在jdk1.8之前，我們對于集合的處理都是比較麻煩的，比如：做一次過濾，就會在代碼中使用for進行處理。jdk1.8後引入了Stream API來處理集合，使其變得簡單。

1、Stream簡介

Stream：流，可以對集合進行操作，比如：顧慮，合并等，是一種高效且易于使用處理資料的方法。

在Stream操作中分為三個步驟：

1、建立Stream流：比如：Stream.of()等

2、中間操作：即處理Stream流，比如：filter，map等

3、終止操作：即結束Stream流，傳回操作結果，比如：collect(Collectors.toList())

在操作Stream時，Stream自己不會存儲元素，不會改變原來對象，會延遲執行，隻會在需要結果時才執行。

2、Stream常用方法

準備工作，建立一個專家實體，便于進行方法操作。

/**
* @author: jiangjs
* @description:
* @date: 2022/7/15 15:37
**/
@Data
@AllArgsConstructor
@NoArgsConstructor
public class Expert {

    private String name;
    private String gender;
    private Integer age;
}
複制代碼

建立一個集合：

List<Expert> experts = Arrays.asList(
                new Expert("jiashn","男",20),
                new Expert("張三-zhangsan","女",21),
                new Expert("王五-wangwu","女",26),
                new Expert("李四-lisi","男",24),
                new Expert("李四-lisi","男",24));
複制代碼

2.1 建立Stream

stream()或parallelStream() ：集合通過stream()可以建立順序流，parallelStream()建立并行流。

experts.stream()

experts.parallelStream()
複制代碼

Stream.of() ：将數組轉化成Stream流。

Stream<Expert> expertStream = Stream.of(new Expert("趙一-zhaoyi", "男", 20),
                new Expert("王定六-wangdingliu", "男", 21));
複制代碼

2.2 Stream中間操作

2.2.1 filter

filter(Predicate p) ：用于過濾滿足條件的資料，例如：上述專家中查找年齡小于等于25歲的人員。

//過濾年齡小于等于25的人
List<Expert> filterExperts = experts.stream().filter(expert -> expert.getAge() <= 25).collect(Collectors.toList());
System.out.println("年齡小于等于25歲的人的資訊：" + filterExperts);
複制代碼

輸出：

年齡小于25歲的人的資訊：[Expert(name=jiashn, gender=男, age=20), Expert(name=張三-zhangsan, gender=女, age=21), Expert(name=李四-lisi, gender=男, age=24)]

2.2.2 map和flatMap

map(Function f) ：将每個元素映射成新的元素，用于擷取集合中某個元素的資料資訊，例如：擷取所有專家的名字。

//擷取是以成員的名字資訊
String names = experts.stream().map(Expert::getName).collect(Collectors.joining(","));
System.out.println("所有人員的名稱：" + names);
複制代碼

輸出：

所有人員的名稱：jiashn,張三-zhangsan,王五-wangwu,李四-lisi

flatMap(Function<? super T, ? extends Stream<? extends R>> mapper) ：将流中每個值換成另一個流，并将所有流彙成一個流。例如：拆分名字，并擷取名字資訊。

//拆分名字
List<String> splitName = experts.stream().flatMap(exp -> Stream.of(exp.getName().split("-")))
        .collect(Collectors.toList());
System.out.println("拆分名字結果：" + splitName);
複制代碼

輸出：

拆分名字結果：[jiashn, 張三, zhangsan, 王五, wangwu, 李四, lisi]

2.2.3 sorted

sorted() ：排序，預設是升序排序，會産生一個新的流

sorted(Comparator<? super T> comparator) ：排序，按照比較器順序排序，會産生一個新的流。例如：按照年齡進行排序

//年齡排序，正序或倒序
List<Expert> sortInfo = experts.stream().sorted(Comparator.comparing(Expert::getAge))
        .collect(Collectors.toList());
List<Expert> reversedInfo = experts.stream().sorted(Comparator.comparing(Expert::getAge).reversed())
        .collect(Collectors.toList());
System.out.println("人員年齡排序（升序）：" + sortInfo+"；人員年齡排序（降序）："+reversedInfo);
複制代碼

輸出：

人員年齡排序（升序）：[Expert(name=jiashn, gender=男, age=20), Expert(name=張三-zhangsan, gender=女, age=21), Expert(name=李四-lisi, gender=男, age=24), Expert(name=王五-wangwu, gender=女, age=26)]；

人員年齡排序（降序）：[Expert(name=王五-wangwu, gender=女, age=26), Expert(name=李四-lisi, gender=男, age=24), Expert(name=張三-zhangsan, gender=女, age=21), Expert(name=jiashn, gender=男, age=20)]

在比較器中使用 .reversed() 實作排序降序。

2.2.4 distinct()

distinct() ：去重，通過流所生成的hashCode()和equals()去除重複元素。例如：去重上面集合中的李四.

