精华内容
下载资源
问答
  • Java8使用流操作集合

    千次阅读 2019-01-17 17:50:25
    Java8集合操作正确方式 流Api是Java8提供的新的api,用来声明式地处理数据集合。 1 一个Demo案例: 需要将List集合中的重量大于0.3kg的水果筛选出来进行排序后拿出它的名字最后放到另一个List中去。 ...

    Java8集合操作正确方式

    • 流Api是Java8提供的新的api,用来声明式地处理数据集合。

    1 一个Demo案例:

    • 需要将List集合中的重量大于0.3kg的水果筛选出来进行排序后拿出它的名字最后放到另一个List中去。
          
            List<Fruit> fruits = new ArrayList<>();
            fruits.add(new Fruit("Apple", 0.8));
            fruits.add(new Fruit("orange", 0.3));
            fruits.add(new Fruit("watermelon", 1.2));
            fruits.add(new Fruit("banana", 0.6));
    
            //java8之前的做法
    //        List<Fruit> tempList = new ArrayList<>();
    //        for(Fruit fruit : fruits){
    //            if(fruit.getWeight()>0.3){
    //                tempList.add(fruit);
    //            }
    //        }
    //
    //        List<String> fruitNames = new ArrayList<>();
    //        tempList.sort(new Comparator<Fruit>() {
    //            @Override
    //            public int compare(Fruit o1, Fruit o2) {
    //                return  o1.getWeight().compareTo(o2.getWeight());
    //            }
    //        });
    //
    //        for(Fruit fruit :tempList){
    //            fruitNames.add(fruit.getName());
    //        }
    //
    //        System.out.println(fruitNames);
    
            //java8的做法
            List<String> fruitName = fruits.stream().filter(f -> f.getWeight()>0.3).sorted(Comparator.comparing(Fruit::getWeight)).map((Fruit::getName)).collect(Collectors.toList());
            System.out.println(fruitName);
    
        结果:[banana, Apple, watermelon]
       
    

    通过这个demo,可以很清楚地看到java8对集合的操作非常的简单并且支持对集合的链式操作,而java8之前则需要大量的迭代集合的操作代码重复很多。

    2 Java 8中流对集合的处理:

    需要一个数据源(如集合),一个中间操作链(过滤、排序、limit等操作),一个终端操作执行流水线并生成结果

    3 Stream API支持的操作

        /**
         * 预定义的菜单类
         */
        public class Menu {
    
            private String name;
            private double weight;
        
            public Menu(String name, double weight) {
                this.name = name;
                this.weight = weight;
            }
        
            public String getName() {
                return name;
            }
        
            public void setName(String name) {
                this.name = name;
            }
        
            public double getWeight() {
                return weight;
            }
        
            public void setWeight(double weight) {
                this.weight = weight;
            }
        
            @Override
            public String toString() {
                return "Menu{" +
                        "name='" + name + '\'' +
                        ", weight=" + weight +
                        '}';
            }
        }
    
    3.1 筛选和切片(filter、distinc、limit、skip)
       public class UsefulOperator {
    
        public static List<Menu> factory() {
    
    
            Menu meatMenu = new Menu("meat", 8.88);
            List<Menu> list = Lists.newArrayList();
            list.add(new Menu("fish", 1.98));
            list.add(new Menu("apple", 0.88));
            list.add(new Menu("beaf", 2.18));
            list.add(meatMenu);
            list.add(meatMenu);
            list.add(new Menu("chop", 0.08));
    
            return list;
        }
    
        public static void main(String[] args) {
            List<Menu> list = factory();
    
            //filter (过滤不符合条件的元素)
            List<Menu> newMenu = list.stream().filter(w -> w.getWeight() > 0.88).collect(Collectors.toList());
            System.out.println(newMenu);
    
            //distinct (过滤调一样的元素基于hashcode和equals)
            List<Menu> newMenu2 = list.stream().distinct().collect(Collectors.toList());
            System.out.println(newMenu2);
    
    
            //limit (限制选取前几个元素)
            List<Menu> newMenu3 = list.stream().limit(2).collect(Collectors.toList());
            System.out.println(newMenu3);
    
            //skip (限制跳过前几个元素)
            List<Menu> newMenu4 = list.stream().skip(2).collect(Collectors.toList());
            System.out.println(newMenu4);
    
        }
    }
    

    结果:
    [Menu{name=‘fish’, weight=1.98}, Menu{name=‘beaf’, weight=2.18}, Menu{name=‘meat’, weight=8.88}, Menu{name=‘meat’, weight=8.88}]

    [Menu{name=‘fish’, weight=1.98}, Menu{name=‘apple’, weight=0.88}, Menu{name=‘beaf’, weight=2.18}, Menu{name=‘meat’, weight=8.88}, Menu{name=‘chop’, weight=0.08}]

    [Menu{name=‘fish’, weight=1.98}, Menu{name=‘apple’, weight=0.88}]

    [Menu{name=‘beaf’, weight=2.18}, Menu{name=‘meat’, weight=8.88}, Menu{name=‘meat’, weight=8.88}, Menu{name=‘chop’, weight=0.08}]

    3.2 映射(map、flatMap)
        //映射
    
        //map(接受一个函数并且将其映射成一个新的元素)
        List<String> newMenu5 = list.stream().map(Menu::getName).collect(Collectors.toList());
        System.out.println(newMenu5);
    
    
        //flatMap 可以将生成的流扁平化为单个流
        List<String> words = Lists.newArrayList("hello", "World");
    
        //将数组words中不同单词保存下来
        System.out.println(words.stream().map(word -> word.split("")).flatMap(Arrays::stream).distinct().collect(Collectors.toList()));
        
    

    结果
    [fish, apple, beaf, meat, meat, chop]

    [h, e, l, o, W, r, d]

    3.3 查找和匹配(allMatch、 anyMatch、 noneMatch、 findFirst和findAny)
      
