Java中的Stream基本使用

一 Java 中的流库

Stream 是 Java8 中处理集合的关键抽象概念，它可以指定你希望对集合进行的操作，可以执行非常复杂的查找、过滤和映射数据等操作。使用Stream API 对集合数据进行操作，就类似于使用 SQL 执行的数据库查询。也可以使用 Stream API 来并行执行操作。简而言之，Stream API 提供了一种高效且易于使用的处理数据的方式。

需求：过滤掉上传数据中的重复元素

// 先进行排序,按照id：eg:[12355800, 12355900]
       List<String> id= excelImportArgs.stream()
               // 根据id排序
               .sorted(Comparator.comparing(ExcelImportArgs::id))
               // 获取id地址
               .collect(Collectors.groupingBy(ExcelImportArgs::id, Collectors.counting()))
               // 判断重复元素
               .entrySet().stream().filter(e -> e.getValue() > 1)
               // 映射成为集合
               .map(Map.Entry::getKey).collect(Collectors.toList());

 

文件流

• BufferedReader.lines()方法，将每行内容转成流
• Pattern.splitAsStream()方法，将字符串分隔成流

• BufferedReader reader = new BufferedReader(new FileReader("F:\\test_stream.txt"));
  Stream<String> lineStream = reader.lines();
  lineStream.forEach(System.out::println);

   

• Pattern pattern = Pattern.compile(",");
  Stream<String> stringStream = pattern.splitAsStream("a,b,c,d");
  stringStream.forEach(System.out::println);

   

 

1.4 流的中间操作
1.4.1 筛选与切片

Stream<T>filter（Predicate<?super T>predicate）

    filter：过滤流中的某些元素

Stream<T>limit（long maxSize）

    limit(n)：获取n个元素

Stream<T>skip（long n）

    skip(n)：跳过n元素，配合limit(n)可实现分页

Stream<T>distinct（）

    distinct：通过流中元素的 hashCode() 和 equals() 去除重复元素

static<T>Stream<T>concat（Stream<?extends T>a，Stream<?extends T>b）

    concat：产生一个流，它的元素是a的元素后面跟着b的元素

package Stream;

import java.util.stream.Stream;

public class Main_Stream {
    public static void main(String[] args) {
        Stream<Integer> stream = Stream.of(6, 4, 6, 7, 3, 9, 8, 10, 12, 14, 14);
        Stream<Integer> newStream = stream.filter(s -> s > 5) //6 6 7 9 8 10 12 14 14
                .distinct() //6 7 9 8 10 12 14
                .skip(2) //9 8 10 12 14
                .limit(2); //9 8
        newStream.forEach(System.out::println);

    }
}

 

1.6 流的收集操作

    collect：接收一个Collector实例，将流中元素收集成另外一个数据结构。
    Collector<T, A, R> 是一个接口，有以下5个抽象方法：
    Supplier<A> supplier()：创建一个结果容器A
    BiConsumer<A, T> accumulator()：消费型接口，第一个参数为容器A，第二个参数为流中元素T。
    BinaryOperator<A> combiner()：函数接口，该参数的作用跟上一个方法(reduce)中的combiner参数一样，将并行流中各 个子进程的运行结果(accumulator函数操作后的容器A)进行合并。
    Function<A, R> finisher()：函数式接口，参数为：容器A，返回类型为：collect方法最终想要的结果R。
    Set<Characteristics> characteristics()：返回一个不可变的Set集合，用来表明该Collector的特征。

package Stream;

import java.util.*;
import java.util.stream.Collectors;

/**
 * @Description 流的收集操作
 **/
public class Collect_Stream {
    public static void main(String[] args) {
        Student s1 = new Student("aa", 10);
        Student s2 = new Student("bb", 20);
        Student s3 = new Student("cc", 10);
        List<Student> list = Arrays.asList(s1, s2, s3);

        //装成list
        List<Integer> ageList = list.stream().map(Student::getAge).collect(Collectors.toList()); // [10, 20, 10]

        //转成set
        Set<Integer> ageSet = list.stream().map(Student::getAge).collect(Collectors.toSet()); // [20, 10]

        //转成map,注:key不能相同，否则报错
        Map<String, Integer> studentMap = list.stream().collect(Collectors.toMap(Student::getName, Student::getAge)); // {cc=10, bb=20, aa=10}

        //字符串分隔符连接
        String joinName = list.stream().map(Student::getName).collect(Collectors.joining(",", "(", ")")); // (aa,bb,cc)

        //聚合操作
        //1.学生总数
        Long count = list.stream().collect(Collectors.counting()); // 3
        //2.最大年龄 (最小的minBy同理)
        Integer maxAge = list.stream().map(Student::getAge).collect(Collectors.maxBy(Integer::compare)).get(); // 20
        //3.所有人的年龄
        Integer sumAge = list.stream().collect(Collectors.summingInt(Student::getAge)); // 40
        //4.平均年龄
        Double averageAge = list.stream().collect(Collectors.averagingDouble(Student::getAge)); // 13.333333333333334
        // 带上以上所有方法
        DoubleSummaryStatistics statistics = list.stream().collect(Collectors.summarizingDouble(Student::getAge));
        System.out.println("count:" + statistics.getCount() + ",max:" + statistics.getMax() + ",sum:" + statistics.getSum() + ",average:" + statistics.getAverage());

        //分组
        Map<Integer, List<Student>> ageMap = list.stream().collect(Collectors.groupingBy(Student::getAge));
        //多重分组,先根据类型分再根据年龄分
        Map<Integer, Map<Integer, List<Student>>> typeAgeMap = list.stream().collect(Collectors.groupingBy(Student::getAge, Collectors.groupingBy(Student::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<Boolean, List<Student>> partMap = list.stream().collect(Collectors.partitioningBy(v -> v.getAge() > 10));

        //规约
        Integer allAge = list.stream().map(Student::getAge).collect(Collectors.reducing(Integer::sum)).get(); //40
    }
}