//去重
List<Expert> disExperts = experts.stream().distinct()
        .collect(Collectors.toList());
System.out.println("去重：" + disExperts);
複制代碼

輸出：

去重：[Expert(name=jiashn, gender=男, age=20), Expert(name=張三-zhangsan, gender=女, age=21), Expert(name=王五-wangwu, gender=女, age=26), Expert(name=李四-lisi, gender=男, age=24)]

2.2.5 limit、skip

limit(long maxSize) ：截斷目前流，擷取不超過給定數量的元素。

skip(long n) ：跳過元素，扔掉下标從0開始到n的元素的流，如果流中元素個數不超n個，則傳回一個空流，與limit()互補。例如：擷取下标從2開始的2個元素。

//截取記錄資訊
List<Expert> twoInfos = experts.stream().skip(2).limit(2).collect(Collectors.toList());
System.out.println("截取記錄："+twoInfos);
複制代碼

輸出：

截取記錄：[Expert(name=王五-wangwu, gender=女, age=26), Expert(name=李四-lisi, gender=男, age=24)]

我們也可以使用skip、limit的組合來對傳回回來的list資料進行分頁操作。

2.3 Stream終止操作

終端操作從流的流水線生成結果。

2.3.1 allMatch、anyMatch、noneMatch

allMatch(Predicate p) ：檢查集合中所有元素是否與目前條件相比對。例如：驗證目前集合中元素性别是否都是男。

anyMatch(Predicate p) ：檢查目前集合中是否存在元素與目前條件相比對。例如：驗證目前集合中元素是否存在性别男。

noneMatch(Predicate p) ：檢查目前集合元素是否所有元素與目前條件不比對。例如：驗證目前集合所有元素性别都不為男。

//allMatch
boolean allMatch = experts.stream().allMatch(expert -> Objects.equals(expert.getGender(), "男"));
System.out.println("是否性别都為男："+allMatch);
//anyMatch
boolean ageMatch = experts.stream().anyMatch(expert -> Objects.equals(expert.getGender(), "男"));
System.out.println("是否存在性别為男："+ageMatch);
//noneMatch
boolean noneMatch = experts.stream().noneMatch(expert -> Objects.equals(expert.getGender(), "男"));
System.out.println("所有元素性别不為男："+noneMatch);
複制代碼

輸出：

是否性别都為男：false

是否存在性别為男：true

所有元素性别不為男：false

2.3.2 findFirst、findAny()

findFirst() ：擷取集合中的第一個元素資訊，例如：擷取集合第一個元素資訊的姓名。

findAny() ：擷取流中的任意元素，具有不确定性。

//findFirst
String name = experts.stream().findFirst().orElseGet(Expert::new).getName();
System.out.println("擷取第一個元素的姓名："+name);
//findAny
String anyName = experts.stream().findAny().orElseGet(Expert::new).getName();
System.out.println("擷取符合條件任意元素的姓名："+anyName);
複制代碼

輸出：

擷取第一個元素的姓名：jiashn

擷取符合條件任意元素的姓名：jiashn

2.3.3 count

count() ：統計流中元素個數，可以與filter進行使用來統計符合條件的元素個數。例如：統計年齡大于23歲的人員個數

//count
long count = experts.stream().filter(expert -> expert.getAge() > 23).count();
System.out.println("年齡大于23歲的人員個數："+count);
複制代碼

輸出：

年齡大于23歲的人員個數：3

2.3.4 max、min

max(Comparator c) ：傳回流中符合條件的最大值。例如：擷取集合年齡最大的元素資訊。

min(Comparator c) ：傳回流中符合條件的最小值。例如：擷取集合年齡最小的元素資訊。

//max
Expert maxExpert = experts.stream().max(Comparator.comparing(Expert::getAge)).get();
System.out.println("年齡最大人員資訊："+maxExpert);
//min
Expert minExpert = experts.stream().min(Comparator.comparing(Expert::getAge)).get();
System.out.println("年齡最小人員資訊："+minExpert);
複制代碼

輸出：

年齡最大人員資訊：Expert(name=王五-wangwu, gender=女, age=26)

年齡最小人員資訊：Expert(name=jiashn, gender=男, age=20)

2.3.5 forEach

forEach(Consumer c) ：内部循環，例如擷取所有元素的姓名

//forEach
StringJoiner sj = new StringJoiner(",");
experts.forEach(expert -> sj.add(expert.getName()));
System.out.println("所有人員姓名："+sj.toString());
複制代碼

輸出：

所有人員姓名：jiashn,張三-zhangsan,王五-wangwu,李四-lisi,李四-lisi

當然也可以使用map，Collectors.joining(",") 實作上述功能，參見map的使用。

2.3.6 reduce

reduce(T iden, BinaryOperator b) ：将流中元素反複結合起來，得到一個值，傳回T

reduce(BinaryOperator b) ：将流中元素反複結合起來，得到一個值，傳回Optional。例如：擷取所有人員年齡的總和

//reduce
int totalAge = experts.stream().mapToInt(Expert::getAge).reduce(0, (total, age) -> {
    total += age;
    return total;
});
System.out.println("所有人員年齡總和："+totalAge);
複制代碼