            //判断集合中是否有任何符合条件的元素 终端操作返回boolean
            if (list.stream().anyMatch(m -> m.getWeight() > 1.8)) {
                System.out.println("have right fruit");
            }
    
            //判断集合的所有元素是否符合条件 终端操作返回boolean
            if (list.stream().allMatch(m -> m.getWeight() > 1.8)) {
                System.out.println("have  all right fruit");
            }
    
    
            //集合中是否所有元素都不匹配指定的条件 终端操作返回boolean
            if (list.stream().noneMatch(m -> m.getWeight() > 10)) {
                System.out.println("have none right fruit");
            }
    
    
            //返回当前流中的任意元素
            //  //你可能会想,为什么会同时有findFirst和findAny呢?答案是并行。找到第一个元素
            //        //在并行上限制更多。如果你不关心返回的元素是哪个,请使用findAny,因为它在使用并行流
            //        //时限制较少。
            Optional<Menu> anyMenu = list.stream().findAny();
            System.out.println(anyMenu.toString());
    
            //返回当前流中第一个元素
            Optional<Menu> firstMenu = list.stream().findFirst();
            System.out.println(firstMenu.toString());
    

    结果:

    have right fruit

    have none right fruit

    Optional[Menu{name=‘fish’, weight=1.98}]

    Optional[Menu{name=‘fish’, weight=1.98}]

    3.4 规约(reduce)
        //规约
            //元素求和
            List<Integer> integers = Lists.newArrayList(1, 2, 3, 4, 5, 6);
            //0代表初始值
            int sum = integers.stream().reduce(0, Integer::sum);
            //可以不指定初始值,返回值变为Optional<Integer>以防止可能为空的情况
            Optional<Integer> sum2 = integers.stream().reduce(Integer::sum);
            System.out.println(sum);
            System.out.println(sum2);
    
            //最大值和最小值
            Optional<Integer> max = integers.stream().reduce(Integer::max);
    //      Optional<Integer> min = integers.stream().reduce((a,b)->a<b?a:b);
            Optional<Integer> min = integers.stream().reduce(Integer::min);
    
            System.out.println("max==="+max+"  min==="+min);
            //求menu中fruit的数量
            Optional<Integer> fruitCount = list.stream().map(c -> 1).reduce(Integer::sum);
            System.out.println("fruit's count is "+ fruitCount);
    

    结果:

    21

    Optional[21]

    max=Optional[6] min=Optional[1]

    fruit’s count is Optional[6]

    操作总结

    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-SRMLHdd6-1572318088451)(https://i.imgur.com/IKVm47T.png)]

    3.4 数值流(IntStream、 DoubleStream和LongStream)
       //数值流
    
    
            //映射到数值流
            double totalWeight = list.stream().mapToDouble(Menu::getWeight).sum();
            System.out.println(totalWeight);
    
            //转换回对象流
            Stream<Double> boxed = list.stream().mapToDouble(Menu::getWeight).boxed();
    
            //默认值OptionalDouble
            OptionalDouble optionalDouble = list.stream().mapToDouble(Menu::getWeight).max();
            System.out.println(optionalDouble);
            System.out.println(optionalDouble.orElse(99.99));
    
            //数值范围
            System.out.println(IntStream.rangeClosed(100,200).boxed().limit(10).collect(Collectors.toList()));
    
            //生成勾股数
            Stream<int[]> pythagoreanTriples =
                    IntStream.rangeClosed(1, 100).boxed()
                            .flatMap(a ->
                                    IntStream.rangeClosed(a, 100)
                                            .filter(b -> Math.sqrt(a*a + b*b) % 1 == 0)
                                            .mapToObj(b ->
                                                    new int[]{a, b, (int)Math.sqrt(a * a + b * b)})
                            );
    
            pythagoreanTriples.limit(5)
                    .forEach(t ->
                            System.out.println(t[0] + ", " + t[1] + ", " + t[2]));
    

    结果:

    22.88

    OptionalDouble[8.88]

    8.88

    [100, 101, 102, 103, 104, 105, 106, 107, 108, 109]

    3, 4, 5

    5, 12, 13

    6, 8, 10

    7, 24, 25

    8, 15, 17

    3.4 构建流

    //由值创建流
    Stream stream = Stream.of(“a”, “b”, “c”, “d”, “e”);
    stream.map(String::toUpperCase).forEach(System.out::println);
    //获取一个空的流
    Stream empty = Stream.empty();

        //由数组创建流
        int[] numbers = {1, 2, 3, 4, 5};
        IntStream numberStream = Arrays.stream(numbers);
        Long countNumber = numberStream.count();
        System.out.println(countNumber);
    
        //由文件生成流
        long uniqueWords = 0;
        try (Stream<String> lines =
                     Files.lines(Paths.get("G:\\IdeaProject\\javase\\src\\main\\java\\Java8\\chapter3_stream\\operate\\data.txt"), Charset.defaultCharset())) {
            uniqueWords = lines.flatMap(line -> Arrays.stream(line.split(" ")))
                    .distinct()
                    .count();
    
            System.out.println("==diff words==" + uniqueWords);
        } catch (IOException e) {
        }
    
        //由函数生成流:创建无限流
        //根据初始值进行操作
        Stream.iterate(100, n -> 100 + new Random().nextInt(100)).limit(10).forEach(System.out::println);
        Stream.iterate(new int[]{0, 1}, t->new int[]{t[1],t[0]+t[1]}).limit(20).map(t->t[0]).forEach(t -> System.out.print(t+" "));
    
        //不需要根据生成值进行后续操作
        Stream.generate(()->new Random().nextInt(100)+100).limit(20).forEach(System.out::println);
    
    展开全文
  • Java8 Stream横空出世,让我们从繁琐冗长的迭代中解脱出来,集合数据操作变得优雅简洁。 这些操作集合的filter(筛选)、归约(reduce)、映射(map)、收集(collect)、统计(max、min、avg)等等,一行代码即可...

