内容简介：Java8特性③Stream的使用
- filter 方法
- distinct 方法
- limit 方法
- skip 方法
谓词筛选
Stream 接口支持 filter 方法，该操作会接受一个谓词（一个返回 boolean的函数）作为参数，并返回一个包括所有符合谓词的元素的流。
List<Dish> dishes = Dish.menu.stream()
.filter(Dish::isVegetarian)
.collect(Collectors.toList());
筛选重复的元素
Stream 接口支持 distinct 的方法， 它会返回一个元素各异（根据流所生成元素的 hashCode和equals方法实现）的流。例如，以下代码会筛选出列表中所有的偶数，并确保没有 重复。
List<Integer> numbers = Arrays.asList(1,2,1,3,3,2,4);
numbers.stream().filter(i -> i % 2 == 0)
.distinct() //去重元素2
.forEach(System.out::println);
限制元素数量
Stream 支持limit(n)方法，该方法会返回一个不超过给定长度的流。所需的长度作为参数传递 给limit。如果流是有序的，则最多会返回前n个元素。
List<Dish> dishLimits = Dish.menu.stream()
.filter(d -> d.getCalories() > 300)
.limit(3) //只返回符合要求的前3个元素
.collect(Collectors.toList());
跳过指定数量的元素
Stream 支持 skip(n) 方法，返回一个扔掉了前n个元素的流。如果流中元素不足n个，则返回一 个空流。limit(n) 和 skip(n) 是互补的。
List<Dish> dishSkip = Dish.menu.stream()
.filter(d -> d.getCalories() > 300)
.skip(2) //去掉符合要求的集合中的前2个元素后返回
.collect(Collectors.toList());
dishSkip.forEach(System.out::println);
映射
map 操作
Stream 支持 map 方法，它会接受一个函数作为参数。这个函数会被应用到每个元素上，并将其映 射成一个新的元素
List<Integer> dishNames = Dish.menu.stream()
.map(Dish::getName)
.map(String::length)
.collect(Collectors.toList());
List<String> words = Arrays.asList("Hello", "World");
List<Integer> wordLens = words.stream()
.map(String::length) //转为字符串长度的集合
.collect(Collectors.toList());
flatMap 操作
flatmap 方法让你把一个流中的每个值都换成另一个流，然后把所有的流连接起来成为一个流。
//使用flatMap找出单词列表中各不相同的字符
List<String> words = Arrays.asList("Hello", "World");
List<String> wordMap = words.stream()
.map(word -> word.split(""))
.flatMap(Arrays::stream)
.distinct()
.collect(Collectors.toList());
给定两个数字列表，如何返回所有的数对呢？例如，给定列表[1, 2, 3]和列表[3, 4]，应该返回[(1, 3), (1, 4), (2, 3), (2, 4), (3, 3), (3, 4)]。
List<Integer> num1 = Arrays.asList(1, 2, 3);
List<Integer> num2 = Arrays.asList(4, 5);
List<int[]> pairs = num1.stream()
.flatMap(i -> num2.stream().map(j -> new int[]{i, j}))
.collect(Collectors.toList());
pairs.stream().forEach( i -> {
Arrays.stream(i).forEach(System.out::println);
查找和匹配
anyMatch
流中是否有一个元素能匹配给定的谓词。
if (Dish.menu.stream().anyMatch(Dish::isVegetarian)) {
System.out.println("Vegetarion");
}
allMatch
流中是否有所有元素能匹配给定的谓词。
if (Dish.menu.stream().allMatch(d -> d.getCalories() < 1000)) {
