来源:👉 [武哥聊编程](javascript:void (0)😉 2021-12-23 08:50
Java8 的新特性主要是 Lambda 表达式和流，当流和 Lambda 表达式结合起来一起使用时，因为流申明式处理数据集合的特点，可以让代码变得简洁易读
# 放大招，流如何简化代码
如果有一个需求，需要对数据库查询到的菜肴进行一个处理：
- 筛选出卡路里小于 400 的菜肴
- 对筛选出的菜肴进行一个排序
- 获取排序后菜肴的名字
菜肴：Dish.java
public class Dish {
private String name;
private boolean vegetarian;
private int calories;
private Type type;
// getter and setter
}
Java8 以前的实现方式
private List<String> beforeJava7(List<Dish> dishList) {
List<Dish> lowCaloricDishes = new ArrayList<>();
//1.筛选出卡路里小于400的菜肴
for (Dish dish : dishList) {
if (dish.getCalories() < 400) {
lowCaloricDishes.add(dish);
}
}
//2.对筛选出的菜肴进行排序
Collections.sort(lowCaloricDishes, new Comparator<Dish>() {
@Override
public int compare(Dish o1, Dish o2) {
return Integer.compare(o1.getCalories(), o2.getCalories());
}
});
//3.获取排序后菜肴的名字
List<String> lowCaloricDishesName = new ArrayList<>();
for (Dish d : lowCaloricDishes) {
lowCaloricDishesName.add(d.getName());
}
return lowCaloricDishesName;
}
Java8 之后的实现方式
private List<String> afterJava8(List<Dish> dishList) {
return dishList.stream()
.filter(d -> d.getCalories() < 400) //筛选出卡路里小于400的菜肴
.sorted(comparing(Dish::getCalories)) //根据卡路里进行排序
.map(Dish::getName) //提取菜肴名称
.collect(Collectors.toList()); //转换为List
}
不拖泥带水，一气呵成，原来需要写 24 代码实现的功能现在只需 5 行就可以完成了
高高兴兴写完需求这时候又有新需求了，新需求如下：
对数据库查询到的菜肴根据菜肴种类进行分类，返回一个Map<Type,List<Dish>>的结果
这要是放在 jdk8 之前肯定会头皮发麻
Java8 以前的实现方式
private static Map<Type, List<Dish>> beforeJdk8(List<Dish> dishList) {
Map<Type, List<Dish>> result = new HashMap<>();
for (Dish dish : dishList) {
//不存在则初始化
if (result.get(dish.getType())==null) {
List<Dish> dishes = new ArrayList<>();
dishes.add(dish);
result.put(dish.getType(), dishes);
} else {
//存在则追加
result.get(dish.getType()).add(dish);
}
}
return result;
}
还好 jdk8 有 Stream，再也不用担心复杂集合处理需求
Java8 以后的实现方式
private static Map<Type, List<Dish>> afterJdk8(List<Dish> dishList) { return dishList.stream().collect(groupingBy(Dish::getType));}
又是一行代码解决了需求，忍不住大喊 Stream API 牛批 看到流的强大功能了吧，接下来将详细介绍流
# 什么是流
流是从支持数据处理操作的源生成的元素序列，源可以是数组、文件、集合、函数。流不是集合元素，它不是数据结构并不保存数据，它的主要目的在于计算
# 如何生成流
生成流的方式主要有五种
1、通过集合生成，应用中最常用的一种
List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5);
Stream<Integer> stream = integerList.stream();
通过集合的 stream 方法生成流
2、通过数组生成
int[] intArr = new int[]{1, 2, 3, 4, 5};
IntStream stream = Arrays.stream(intArr);
通过 Arrays.stream 方法生成流，并且该方法生成的流是数值流【即 IntStream】而不是 Stream<Integer> 。补充一点使用数值流可以避免计算过程中拆箱装箱，提高性能。
Stream API 提供了 mapToInt、mapToDouble、mapToLong 三种方式将对象流【即 Stream 】转换成对应的数值流，同时提供了 boxed 方法将数值流转换为对象流
3、通过值生成
Stream<Integer> stream = Stream.of(1, 2, 3, 4, 5);