    点波关注不迷路,一键三连好运连连!

    免费在线作图工具,点击邀请链接注册赠送7天会员:https://www.processon.com/i/5c51384de4b08a7683b99e16
    在这里插入图片描述

    先贴上几个案例,水平高超的同学可以挑战一下:

    1. 从员工集合中筛选出salary大于8000的员工,并放置到新的集合里。
    2. 统计员工的最高薪资、平均薪资、薪资之和。
    3. 将员工按薪资从高到低排序,同样薪资者年龄小者在前。
    4. 将员工按性别分类,将员工按性别和地区分类,将员工按薪资是否高于8000分为两部分。

    用传统的迭代处理也不是很难,但代码就显得冗余了,跟Stream相比高下立判。

    1 Stream概述

    Java 8 是一个非常成功的版本,这个版本新增的Stream,配合同版本出现的 Lambda ,给我们操作集合(Collection)提供了极大的便利。

    那么什么是Stream

    Stream将要处理的元素集合看作一种流,在流的过程中,借助Stream API对流中的元素进行操作,比如:筛选、排序、聚合等。

    Stream可以由数组或集合创建,对流的操作分为两种:

    1. 中间操作,每次返回一个新的流,可以有多个。
    2. 终端操作,每个流只能进行一次终端操作,终端操作结束后流无法再次使用。终端操作会产生一个新的集合或值。

    另外,Stream有几个特性:

    1. stream不存储数据,而是按照特定的规则对数据进行计算,一般会输出结果。
    2. stream不会改变数据源,通常情况下会产生一个新的集合或一个值。
    3. stream具有延迟执行特性,只有调用终端操作时,中间操作才会执行。

    2 Stream的创建

    Stream可以通过集合数组创建。

    1、通过 java.util.Collection.stream() 方法用集合创建流

    List<String> list = Arrays.asList("a", "b", "c");
    // 创建一个顺序流
    Stream<String> stream = list.stream();
    // 创建一个并行流
    Stream<String> parallelStream = list.parallelStream();
    

    2、使用java.util.Arrays.stream(T[] array)方法用数组创建流

    int[] array={1,3,5,6,8};
    IntStream stream = Arrays.stream(array);
    

    3、使用Stream的静态方法:of()、iterate()、generate()

    Stream<Integer> stream = Stream.of(1, 2, 3, 4, 5, 6);
    
    Stream<Integer> stream2 = Stream.iterate(0, (x) -> x + 3).limit(4);
    stream2.forEach(System.out::println);
    
    Stream<Double> stream3 = Stream.generate(Math::random).limit(3);
    stream3.forEach(System.out::println);
    

    输出结果:

    0 3 6 9
    0.6796156909271994
    0.1914314208854283
    0.8116932592396652

    streamparallelStream的简单区分: stream是顺序流,由主线程按顺序对流执行操作,而parallelStream是并行流,内部以多线程并行执行的方式对流进行操作,但前提是流中的数据处理没有顺序要求。例如筛选集合中的奇数,两者的处理不同之处:
    在这里插入图片描述
    如果流中的数据量足够大,并行流可以加快处速度。

    除了直接创建并行流,还可以通过parallel()把顺序流转换成并行流:

    Optional<Integer> findFirst = list.stream().parallel().filter(x->x>6).findFirst();
    

    3 Stream的使用

    在使用stream之前,先理解一个概念:Optional

    Optional类是一个可以为null的容器对象。如果值存在则isPresent()方法会返回true,调用get()方法会返回该对象。
    更详细说明请见:菜鸟教程Java 8 Optional类

    接下来,大批代码向你袭来!我将用20个案例将Stream的使用整得明明白白,只要跟着敲一遍代码,就能很好地掌握。
    在这里插入图片描述

    案例使用的员工类

    这是后面案例中使用的员工类:

    List<Person> personList = new ArrayList<Person>();
    personList.add(new Person("Tom", 8900, "male", "New York"));
    personList.add(new Person("Jack", 7000, "male", "Washington"));
    personList.add(new Person("Lily", 7800, "female", "Washington"));
    personList.add(new Person("Anni", 8200, "female", "New York"));
    personList.add(new Person("Owen", 9500, "male", "New York"));
    personList.add(new Person("Alisa", 7900, "female", "New York"));
    
    class Person {
    	private String name;  // 姓名
    	private int salary; // 薪资
    	private int age; // 年龄
    	private String sex; //性别
    	private String area;  // 地区
    
    	// 构造方法
    	public Person(String name, int salary, int age,String sex,String area) {
    		this.name = name;
    		this.salary = salary;
    		this.age = age;
    		this.sex = sex;
    		this.area = area;
    	}
    	// 省略了get和set,请自行添加
    
    }
    

    3.1 遍历/匹配(foreach/find/match)

    Stream也是支持类似集合的遍历和匹配元素的,只是Stream中的元素是以Optional类型存在的。Stream的遍历、匹配非常简单。
    在这里插入图片描述

    // import已省略,请自行添加,后面代码亦是
    
    public class StreamTest {
    	public static void main(String[] args) {
            List<Integer> list = Arrays.asList(7, 6, 9, 3, 8, 2, 1);
    
            // 遍历输出符合条件的元素
            list.stream().filter(x -> x > 6).forEach(System.out::println);
            // 匹配第一个
            Optional<Integer> findFirst = list.stream().filter(x -> x > 6).findFirst();
            // 匹配任意(适用于并行流)
            Optional<Integer> findAny = list.parallelStream().filter(x -> x > 6).findAny();
            // 是否包含符合特定条件的元素
            boolean anyMatch = list.stream().anyMatch(x -> x < 6);
            System.out.println("匹配第一个值:" + findFirst.get());
            System.out.println("匹配任意一个值:" + findAny.get());
            System.out.println("是否存在大于6的值:" + anyMatch);
        }
    }
    

    3.2 筛选(filter)