System.out.println("都有利于健康");
}
nonMatch
流中是否有没有任何元素能匹配给定的谓词。
if (Dish.menu.stream().noneMatch(d -> d.getCalories() >= 1000)) {
System.out.println("都有利于健康");
}
findAny
findAny 方法将返回当前流中的任意一个元素。
Optional<Dish> dish = Dish.menu.stream().filter(Dish::isVegetarian)
.findAny();
dish.ifPresent(d -> System.out.println(d.toString()));
findFirst
findAny 方法将返回当前流中的第一个元素。
List<Integer> num1 = Arrays.asList(1, 2, 3, 4, 5);
num1.stream().map(x -> x * x)
.filter(x -> x % 3 == 0) //平方能被3整除的数
.findFirst().ifPresent(x -> System.out.println(x));
}
Optional
Optional<T> 类（java.util.Optional）是一个容器类，代表一个值存在或不存在。Optional里面y有几种显式地检查值是否存在或处理值不存在的情形的方法：
-
isPresent()将在Optional包含值的时候返回true, 否则返回false。 -
ifPresent(Consumer<T> block))会在值存在的时候执行给定的代码块。 -
T get()会在值存在时返回值，否则抛出一个NoSuchElement异常。 -
T orElse(T other)会在值存在时返回值，否则返回一个默认值。
归约（reduce）
把一个流中的元素组合起来，使用 reduce 操作来表达更复杂的查 询，比如“计算菜单中的总卡路里”或“菜单中卡路里最高的菜是哪一个”。此类查询需要将流中所有元素反复结合起来，得到一个值，比如一个Integer。这样的查询可以被归类为归约操作 （将流归约成一个值）。
reduce操作是如何作用于一个流的：Lambda反复结合每个元素，直到流被归约成一个值。reduce方法接受两个参数：一个初始值，这里是0；一个 BinaryOperator<T> 来将两个元素结合起来产生一个新值， 这里我们用的是 lambda (a, b) -> a + b 。
元素求和
List<Integer> numbers = Arrays.asList(3,4,5,1,2); int sum1 = numbers.stream().reduce(0,(a, b) -> a + b); System.out.println(sum1); int sum2 = numbers.stream().reduce(0,Integer::sum); System.out.println(sum2);
最大值
int max = numbers.stream().reduce(0,Integer::max); System.out.println(max);
最小值
//reduce不接受初始值，返回一个Optional对象（考虑流中没有任何元素的情况） Optional<Integer> min = numbers.stream().reduce(Integer::min); min.ifPresent(System.out::println);
数值流
原始类型流特化
Java 8引入了三个原始类型特化流接口来解决这个问题： IntStream 、 DoubleStream 和 LongStream，分别将流中的元素特化为int、long和double，从而避免了暗含的装箱成本。每 个接口都带来了进行常用数值归约的新方法，比如对数值流求和的sum，找到最大元素的max。 此外还有在必要时再把它们转换回对象流的方法。这些特化的原因并不在于流的复杂性，而是装箱造成的复杂性——即类似int和Integer之间的效率差异。
- 映射到数值流： 将流转换为特化版本的常用方法是mapToInt、mapToDouble和mapToLong。这些方法和前 面说的map方法的工作方式一样，只是它们返回的是一个特化流，而不是
Stream<T>。
int colories = Dish.menu.stream()
.mapToInt(Dish::getCalories) //返回IntStream
.sum();
- 转换回对象流
通过 box 方法可以将数值流转化为 Stream 非特化流。
IntStream intStream = menu.stream().mapToInt(Dish::getCalories); //将Strean转化为数值流 Stream<Integer> stream = intStream.boxed(); //将数值流转化为Stream
- 默认值 OptionalInt