通过 Stream 的 of 方法生成流，通过 Stream 的 empty 方法可以生成一个空流
4、通过文件生成
Stream<String> lines = Files.lines(Paths.get("data.txt"), Charset.defaultCharset())
通过 Files.line 方法得到一个流，并且得到的每个流是给定文件中的一行
5、通过函数生成 提供了 iterate 和 generate 两个静态方法从函数中生成流
iterator
Stream<Integer> stream = Stream.iterate(0, n -> n + 2).limit(5);
iterate 方法接受两个参数，第一个为初始化值，第二个为进行的函数操作，因为 iterator 生成的流为无限流，通过 limit 方法对流进行了截断，只生成 5 个偶数
generator
Stream<Double> stream = Stream.generate(Math::random).limit(5);
generate 方法接受一个参数，方法参数类型为 Supplier ，由它为流提供值。generate 生成的流也是无限流，因此通过 limit 对流进行了截断
# 流的操作类型
流的操作类型主要分为两种
1、中间操作
一个流可以后面跟随零个或多个中间操作。其目的主要是打开流，做出某种程度的数据映射 / 过滤，然后返回一个新的流，交给下一个操作使用。这类操作都是惰性化的，仅仅调用到这类方法，并没有真正开始流的遍历，真正的遍历需等到终端操作时，常见的中间操作有下面即将介绍的 filter、map 等
2、终端操作
一个流有且只能有一个终端操作，当这个操作执行后，流就被关闭了，无法再被操作，因此一个流只能被遍历一次，若想在遍历需要通过源数据在生成流。终端操作的执行，才会真正开始流的遍历。如下面即将介绍的 count、collect 等
# 流使用
流的使用将分为终端操作和中间操作进行介绍
# 中间操作
filter 筛选
List<Integer> integerList = Arrays.asList(1, 1, 2, 3, 4, 5);
Stream<Integer> stream = integerList.stream().filter(i -> i > 3);
通过使用 filter 方法进行条件筛选，filter 的方法参数为一个条件
distinct 去除重复元素
List<Integer> integerList = Arrays.asList(1, 1, 2, 3, 4, 5);
Stream<Integer> stream = integerList.stream().distinct();
通过 distinct 方法快速去除重复的元素
limit 返回指定流个数
List<Integer> integerList = Arrays.asList(1, 1, 2, 3, 4, 5);
Stream<Integer> stream = integerList.stream().limit(3);
通过 limit 方法指定返回流的个数，limit 的参数值必须 >=0，否则将会抛出异常
skip 跳过流中的元素
List<Integer> integerList = Arrays.asList(1, 1, 2, 3, 4, 5);
Stream<Integer> stream = integerList.stream().skip(2);
通过 skip 方法跳过流中的元素，上述例子跳过前两个元素，所以打印结果为 2,3,4,5，skip 的参数值必须 >=0，否则将会抛出异常
map 流映射
所谓流映射就是将接受的元素映射成另外一个元素
List<String> stringList = Arrays.asList("Java 8", "Lambdas", "In", "Action");
Stream<Integer> stream = stringList.stream().map(String::length);
通过 map 方法可以完成映射，该例子完成中 String -> Integer 的映射，之前上面的例子通过 map 方法完成了 Dish->String 的映射
flatMap 流转换
将一个流中的每个值都转换为另一个流
List<String> wordList = Arrays.asList("Hello", "World");List<String> strList = wordList.stream()
.map(w -> w.split(" "))
.flatMap(Arrays::stream)
.distinct()
.collect(Collectors.toList());
map (w -> w.split (" ")) 的返回值为 Stream<String[]> ，我们想获取 Stream<String> ，可以通过 flatMap 方法完成 Stream ->Stream 的转换
元素匹配
提供了三种匹配方式
1、allMatch 匹配所有
List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5);if (integerList.stream().allMatch(i -> i > 3)) { System.out.println("值都大于3");}
通过 allMatch 方法实现
2、anyMatch 匹配其中一个
List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5);if (integerList.stream().anyMatch(i -> i > 3)) { System.out.println("存在大于3的值");}
等同于
for (Integer i : integerList) {
if (i > 3) {
System.out.println("存在大于3的值");
break;