    筛选,是按照一定的规则校验流中的元素,将符合条件的元素提取到新的流中的操作。
    在这里插入图片描述

    案例一:筛选出Integer集合中大于7的元素,并打印出来

    public class StreamTest {
    	public static void main(String[] args) {
    		List<Integer> list = Arrays.asList(6, 7, 3, 8, 1, 2, 9);
    		Stream<Integer> stream = list.stream();
    		stream.filter(x -> x > 7).forEach(System.out::println);
    	}
    }
    

    预期结果:

    8 9

    案例二: 筛选员工中工资高于8000的人,并形成新的集合。 形成新集合依赖collect(收集),后文有详细介绍。

    public class StreamTest {
    	public static void main(String[] args) {
    		List<Person> personList = new ArrayList<Person>();
    		personList.add(new Person("Tom", 8900, 23, "male", "New York"));
    		personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
    		personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
    		personList.add(new Person("Anni", 8200, 24, "female", "New York"));
    		personList.add(new Person("Owen", 9500, 25, "male", "New York"));
    		personList.add(new Person("Alisa", 7900, 26, "female", "New York"));
    
    		List<String> fiterList = personList.stream().filter(x -> x.getSalary() > 8000).map(Person::getName)
    				.collect(Collectors.toList());
    		System.out.print("高于8000的员工姓名:" + fiterList);
    	}
    }
    

    运行结果:

    高于8000的员工姓名:[Tom, Anni, Owen]

    3.3 聚合(max/min/count)

    maxmincount这些字眼你一定不陌生,没错,在mysql中我们常用它们进行数据统计。Java stream中也引入了这些概念和用法,极大地方便了我们对集合、数组的数据统计工作。
    在这里插入图片描述

    案例一:获取String集合中最长的元素。

    public class StreamTest {
    	public static void main(String[] args) {
    		List<String> list = Arrays.asList("adnm", "admmt", "pot", "xbangd", "weoujgsd");
    
    		Optional<String> max = list.stream().max(Comparator.comparing(String::length));
    		System.out.println("最长的字符串:" + max.get());
    	}
    }
    

    输出结果:

    最长的字符串:weoujgsd

    案例二:获取Integer集合中的最大值。

    public class StreamTest {
    	public static void main(String[] args) {
    		List<Integer> list = Arrays.asList(7, 6, 9, 4, 11, 6);
    
    		// 自然排序
    		Optional<Integer> max = list.stream().max(Integer::compareTo);
    		// 自定义排序
    		Optional<Integer> max2 = list.stream().max(new Comparator<Integer>() {
    			@Override
    			public int compare(Integer o1, Integer o2) {
    				return o1.compareTo(o2);
    			}
    		});
    		System.out.println("自然排序的最大值:" + max.get());
    		System.out.println("自定义排序的最大值:" + max2.get());
    	}
    }
    

    输出结果:

    自然排序的最大值:11
    自定义排序的最大值:11

    案例三:获取员工工资最高的人。

    public class StreamTest {
    	public static void main(String[] args) {
    		List<Person> personList = new ArrayList<Person>();
    		personList.add(new Person("Tom", 8900, 23, "male", "New York"));
    		personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
    		personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
    		personList.add(new Person("Anni", 8200, 24, "female", "New York"));
    		personList.add(new Person("Owen", 9500, 25, "male", "New York"));
    		personList.add(new Person("Alisa", 7900, 26, "female", "New York"));
    
    		Optional<Person> max = personList.stream().max(Comparator.comparingInt(Person::getSalary));
    		System.out.println("员工工资最大值:" + max.get().getSalary());
    	}
    }
    

    输出结果:

    员工工资最大值:9500

    案例四:计算Integer集合中大于6的元素的个数。

    import java.util.Arrays;
    import java.util.List;
    
    public class StreamTest {
    	public static void main(String[] args) {
    		List<Integer> list = Arrays.asList(7, 6, 4, 8, 2, 11, 9);
    
    		long count = list.stream().filter(x -> x > 6).count();
    		System.out.println("list中大于6的元素个数:" + count);
    	}
    }
    

    输出结果:

    list中大于6的元素个数:4

    3.4 映射(map/flatMap)

    映射,可以将一个流的元素按照一定的映射规则映射到另一个流中。分为mapflatMap

    • map:接收一个函数作为参数,该函数会被应用到每个元素上,并将其映射成一个新的元素。
    • flatMap:接收一个函数作为参数,将流中的每个值都换成另一个流,然后把所有流连接成一个流。

    在这里插入图片描述
    在这里插入图片描述
    案例一:英文字符串数组的元素全部改为大写。整数数组每个元素+3。

    public class StreamTest {
    	public static void main(String[] args) {
    		String[] strArr = { "abcd", "bcdd", "defde", "fTr" };
    		List<String> strList = Arrays.stream(strArr).map(String::toUpperCase).collect(Collectors.toList());
    
    		List<Integer> intList = Arrays.asList(1, 3, 5, 7, 9, 11);
    		List<Integer> intListNew = intList.stream().map(x -> x + 3).collect(Collectors.toList());
    
    		System.out.println("每个元素大写:" + strList);
    		System.out.println("每个元素+3:" + intListNew);
    	}
    }
    

    输出结果:

    每个元素大写:[ABCD, BCDD, DEFDE, FTR]
    每个元素+3:[4, 6, 8, 10, 12, 14]

    案例二:将员工的薪资全部增加1000。

    public class StreamTest {
    	public static void main(String[] args) {
    		List<Person> personList = new ArrayList<Person>();
    		personList.add(new Person("Tom", 8900, 23, "male", "New York"));
    		personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
    		personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
    		personList.add(new Person("Anni", 8200, 24, "female", "New York"));
    		personList.add(new Person("Owen", 9500, 25, "male", "New York"));
    		personList.add(new Person("Alisa", 7900, 26, "female", "New York"));
    