輸出：

所有人員年齡總和：115

2.3.7 collect(Collector c)

collect(Collector c) ：将流轉換成其他形式。例如：list，set等。常用的方法：

toList：将流轉換成list集合輸出。上述例子中很多就用到

toSet：将流轉換成set集合輸出。例如：擷取姓名

joining：連接配接流中每個元素，傳回字元串，例如：運用map中的提到的擷取所有使用者姓名，使用","連接配接

groupingBy：分組，根據某些元素進行分組，例如：根據性别進行分組

partitioningBy：分區，根據true或false進行分區。例如：根據年齡大于23進行分區

summarizingDouble：彙總，統計元素的最大值，最小值等，例如：根據年齡進行彙總

當然stream還提供了其他的方法，如：counting，summingInt等。

//toSet
Set<String> nameSet = experts.stream().map(Expert::getName).collect(Collectors.toSet());
System.out.println("所有姓名："+nameSet);

//groupingBy
Map<String, List<Expert>> genderMap = experts.stream().collect(Collectors.groupingBy(Expert::getGender));
System.out.println("性别分組資訊："+genderMap);

//summarizingDouble
DoubleSummaryStatistics statistics = experts.stream().collect(Collectors.summarizingDouble(Expert::getAge));
System.out.println("年齡最大值："+statistics.getMax());
System.out.println("年齡最小值："+statistics.getMin());
System.out.println("年齡平均值："+statistics.getAverage());
System.out.println("年齡總和值："+statistics.getSum());
System.out.println("總人數："+statistics.getCount());

//partitioningBy
Map<Boolean, List<Expert>> collect = experts.stream().collect(Collectors.partitioningBy(jia -> jia.getAge() > 23));
List<Expert> gtExpert= collect.get(Boolean.TRUE);
List<Expert> ltExpert= collect.get(Boolean.FALSE);
System.out.println("年齡大于23歲的資料："+gtExpert);
System.out.println("年齡小于等于23歲的資料："+ltExpert);
複制代碼

輸出：

所有姓名：[jiashn, 張三-zhangsan, 王五-wangwu, 李四-lisi]

性别分組資訊：{女=[Expert(name=張三-zhangsan, gender=女, age=21), Expert(name=王五-wangwu, gender=女, age=26)], 男=[Expert(name=jiashn, gender=男, age=20), Expert(name=李四-lisi, gender=男, age=24), Expert(name=李四-lisi, gender=男, age=24)]}

年齡最大值：26.0

年齡最小值：20.0

年齡平均值：23.0

年齡總和值：115.0

總人數：5

年齡大于23歲的資料：[Expert(name=王五-wangwu, gender=女, age=26), Expert(name=李四-lisi, gender=男, age=24), Expert(name=李四-lisi, gender=男, age=24)]

年齡小于等于23歲的資料：[Expert(name=jiashn, gender=男, age=20), Expert(name=張三-zhangsan, gender=女, age=21)]

jdk1.8中的Stream的出現，讓我們對集合的操作變得簡單，業精于勤荒于嬉，我們多多使用，自然會對這些方法使用熟練掌握。

【java】入坑Stream，開發效率竄三竄

1、Stream簡介

2、Stream常用方法

2.1 建立Stream

2.2 Stream中間操作

2.2.1 filter

2.2.2 map和flatMap

2.2.3 sorted

2.2.4 distinct()

2.2.5 limit、skip

2.3 Stream終止操作

2.3.1 allMatch、anyMatch、noneMatch

2.3.2 findFirst、findAny()

2.3.3 count

2.3.4 max、min

2.3.5 forEach

2.3.6 reduce

2.3.7 collect(Collector c)

繼續閱讀

關于Gradle配置的小結

Java小案例——随機數猜測随機數猜測

nginx location中斜線的位置的重要性

27 Best Free Eclipse Plug-ins for Java Developer to be ProductiveCode Quality PluginsText Editor PluginsDependency ManagementVersion Control Integration PluginsFramework Development Continuous Integration Related PluginsOther Utility Plugins

Java String.format方法的簡單使用

neo4j之cypher使用文檔

GitHub連夜封殺！這份阿裡 10W 字内部 Java 字面試手冊到底有多強？

spark/scala關于【資源檔案】加載方法概述外部檔案加載方案測試資源檔案打包入jar包中小結

mybatis_入門程式Mybatis入門

AOP程式設計_Android優雅權限架構(1)概念基礎，2021金三銀四前言正文大綱正文

Effective Java 8:通用程式設計

OOM三種類型

工廠模式-三種類型

【遞歸】高效率求2的n次幂

win10本地scala和spark安裝安裝scala安裝spark

scala (3) Function 和 Method