}
}
存在大于 3 的值则打印，java8 中通过 anyMatch 方法实现这个功能
3、noneMatch 全部不匹配
List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5);
if (integerList.stream().noneMatch(i -> i > 3)) {
System.out.println("值都小于3");
}
通过 noneMatch 方法实现
# 终端操作
统计流中元素个数
1、通过 count
List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5);
Long result = integerList.stream().count();
通过使用 count 方法统计出流中元素个数
2、通过 counting
List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5);
Long result = integerList.stream().collect(counting());
最后一种统计元素个数的方法在与 collect 联合使用的时候特别有用
查找
提供了两种查找方式
1、findFirst 查找第一个
List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5);
Optional<Integer> result = integerList.stream().filter(i -> i > 3).findFirst();
通过 findFirst 方法查找到第一个大于三的元素并打印
2、findAny 随机查找一个
List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5);
Optional<Integer> result = integerList.stream().filter(i -> i > 3).findAny();
通过 findAny 方法查找到其中一个大于三的元素并打印，因为内部进行优化的原因，当找到第一个满足大于三的元素时就结束，该方法结果和 findFirst 方法结果一样。提供 findAny 方法是为了更好的利用并行流，findFirst 方法在并行上限制更多【本篇文章将不介绍并行流】
reduce 将流中的元素组合起来
假设我们对一个集合中的值进行求和
jdk8 之前
int sum = 0;for (int i : integerList) {sum += i;}
jdk8 之后通过 reduce 进行处理
int sum = integerList.stream().reduce(0, (a, b) -> (a + b));
一行就可以完成，还可以使用方法引用简写成：
int sum = integerList.stream().reduce(0, Integer::sum);
reduce 接受两个参数，一个初始值这里是 0，一个 BinaryOperator<T>accumulator
来将两个元素结合起来产生一个新值，
另外 reduce 方法还有一个没有初始化值的重载方法
获取流中最小最大值
通过 min/max 获取最小最大值
Optional<Integer> min = menu.stream().map(Dish::getCalories).min(Integer::compareTo);
Optional<Integer> max = menu.stream().map(Dish::getCalories).max(Integer::compareTo);
也可以写成：
OptionalInt min = menu.stream().mapToInt(Dish::getCalories).min();
OptionalInt max = menu.stream().mapToInt(Dish::getCalories).max();
min 获取流中最小值，max 获取流中最大值，方法参数为 Comparator<?superT>comparator
通过 minBy/maxBy 获取最小最大值
Optional<Integer> min = menu.stream().map(Dish::getCalories).collect(minBy(Integer::compareTo));
Optional<Integer> max = menu.stream().map(Dish::getCalories).collect(maxBy(Integer::compareTo));
minBy 获取流中最小值，maxBy 获取流中最大值，方法参数为 Comparator<?superT>comparator
通过 reduce 获取最小最大值
Optional<Integer> min = menu.stream().map(Dish::getCalories).reduce(Integer::min);
Optional<Integer> max = menu.stream().map(Dish::getCalories).reduce(Integer::max);
求和
通过 summingInt
int sum = menu.stream().collect(summingInt(Dish::getCalories));
如果数据类型为 double、long，则通过 summingDouble、summingLong 方法进行求和
通过 reduce
int sum = menu.stream().map(Dish::getCalories).reduce(0, Integer::sum);
通过 sum
int sum = menu.stream().mapToInt(Dish::getCalories).sum();