    		// 不改变原来员工集合的方式
    		List<Person> personListNew = personList.stream().map(person -> {
    			Person personNew = new Person(person.getName(), 0, 0, null, null);
    			personNew.setSalary(person.getSalary() + 10000);
    			return personNew;
    		}).collect(Collectors.toList());
    		System.out.println("一次改动前:" + personList.get(0).getName() + "-->" + personList.get(0).getSalary());
    		System.out.println("一次改动后:" + personListNew.get(0).getName() + "-->" + personListNew.get(0).getSalary());
    
    		// 改变原来员工集合的方式
    		List<Person> personListNew2 = personList.stream().map(person -> {
    			person.setSalary(person.getSalary() + 10000);
    			return person;
    		}).collect(Collectors.toList());
    		System.out.println("二次改动前:" + personList.get(0).getName() + "-->" + personListNew.get(0).getSalary());
    		System.out.println("二次改动后:" + personListNew2.get(0).getName() + "-->" + personListNew.get(0).getSalary());
    	}
    }
    

    输出结果:

    一次改动前:Tom–>8900
    一次改动后:Tom–>18900
    二次改动前:Tom–>18900
    二次改动后:Tom–>18900

    案例三:将两个字符数组合并成一个新的字符数组。

    public class StreamTest {
    	public static void main(String[] args) {
    		List<String> list = Arrays.asList("m,k,l,a", "1,3,5,7");
    		List<String> listNew = list.stream().flatMap(s -> {
    			// 将每个元素转换成一个stream
    			String[] split = s.split(",");
    			Stream<String> s2 = Arrays.stream(split);
    			return s2;
    		}).collect(Collectors.toList());
    
    		System.out.println("处理前的集合:" + list);
    		System.out.println("处理后的集合:" + listNew);
    	}
    }
    

    输出结果:

    处理前的集合:[m-k-l-a, 1-3-5]
    处理后的集合:[m, k, l, a, 1, 3, 5]

    3.5 归约(reduce)

    归约,也称缩减,顾名思义,是把一个流缩减成一个值,能实现对集合求和、求乘积和求最值操作。
    在这里插入图片描述

    案例一:求Integer集合的元素之和、乘积和最大值。

    public class StreamTest {
    	public static void main(String[] args) {
    		List<Integer> list = Arrays.asList(1, 3, 2, 8, 11, 4);
    		// 求和方式1
    		Optional<Integer> sum = list.stream().reduce((x, y) -> x + y);
    		// 求和方式2
    		Optional<Integer> sum2 = list.stream().reduce(Integer::sum);
    		// 求和方式3
    		Integer sum3 = list.stream().reduce(0, Integer::sum);
    		
    		// 求乘积
    		Optional<Integer> product = list.stream().reduce((x, y) -> x * y);
    
    		// 求最大值方式1
    		Optional<Integer> max = list.stream().reduce((x, y) -> x > y ? x : y);
    		// 求最大值写法2
    		Integer max2 = list.stream().reduce(1, Integer::max);
    
    		System.out.println("list求和:" + sum.get() + "," + sum2.get() + "," + sum3);
    		System.out.println("list求积:" + product.get());
    		System.out.println("list求和:" + max.get() + "," + max2);
    	}
    }
    

    输出结果:

    list求和:29,29,29
    list求积:2112
    list求和:11,11

    案例二:求所有员工的工资之和和最高工资。

    public class StreamTest {
    	public static void main(String[] args) {
    		List<Person> personList = new ArrayList<Person>();
    		personList.add(new Person("Tom", 8900, 23, "male", "New York"));
    		personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
    		personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
    		personList.add(new Person("Anni", 8200, 24, "female", "New York"));
    		personList.add(new Person("Owen", 9500, 25, "male", "New York"));
    		personList.add(new Person("Alisa", 7900, 26, "female", "New York"));
    
    		// 求工资之和方式1:
    		Optional<Integer> sumSalary = personList.stream().map(Person::getSalary).reduce(Integer::sum);
    		// 求工资之和方式2:
    		Integer sumSalary2 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(),
    				(sum1, sum2) -> sum1 + sum2);
    		// 求工资之和方式3:
    		Integer sumSalary3 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(), Integer::sum);
    
    		// 求最高工资方式1:
    		Integer maxSalary = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(),
    				Integer::max);
    		// 求最高工资方式2:
    		Integer maxSalary2 = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(),
    				(max1, max2) -> max1 > max2 ? max1 : max2);
    
    		System.out.println("工资之和:" + sumSalary.get() + "," + sumSalary2 + "," + sumSalary3);
    		System.out.println("最高工资:" + maxSalary + "," + maxSalary2);
    	}
    }
    

    输出结果:

    工资之和:49300,49300,49300
    最高工资:9500,9500

    3.6 收集(collect)

    collect,收集,可以说是内容最繁多、功能最丰富的部分了。从字面上去理解,就是把一个流收集起来,最终可以是收集成一个值也可以收集成一个新的集合。

    collect主要依赖java.util.stream.Collectors类内置的静态方法。

    3.6.1 归集(toList/toSet/toMap)

    因为流不存储数据,那么在流中的数据完成处理后,需要将流中的数据重新归集到新的集合里。toListtoSettoMap比较常用,另外还有toCollectiontoConcurrentMap等复杂一些的用法。

    下面用一个案例演示toListtoSettoMap

    public class StreamTest {
    	public static void main(String[] args) {
    		List<Integer> list = Arrays.asList(1, 6, 3, 4, 6, 7, 9, 6, 20);
    		List<Integer> listNew = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toList());
    		Set<Integer> set = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toSet());
    
    		List<Person> personList = new ArrayList<Person>();
    		personList.add(new Person("Tom", 8900, 23, "male", "New York"));
    		personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
    		personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
    		personList.add(new Person("Anni", 8200, 24, "female", "New York"));
    		
    		Map<?, Person> map = personList.stream().filter(p -> p.getSalary() > 8000)
    				.collect(Collectors.toMap(Person::getName, p -> p));
    		System.out.println("toList:" + listNew);
    		System.out.println("toSet:" + set);
    		System.out.println("toMap:" + map);
    	}
    }
    