Optional 可以用 Integer、String等参考类型来参数化。对于三种原始流特化，也分别有一个Optional原始类 型特化版本：OptionalInt、OptionalDouble和OptionalLong。
Dish.menu.stream()
.mapToInt(Dish::getCalories) //返回IntStream
.max().ifPresent(System.out::println);
数值范围
IntStream.rangeClosed(1, 100)
.filter(x -> x % 10 == 0)
.forEach(System.out::println);
Java 8引入了两个可以用于IntStream和LongStream的静态方法，帮助生成这种范围： range和rangeClosed。这两个方法都是第一个参数接受起始值，第二个参数接受结束值。但 range是不包含结束值的，而rangeClosed则包含结束值。
数值流应用：勾股数
生成 (5, 12, 13)、(6, 8, 10)和(7, 24, 25) 这样有效的勾股数数组集合。
Stream<int[]> pythagoreanTriples = IntStream.rangeClosed(1, 100).boxed()
.flatMap(a -> IntStream.rangeClosed(a,100)
.filter(b -> Math.sqrt(a * a + b * b) % 1 == 0).boxed()
.map(b -> new int[]{a,b,(int)Math.sqrt(a * a + b * b)})
);
pythagoreanTriples.forEach(t -> System.out.println(t[0] + ";" + t[1] +";" + t[2]));
构建流
值创建流
Stream<String> streams = Stream.of("Java", "Python");
streams.map(String::toUpperCase).forEach(System.out::println);
Stream.concat(Stream.of("Java", "Python"), Stream.of("C++", "Ruby")).forEach(System.out::println);
数组创建流
int[] numbers = {1, 2, 3, 4, 5, 6, 7, 8, 9};
int sum = Arrays.stream(numbers).sum();
文件生成流
String ret = Files.lines(Paths.get("/Users/liuguoquan/Java/java8/src/com/company/data.txt"), Charset.defaultCharset())
.reduce("", (a, b) -> a + " " + b);
函数生成流：创建无限流
//迭代
Stream.iterate(0, n -> n + 2)
.limit(10)
.forEach(System.out::println);
//生成
Stream.generate(Math::random)
.limit(5)
.forEach(System.out::println);
}
示例实战
假设你是执行交易的交易员。你的经理让你为八个查询找到答案。你能做到吗？
- (1) 找出2016年发生的所有交易，并按交易额排序（从低到高）。
- (2) 交易员都在哪些不同的城市工作过？
- (3) 查找所有来自于北京的交易员，并按姓名排序。
- (4) 返回所有交易员的姓名字符串，按字母顺序排序。
- (5) 有没有交易员是在深圳工作的？
- (6) 打印生活在北京的交易员的所有交易额。
- (7) 所有交易中，最高的交易额是多少？
- (8) 找到交易额最小的交易。
交易员类
/**
* 交易人
* Created by liuguoquan on 2017/4/28.
*/
public classTrader{
private String name;
private String city;
publicTrader(String name, String city){
this.name = name;
this.city = city;
}
publicStringgetName(){
return name;
}
publicvoidsetName(String name){
this.name = name;
}
publicStringgetCity(){
return city;
}
publicvoidsetCity(String city){
this.city = city;
}
@Override
publicStringtoString(){
return "Trader{" +
"name='" + name + '\'' +
", city='" + city + '\'' +
'}';
}
}
交易类
/**
* 交易单
* Created by liuguoquan on 2017/4/28.