在上面求和、求最大值、最小值的时候，对于相同操作有不同的方法可以选择执行。可以选择 collect、reduce、min/max/sum 方法，推荐使用 min、max、sum 方法。因为它最简洁易读，同时通过 mapToInt 将对象流转换为数值流，避免了装箱和拆箱操作
通过 averagingInt 求平均值
double average = menu.stream().collect(averagingInt(Dish::getCalories));
如果数据类型为 double、long，则通过 averagingDouble、averagingLong 方法进行求平均
通过 summarizingInt 同时求总和、平均值、最大值、最小值
IntSummaryStatistics intSummaryStatistics = menu.stream().collect(summarizingInt(Dish::getCalories));
double average = intSummaryStatistics.getAverage(); //获取平均值
int min = intSummaryStatistics.getMin(); //获取最小值
int max = intSummaryStatistics.getMax(); //获取最大值
long sum = intSummaryStatistics.getSum(); //获取总和
如果数据类型为 double、long，则通过 summarizingDouble、summarizingLong 方法
通过 foreach 进行元素遍历
List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5);integerList.stream().forEach(System.out::println);
而在 jdk8 之前实现遍历：
for (int i : integerList) {
System.out.println(i);
}
jdk8 之后遍历元素来的更为方便，原来的 for-each 直接通过 foreach 方法就能实现了
返回集合
List<String> strings = menu.stream().map(Dish::getName).collect(toList());
Set<String> sets = menu.stream().map(Dish::getName).collect(toSet());
只举例了一部分，还有很多其他方法 jdk8 之前
List<String> stringList = new ArrayList<>();
Set<String> stringSet = new HashSet<>();
for (Dish dish : menu) {
stringList.add(dish.getName());
stringSet.add(dish.getName());
}
通过遍历和返回集合的使用发现流只是把原来的外部迭代放到了内部进行，这也是流的主要特点之一。内部迭代可以减少好多代码量
通过 joining 拼接流中的元素
String result = menu.stream().map(Dish::getName).collect(Collectors.joining(", "));
默认如果不通过 map 方法进行映射处理拼接的 toString 方法返回的字符串，joining 的方法参数为元素的分界符，如果不指定生成的字符串将是一串的，可读性不强
进阶通过 groupingBy 进行分组
Map<Type, List<Dish>> result = dishList.stream().collect(groupingBy(Dish::getType));
在 collect 方法中传入 groupingBy 进行分组，其中 groupingBy 的方法参数为分类函数。还可以通过嵌套使用 groupingBy 进行多级分类
Map<Type, List<Dish>> result = menu.stream().collect(groupingBy(Dish::getType,
groupingBy(dish -> {
if (dish.getCalories() <= 400)
return CaloricLevel.DIET;
else if (dish.getCalories() <= 700)
return CaloricLevel.NORMAL;
else
return CaloricLevel.FAT;
}
)));
进阶通过 partitioningBy 进行分区
分区是特殊的分组，它分类依据是 true 和 false，所以返回的结果最多可以分为两组
Map<Boolean, List<Dish>> result = menu.stream().collect(partitioningBy(Dish :: isVegetarian))
等同于
Map<Boolean, List<Dish>> result = menu.stream().collect(groupingBy(Dish :: isVegetarian))
这个例子可能并不能看出分区和分类的区别，甚至觉得分区根本没有必要，换个明显一点的例子：
List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5);
Map<Boolean, List<Integer>> result = integerList.stream().collect(partitioningBy(i -> i < 3));
返回值的键仍然是布尔类型，但是它的分类是根据范围进行分类的，分区比较适合处理根据范围进行分类
# 总结
通过使用 Stream API 可以简化代码，同时提高了代码可读性，赶紧在项目里用起来。讲道理在没学 Stream API 之前，谁要是给我在应用里写很多 Lambda，Stream API，飞起就想给他一脚。