    运行结果:

    toList:[6, 4, 6, 6, 20]
    toSet:[4, 20, 6]
    toMap:{Tom=mutest.Person@5fd0d5ae, Anni=mutest.Person@2d98a335}

    3.6.2 统计(count/averaging)

    Collectors提供了一系列用于数据统计的静态方法:

    • 计数:count
    • 平均值:averagingIntaveragingLongaveragingDouble
    • 最值:maxByminBy
    • 求和:summingIntsummingLongsummingDouble
    • 统计以上所有:summarizingIntsummarizingLongsummarizingDouble

    案例:统计员工人数、平均工资、工资总额、最高工资。

    public class StreamTest {
    	public static void main(String[] args) {
    		List<Person> personList = new ArrayList<Person>();
    		personList.add(new Person("Tom", 8900, 23, "male", "New York"));
    		personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
    		personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
    
    		// 求总数
    		Long count = personList.stream().collect(Collectors.counting());
    		// 求平均工资
    		Double average = personList.stream().collect(Collectors.averagingDouble(Person::getSalary));
    		// 求最高工资
    		Optional<Integer> max = personList.stream().map(Person::getSalary).collect(Collectors.maxBy(Integer::compare));
    		// 求工资之和
    		Integer sum = personList.stream().collect(Collectors.summingInt(Person::getSalary));
    		// 一次性统计所有信息
    		DoubleSummaryStatistics collect = personList.stream().collect(Collectors.summarizingDouble(Person::getSalary));
    
    		System.out.println("员工总数:" + count);
    		System.out.println("员工平均工资:" + average);
    		System.out.println("员工工资总和:" + sum);
    		System.out.println("员工工资所有统计:" + collect);
    	}
    }
    

    运行结果:

    员工总数:3
    员工平均工资:7900.0
    员工工资总和:23700
    员工工资所有统计:DoubleSummaryStatistics{count=3, sum=23700.000000,min=7000.000000, average=7900.000000, max=8900.000000}

    3.6.3 分组(partitioningBy/groupingBy)

    • 分区:将stream按条件分为两个Map,比如员工按薪资是否高于8000分为两部分。
    • 分组:将集合分为多个Map,比如员工按性别分组。有单级分组和多级分组。

    在这里插入图片描述

    案例:将员工按薪资是否高于8000分为两部分;将员工按性别和地区分组

    public class StreamTest {
    	public static void main(String[] args) {
    		List<Person> personList = new ArrayList<Person>();
    		personList.add(new Person("Tom", 8900, "male", "New York"));
    		personList.add(new Person("Jack", 7000, "male", "Washington"));
    		personList.add(new Person("Lily", 7800, "female", "Washington"));
    		personList.add(new Person("Anni", 8200, "female", "New York"));
    		personList.add(new Person("Owen", 9500, "male", "New York"));
    		personList.add(new Person("Alisa", 7900, "female", "New York"));
    
    		// 将员工按薪资是否高于8000分组
            Map<Boolean, List<Person>> part = personList.stream().collect(Collectors.partitioningBy(x -> x.getSalary() > 8000));
            // 将员工按性别分组
            Map<String, List<Person>> group = personList.stream().collect(Collectors.groupingBy(Person::getSex));
            // 将员工先按性别分组,再按地区分组
            Map<String, Map<String, List<Person>>> group2 = personList.stream().collect(Collectors.groupingBy(Person::getSex, Collectors.groupingBy(Person::getArea)));
            System.out.println("员工按薪资是否大于8000分组情况:" + part);
            System.out.println("员工按性别分组情况:" + group);
            System.out.println("员工按性别、地区:" + group2);
    	}
    }
    

    输出结果:

    员工按薪资是否大于8000分组情况:{false=[mutest.Person@2d98a335, mutest.Person@16b98e56, mutest.Person@7ef20235], true=[mutest.Person@27d6c5e0, mutest.Person@4f3f5b24, mutest.Person@15aeb7ab]}
    员工按性别分组情况:{female=[mutest.Person@16b98e56, mutest.Person@4f3f5b24, mutest.Person@7ef20235], male=[mutest.Person@27d6c5e0, mutest.Person@2d98a335, mutest.Person@15aeb7ab]}
    员工按性别、地区:{female={New York=[mutest.Person@4f3f5b24, mutest.Person@7ef20235], Washington=[mutest.Person@16b98e56]}, male={New York=[mutest.Person@27d6c5e0, mutest.Person@15aeb7ab], Washington=[mutest.Person@2d98a335]}}
    

    3.6.4 接合(joining)

    joining可以将stream中的元素用特定的连接符(没有的话,则直接连接)连接成一个字符串。

    public class StreamTest {
    	public static void main(String[] args) {
    		List<Person> personList = new ArrayList<Person>();
    		personList.add(new Person("Tom", 8900, 23, "male", "New York"));
    		personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
    		personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
    
    		String names = personList.stream().map(p -> p.getName()).collect(Collectors.joining(","));
    		System.out.println("所有员工的姓名:" + names);
    		List<String> list = Arrays.asList("A", "B", "C");
    		String string = list.stream().collect(Collectors.joining("-"));
    		System.out.println("拼接后的字符串:" + string);
    	}
    }
    

    运行结果:

    所有员工的姓名:Tom,Jack,Lily
    拼接后的字符串:A-B-C

    3.6.5 归约(reducing)

    Collectors类提供的reducing方法,相比于stream本身的reduce方法,增加了对自定义归约的支持。

    public class StreamTest {
    	public static void main(String[] args) {
    		List<Person> personList = new ArrayList<Person>();
    		personList.add(new Person("Tom", 8900, 23, "male", "New York"));
    		personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
    		personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
    