*/
public classTransaction{
private Trader trader;
private int year;
private int value;
publicTransaction(Trader trader,intyear,intvalue){
this.trader = trader;
this.year = year;
this.value = value;
}
publicTradergetTrader(){
return trader;
}
publicvoidsetTrader(Trader trader){
this.trader = trader;
}
publicintgetYear(){
return year;
}
publicvoidsetYear(intyear){
this.year = year;
}
publicintgetValue(){
return value;
}
publicvoidsetValue(intvalue){
this.value = value;
}
@Override
publicStringtoString(){
return "Transaction{" +
"trader=" + trader +
", year='" + year + '\'' +
", value=" + value +
'}';
}
}
计算
public classTransactionProcess{
publicstaticvoidmain(String[] args){
Trader liu = new Trader("Lau","Beijing");
Trader lee = new Trader("Lee","Shanghai");
Trader zhang = new Trader("Zhang","Guangzhou");
Trader wang = new Trader("Wang","Beijing");
List<Transaction> transactions = Arrays.asList(
new Transaction(liu,2016,300),
new Transaction(lee,2015,100),
new Transaction(lee,2016,500),
new Transaction(zhang,2016,9000),
new Transaction(wang,2017,1000),
new Transaction(liu,2016,1500)
);
// (1) 找出2016年发生的所有交易，并按交易额排序（从低到高）。
transactions.stream().filter(t -> t.getYear() == 2016)
.sorted(Comparator.comparing(Transaction::getValue))
.collect(Collectors.toList());
// (2) 交易员都在哪些不同的城市工作过？
transactions.stream().map(t -> t.getTrader().getCity())
.distinct()
.collect(Collectors.toList());
// (3) 查找所有来自于北京的交易员，并按姓名排序。
transactions.stream().map(t -> t.getTrader())
.filter(t -> t.getCity().equals("Beijing"))
.distinct()
.sorted(Comparator.comparing(Trader::getName))
.collect(Collectors.toList());
// (4) 返回所有交易员的姓名字符串，按字母顺序排序。
transactions.stream().map(t -> t.getTrader())
.map(t -> t.getName())
.distinct()
.sorted()
.collect(Collectors.toList());
// (5) 有没有交易员是在深圳工作的？
boolean isExist = transactions.stream().anyMatch(t -> t.getTrader().getCity().equals("Shenzhen"));
if (isExist) {
System.out.println("有在深圳工作的");
} else {
System.out.println("没有在深圳工作的");
}
// (6) 打印生活在北京的交易员的所有交易额。
int sum = transactions.stream().filter(t -> t.getTrader().getCity().equals("Beijing"))
.map(t -> t.getValue())
.reduce(0,Integer::sum);
System.out.println(sum);
// (7) 所有交易中，最高的交易额是多少？
int max = transactions.stream().map(t -> t.getValue())
.reduce(0,Integer::max);
System.out.println(max);
// (8) 找到交易额最小的交易。
int min = transactions.stream().map(t -> t.getValue())
.reduce(0,Integer::min);
System.out.println(min);
}
}
小结
- 中间操作表
| 操作 | 类型 | 返回类型 | 目的 |
|---|---|---|---|
| filter | 中间操作 | Stream<T> |
过滤元素 |
| distinct | 中间操作 | Stream<T> |
过滤重复的元素 |
| skip | 中间操作 | Stream<T> |
跳过指定数量的元素 |
| limit | 中间操作 | Stream<T> |
限制元素的数量 |
| map | 中间操作 | Stream<T> |
流的转化 |
| flatmap | 中间操作 | Stream<T> |
流的扁平化 |
| sorted | 中间操作 | Stream<T> |
元素排序 |
- 终端操作表
| 操作 | 类型 | 返回类型 | 目的 |
|---|---|---|---|
| forEach | 终端操作 | void | 消费流中的每个元素，返回void |
| count | 终端操作 | long | 返回流中元素的个数，返回long |
| collect | 终端操作 | R | 把流归约为一个集合 |
| anyMatch | 终端操作 | boolean | 流中是否有符合要求的元素 |
| noneMatch | 终端操作 | boolean | 流中是否没有任何符合要求的元素 |
| allMatch | 终端操作 | boolean | 流中是否所有元素都是符合要求的 |
| findAny | 终端操作 | Optional
|
查找符合要求的元素 |
| findFirst | 终端操作 | Optional
|
查找第一个符合要求的元素 |
| reduce | 终端操作 | Optional
|
归约 |
以上所述就是小编给大家介绍的《Java8特性③Stream的使用》，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持！
猜你喜欢:
- Java14 新特性详细使用说明
- 使用 Quarkus 和 MicroProfile 实现微服务特性
- React的新特性 ---- Hooks ---- 的基本使用
- Redis 高级特性 Pipeline (管道) 使用和基本测试
- 关于Redis的一些新特性 ，使用建议和最佳实践
- InnoDB引擎B+树索引使用和新特性
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
