt(Student::getScore)));
System.out.println(collect); 输出结果：
{
一年级=IntSummaryStatistics{count=4, sum=369, min=88, average=92.250000, max=99},
二年级=IntSummaryStatistics{count=3, sum=266, min=86, average=88.666667, max=91}
}
4、分组内的map
对于每个分组内的元素，我们感兴趣的可能不是元素本身，而是它的某部分信息。在StreamAPI中，Stream有map方法，可以将元素进行转换，Collectors也为分组元素提供了函数mapping，如下所示：
public static Collector mapping(
Function mapper,Collector downstream); 对学生按年级分组，得到学生名称列表，代码可以为:
Map> collect = stuList.stream().collect(
Collectors.groupingBy(
Student::getGrade, Collectors.mapping(
Student::getName, Collectors.toList())));
System.out.println(collect); 输出结果：
{
一年级=[张三, 王五, 陈七, 孙九],
二年级=[李四, 赵六, 周八]
}5、分组结果处理（filter/sort/skip/limit）
对分组后的元素，我们可以计数，找最大/最小元素，计算一些数值特征，还可以转换（map）后再收集，那可不可以像Stream API一样，排序（sort）、过滤（filter）、限制返回元素（skip/limit）呢？Collector没有专门的收集器，但有一个通用的方法：
public static Collector collectingAndThen(Collector downstream,
Function finisher); 这个方法接受一个下游收集器downstream和一个finisher，返回一个收集器，也就是说，它在下游收集器的结果上又调用了finisher。利用这个finisher，我们可以实现多种功能，下面看一些例子。收集完再排序，可以定义如下方法：
public Collector> collectingAndSort(Collector> downstream, Comparator comparator){
Collector> tListCollector = Collectors.collectingAndThen(downstream, (r) -> {
r.sort(comparator);
return r;
});
return tListCollector;
} 将学生按年级分组，分组内的学生按照分数由高到低进行排序，利用这个方法，代码可以为：
class DemoApplicationTests {
@Test
void contextLoads2() {
// 生成学生列表
List stuList = this.getStuList();
Map> collect = stuList.stream().collect(
Collectors.groupingBy(
Student::getGrade, this.collectingAndSort(
Collectors.toList(),
Comparator.comparing(Student::getScore).reversed())));
System.out.println(collect);
}
public Collector> collectingAndSort(Collector> downstream, Comparator comparator){
Collector> tListCollector = Collectors.collectingAndThen(downstream, (r) -> {
r.sort(comparator);
return r;
});
return tListCollector;
}
List getStuList() {
Student stu1 = Student.builder().name("张三").grade("一年级").score(92).build();
Student stu2 = Student.builder().name("李四").grade("二年级").score(89).build();
Student stu3 = Student.builder().name("王五").grade("一年级").score(90).build();
Student stu4 = Student.builder().name("赵六").grade("二年级").score(91).build();
Student stu5 = Student.builder().name("陈七").grade("一年级").score(88).build();
Student stu6 = Student.builder().name("周八").grade("二年级").score(86).build();
Student stu7 = Student.builder().name("孙九").grade("一年级").score(99).build();
List stuList = new ArrayList<>();
stuList.add(stu1);
stuList.add(stu2);
stuList.add(stu3);
stuList.add(stu4);
stuList.add(stu5);
stuList.add(stu6);
stuList.add(stu7);
return stuList;
}
} 6、分区
分组的一个特殊情况是分区，就是将流按true/false分为两个组，Collectors有专门的分区函数：
public static Collector>> partitioningBy(Predicate predicate);
public static Collector> partitioningBy(Predicate predicate, Collector downstream); 第一个函数的下游收集器为toList()，第二个函数可以指定一个下游收集器。比如，将学生按照是否及格（大于等于60分）分为两组，代码可以为：
Map> collect = stuList.stream().collect(Collectors.partitioningBy(s -> s.getScore() >= 60));
System.out.println(collect); 输出结果：
{
false=[],
true=[
Student(name=张三, score=92, grade=一年级),
Student(name=李四, score=89, grade=二年级),
Student(name=王五, score=90, grade=一年级),
Student(name=赵六, score=91, grade=二年级),
Student(name=陈七, score=88, grade=一年级),
Student(name=周八, score=86, grade=二年级),
Student(name=孙九, score=99, grade=一年级)
]
}
按是否及格分组后，计算每个分组的平均分，代码可以为：
Map collect = stuList.stream().collect(
Collectors.partitioningBy(
s -> s.getScore() >= 60, Collectors.averagingInt(Student::getScore)));
System.out.println(collect); 输出结果：
{false=0.0, true=90.71428571428571}五、函数式数据处理思维
可以看出，使用Stream API处理数据集合，与直接使用容器类API处理数据的思路是完全不一样的。流定义了很多数据处理的基本函数，对于一个具体的数据处理问题，解决的主要思路就是组合利用这些基本函数，以声明式的方式简洁地实现期望的功能，这种思路就是函数式数据处理思维，相比直接利用容器类API的命令式思维，思考的层次更高。