    		// 每个员工减去起征点后的薪资之和(这个例子并不严谨,但一时没想到好的例子)
    		Integer sum = personList.stream().collect(Collectors.reducing(0, Person::getSalary, (i, j) -> (i + j - 5000)));
    		System.out.println("员工扣税薪资总和:" + sum);
    
    		// stream的reduce
    		Optional<Integer> sum2 = personList.stream().map(Person::getSalary).reduce(Integer::sum);
    		System.out.println("员工薪资总和:" + sum2.get());
    	}
    }
    

    运行结果:

    员工扣税薪资总和:8700
    员工薪资总和:23700

    3.7 排序(sorted)

    sorted,中间操作。有两种排序:

    • sorted():自然排序,流中元素需实现Comparable接口
    • sorted(Comparator com):Comparator排序器自定义排序

    案例:将员工按工资由高到低(工资一样则按年龄由大到小)排序

    public class StreamTest {
    	public static void main(String[] args) {
    		List<Person> personList = new ArrayList<Person>();
    
    		personList.add(new Person("Sherry", 9000, 24, "female", "New York"));
    		personList.add(new Person("Tom", 8900, 22, "male", "Washington"));
    		personList.add(new Person("Jack", 9000, 25, "male", "Washington"));
    		personList.add(new Person("Lily", 8800, 26, "male", "New York"));
    		personList.add(new Person("Alisa", 9000, 26, "female", "New York"));
    
    		// 按工资升序排序(自然排序)
    		List<String> newList = personList.stream().sorted(Comparator.comparing(Person::getSalary)).map(Person::getName)
    				.collect(Collectors.toList());
    		// 按工资倒序排序
    		List<String> newList2 = personList.stream().sorted(Comparator.comparing(Person::getSalary).reversed())
    				.map(Person::getName).collect(Collectors.toList());
    		// 先按工资再按年龄升序排序
    		List<String> newList3 = personList.stream()
    				.sorted(Comparator.comparing(Person::getSalary).thenComparing(Person::getAge)).map(Person::getName)
    				.collect(Collectors.toList());
    		// 先按工资再按年龄自定义排序(降序)
    		List<String> newList4 = personList.stream().sorted((p1, p2) -> {
    			if (p1.getSalary() == p2.getSalary()) {
    				return p2.getAge() - p1.getAge();
    			} else {
    				return p2.getSalary() - p1.getSalary();
    			}
    		}).map(Person::getName).collect(Collectors.toList());
    
    		System.out.println("按工资升序排序:" + newList);
    		System.out.println("按工资降序排序:" + newList2);
    		System.out.println("先按工资再按年龄升序排序:" + newList3);
    		System.out.println("先按工资再按年龄自定义降序排序:" + newList4);
    	}
    }
    

    运行结果:

    按工资升序排序:[Lily, Tom, Sherry, Jack, Alisa]
    按工资降序排序:[Sherry, Jack, Alisa, Tom, Lily]
    先按工资再按年龄升序排序:[Lily, Tom, Sherry, Jack, Alisa]
    先按工资再按年龄自定义降序排序:[Alisa, Jack, Sherry, Tom, Lily]

    3.8 提取/组合

    流也可以进行合并、去重、限制、跳过等操作。
    在这里插入图片描述

    在这里插入图片描述

    在这里插入图片描述

    public class StreamTest {
    	public static void main(String[] args) {
    		String[] arr1 = { "a", "b", "c", "d" };
    		String[] arr2 = { "d", "e", "f", "g" };
    
    		Stream<String> stream1 = Stream.of(arr1);
    		Stream<String> stream2 = Stream.of(arr2);
    		// concat:合并两个流 distinct:去重
    		List<String> newList = Stream.concat(stream1, stream2).distinct().collect(Collectors.toList());
    		// limit:限制从流中获得前n个数据
    		List<Integer> collect = Stream.iterate(1, x -> x + 2).limit(10).collect(Collectors.toList());
    		// skip:跳过前n个数据
    		List<Integer> collect2 = Stream.iterate(1, x -> x + 2).skip(1).limit(5).collect(Collectors.toList());
    
    		System.out.println("流合并:" + newList);
    		System.out.println("limit:" + collect);
    		System.out.println("skip:" + collect2);
    	}
    }
    

    运行结果:

    流合并:[a, b, c, d, e, f, g]
    limit:[1, 3, 5, 7, 9, 11, 13, 15, 17, 19]
    skip:[3, 5, 7, 9, 11]

    好,以上就是全部内容,能坚持看到这里,你一定很有收获,那么动一动拿offer的小手,点个赞再走吧,听说这么做的人2021年都交了好运!

    展开全文
  • Java8集合交集操作(不看后悔系列)

    千次阅读 2019-12-18 14:33:57
    Java8集合交集操作,List和List之间取交集。

    Java8集合交集操作

    1.用到的实体类

    User.java

    public class User {
    	private Integer userId;
    	private String orgId;
    	private String name;
    	private String phone;
    	
    	public User() {
    		super();
    	}
    	
    	public User(Integer userId, String orgId, String name, String phone) {
    		super();
    		this.userId = userId;
    		this.orgId = orgId;
    		this.name = name;
    		this.phone = phone;
    	}
    
    	public Integer getUserId() {
    		return userId;
    	}
    	public void setUserId(Integer userId) {
    		this.userId = userId;
    	}
    	public String getOrgId() {
    		return orgId;
    	}
    	public void setOrgId(String orgId) {
    		this.orgId = orgId;
    	}
    	public String getName() {
    		return name;
    	}
    	public void setName(String name) {
    		this.name = name;
    	}
    	public String getPhone() {
    		return phone;
    	}
    	public void setPhone(String phone) {
    		this.phone = phone;
    	}
    	@Override
    	public String toString() {
    		return "User [userId=" + userId + ", orgId=" + orgId + ", name=" + name
    				+ ", phone=" + phone + "]";
    	}
    	
