Java8中的Stream 流实践操作

目录

• 1 前言
• 2 Stream 的分类
• 3 Stream 的操作
• 3.1 创建流的方式
• 3.2 流的中间操作
• 3.3 流的终止操作
• 总结

1 前言

Stream 是 java8 中处理集合的抽象概念，可以执行非常复杂的查询、过滤和映射数据等操作。Stream API 提供了一种高效的处理数据方式，Stream 对集合数据的操作可以说是非常的方便。Stream 是流，不是一种数据结构，也不会保存数据，只是一种数据处理方式，从一种数据组织结构到另外一种数据结构。

2 Stream 的分类

按照 Stream 的，可以分为以下集中方式：

• 1 中间操作无状态，指元素的处理不受之前元素的影响。
• 2 中间操作有状态，等到获取所有元素之后才能继续进行处理。
• 3 最终操作非短路操作，必须处理所有元素后才能得到最终结果。
• 4 最终操作短路操作，当遇到符合条件的元素就可以拿到最终结果。

3 Stream 的操作

3.1 创建流的方式

关于流的创建方式，可以使用数组或者集合，流的形式分为顺序流和并行流。

具体如下所示：

// 数组形式获取流
String[] dataArrs = new String[10];
Stream stream = Arrays.stream(dataArrs);
// 集合方式创建
List dataList = new ArrayList<>();
// 获取一个顺序流
Stream stream = dataList.stream();
 // 获取一个并行流
Stream parallelStream = dataList.parallelStream();

当然处理上述的形式之外，也可以使用 Stream 的内置方法 generate()、of()、iterate() 来创建。

// of 创建 stream
Stream strs = Stream.of("a","b","c","d");
// lambda 创建等差数列，获取前 3 个
Stream stream2 = Stream.iterate(1, (x) -> x + 4).limit(3);
stream2.forEach(System.out::println); // 1 5 9
// 随机获取三个随机数
Stream stream3 = Stream.generate(Math::random).limit(3);
stream3.forEach(System.out::println);

3.2 流的中间操作

关于流的中间操作，主要分为以下几种：

• 1 筛选操作与切片， filter 过滤流中的某些元素，limit 获取某几个元素，skip 跳过某些元素，通常和 limit 配合使用实现分页操作。distinct 通常用来实现去重操作。
• 2 映射操作， map 和 flatmap , 两者都是接受一个函数为函数，前者是映射到一个元素，后者则是将一个元素映射成一个流。
• 3 排序操作，这里就很好理解，就是 sorted 操作。

Stream strs = Stream.of("a","b","c","d","d","e","f");
// 过滤大于b 的字符串并进行去重操作，跳过前两个并选取两个进行输出
Stream result = strs.filter(s -> s.compareTo("b") > 0)
                .distinct()
                .skip(2)
                .limit(2);
// 输出结果 e 和 f
result.forEach(System.out::println);
// flatMap 的操作
List list = Arrays.asList("e,f,g", "1,2,3");
// 利用map去除每个元素中的逗号
Stream st1 = list.stream().map(s -> s.replaceAll(",", ""));
st1.forEach(System.out::println); // efg  123
// 利用 flatMap 将字符串进行分割
Stream st2 = list.stream().flatMap(ele -> {
    //将每个元素转换成一个stream
    String[] split = ele.split(",");
    return Arrays.stream(split);
});
st2.forEach(System.out::println); // e f g 1 2 3
// 排序操作
List list = Arrays.asList("aa", "ff", "dd");
//String 类自身已实现Compareable接口 aa dd ff
list.stream().sorted().forEach(System.out::println);

3.3 流的终止操作

• 1 stream 匹配和聚合操作。匹配相关的 allMatch、noneMatch、anyMatch 三者都是接受一个 Predicate 函数，当每个元素都满足、都不满足、只要有一个元素满足,并返回断言结果。统计相关，count、sum、 max 、min 。findFirst 和 findAny 为查找第一个或者任意一个元素进行返回。
• 2 规约操作， reduce ，这是一个不太好理解的概念，从数学角度来说，reduce 接受的是一个函数是一个推导式，类似于 a_j = a_i + 1, j = i+1aj​=ai​+1,j=i+1
• 3 收集操作，即 collect， 当所有的数据都处理完毕后，需要将数据进行处理，通常而言，获取的结果就是 set 、list 或者 map。

// match 操作 findFirst  findAny  count max min 操作
List list = Arrays.asList(1, 2, 3, 4, 5);
// 返回结果 false
boolean allMatch = list.stream().allMatch(e -> e > 10);
// 返回结果 true
boolean noneMatch = list.stream().noneMatch(e -> e > 10);
// 返回结果 true
boolean anyMatch = list.stream().anyMatch(e -> e > 4);
// 查找第一个或者随机获取
Integer findFirst = list.stream().findFirst().get();
Integer findAny = list.stream().findAny().get();
// 统计数据 个数为 5 最大值为 5 最小值为 1
long count = list.stream().count();
Integer max = list.stream().max(Integer::compareTo).get();
Integer min = list.stream().min(Integer::compareTo).get();
// reduce 操作
List list = Arrays.asList(1, 2, 3);
// 该操作即是 累加求和，结果为 6
Integer result = list.stream().reduce((x1, x2) -> x1 + x2).get();
System.out.println(result);
// 标签
List tags1 = Lists.newArrayList("a", "b", "c");
List tags2 = Lists.newArrayList("d", "e", "f");
// 创建对象
User user1 = new User("小明", 12, tags1, BigDecimal.valueOf(43));
User user2 = new User("小李", 14, tags2, BigDecimal.valueOf(43));
// 声明数组对象
List userList = Lists.newArrayList(user1, user2);
// 年龄和体重数据
List ageList = userList.stream().map(User::getAge).collect(Collectors.toList());
Set weightSet = userList.stream().map(User::getWeight).collect(Collectors.toSet());
// 建立姓名年龄映射
Map nameAgeMap = userList.stream().collect(Collectors.toMap(User::getName,User::getAge, (k1, k2) -> k2));
// flatMap 获取所有的标签
List tagsList = userList.stream().flatMap(node -> node.getTags().stream().map(String::intern)).distinct().collect(Collectors.toList());
// 按照年龄分组
Map> ageMap = userList.stream().collect(Collectors.groupingBy(User::getAge));
// 分区分成两部分，一部分大于10岁，一部分小于等于10岁
Map> partMap = userList.stream().collect(Collectors.partitioningBy(v -> v.getAge() > 10));
//规约 reduce
Integer sumAge = userList.stream().map(User::getAge).collect(Collectors.reducing(Integer::sum)).get();

总结

文中讲述了 stream 流相关的操作，从流的创建到操作，都从实际的应用出发进行了数据展示，在诸多的方法中，reduce 是一个不太好理解的概念，这个需要结合应用场景进行分析。

到此这篇关于Java8中的Stream 流实践操作的文章就介绍到这了,更多相关Java8 Stream 内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！