    }
    

    2.操作集合的类

    Test.java

    public class Test{
        public static void main(String[] args) {
            //第一个arrayList
            List<User> userList=new ArrayList<>();
            //第二个arrayList
            ArrayList<String> serviceCodes=new ArrayList<>();
            int i=0;
            String prefix_orgid="10086";
            for(int j=0;j<10;j++){
                userList.add(new User(i,prefix_orgid+i,"张"+i,"10086"));
                i++;
            }
            System.out.println("userList:");
            for(User user:userList){
                System.out.println(user.toString());
            }
            i=0;
            for(int j=0;j<5;j++){
                serviceCodes.add(prefix_orgid+i);
                i++;
            }
            System.out.println("serviceCodes:");
            for(String s:serviceCodes){
                System.out.println(s);
            }
            /**
             * JDK8集合新特性,取交集
             * filter跟foreach类似,如果原来是List<T>,取的就是T对象
             * 箭头后面跟的是过滤的条件
             * 过滤好了之后需要把流转回集合
             */
            List<User> filterList=userList.stream()
                    .filter(user -> serviceCodes.contains(user.getOrgId()))
                    .collect(Collectors.toList());
            System.out.println("JDK8集合过滤之后:");
            filterList.forEach(item->{
                System.out.println(item.toString());
            });
        }
    }
    

    运行截图:
    在这里插入图片描述
    在这里插入图片描述
    关注公众号,获取更多资源
    在这里插入图片描述

    每天进步一点点,开心也多一点点

    展开全文
  • Java8集合类库的批量数据操作

    千次阅读 2016-02-29 23:45:26
    第三章:Java集合类库的批量数据操作 引入批量数据操作的目的是应用lambda函数来实现包含并行操作在内的多种数据处理功能,而支持并行数据操作是其关键内容。这个并行操作是在Java7 java.util.concurrency的Fork/...

    第三章:Java集合类库的批量数据操作

    引入批量数据操作的目的是应用lambda函数来实现包含并行操作在内的多种数据处理功能,而支持并行数据操作是其关键内容。这个并行操作是在Java7 java.util.concurrency的Fork/Join机制上实现的。

    批量操作接口

    如最初在变更说明书上说的,引入批量操作接口的目的是:

    给Java集合类库增加批量操作数据的支持。通常称这种批量数据操作为 “Java中的filter/map/reduce”。批量数据操作有串行(在当前线程上)和并行(使用多线程)两种操作模式。一般用Lambda函数来定义对数据的操作。

           由于Lambda表达式已经应用到Java语言和新集合API中,因此我们可以更加高效地利用底层平台的并行特性。

    流式API

           JDK中已经增加了一个新包java.util.stream,使我们能够使用Java8集合类库执行类似filter/map/reduce的操作。

           这个流式API使我们能在数据流之上编写串行或者并行的操作,如下所示:

    List persons = ..
     //串行操作
    Stream stream=persons.stream();
     //并行操作
    Stream parallelStream=persons.parallelStream();

    处理一条数据流有点像迭代,只是一条数据流只能遍历一次,然后就结束了,然而数据流也可能是无尽的,这通常是说流是“断断续续”的-我们不能提前知道有多少流元素要处理。

           java.util.stream.Stream接口是批量数据操作的入口。我们在拿到流式接口的引用后,就可以使用集合类库做些有趣的事情了。

           关于数据流API要特别注意一点,就是在数据处理过程中不会改动源数据。这是考虑到数据源可能根本不存在,或者是由于原始数据还要在代码的其它地方使用。

    Stream源码

    数据流接口可以使用多种数据源来处理数据,使用这些流式方法扩展标准JDK类库,可以获得更好的数据处理体验。

           毫无疑问,首选的用于流式操作的数据源是集合(collections),如下所示:

    List list;
    Stream stream=list.stream();

    另外,还有一种有趣的数据源是所谓的生成器(generators),如下所示:

    Random random=new Random();
    Stream randomNumbers=Stream.generate(random::nextInt);

           有几种工具方法可以设置操作多大范围的数据:

    IntStream range =IntStream.range(0, 50, 10);
    range.forEach(System.out::println);// 0, 10, 20, 30, 40

    标准类库中也已经存在一些类可以充当数据源。例如, Random类已经扩展了一些有用的方法,如下所示:

    newRandom()
      .ints()// 随机生成一条的整数数据流
      .limit(10)// 我们只要10个随机整数
      .forEach(System.out::println);

    中间操作

    中间操作用来描述在数据流之上执行的转换操作(可以理解为一种映射操作)。filter() 和 map()是不错的中间操作的例子,它们的返回值是Stream类型,因此可以允许链式执行多个中间操作。

    以下是一些有用的中间操作:

    • filter 排除所有不满足条件的元素,具体条件通过Predicate接口来定义;
    • map 执行元素的映射转换,具体的映射方式使用Function接口定义;
    • flatMap 通过另外一种 Stream接口将每个流元素转换成零个或者更多流元素
    • peek  对遇到的每个流元素执行一些操作。
    • distinct 根据流元素的equals(..)结果排除所有重复的元素
    • sorted 使后续操作中的流元素强制按Comparator定义的比较逻辑排列。
    • limit 使后续操作只能看到有限数量的元素。
    • substream 使后续操作只能看到某个范围内的元素(使用索引)。

    中间操作中的一些,如sorted, distinct 和 limit等是有状态的,有状态的意思是这些操作返回的数据流结果依赖之前进行的操作的结果。另外,正如Javadoc上讲的,所有中间操作是“延迟执行(lazy)”的。接下来让我们更详细的了解一些中间操作。

    Filter

    数据流过滤是我们需要做的初始且固有的操作。Stream接口中有一个filter(..)方法,它以SAM类型的Predicate接口为参数,Predicate接口使我们能够使用Lambda表达式来定义过滤规则:

    List persons = ...
    Stream personsOver18 =persons.stream().filter(p ->p.getAge()>18);

    Map

           Map操作允许我们使用一个Function接口,Function接口接收一种类型的参数,然后返回其他类型。首先,我们来看看在传统方式下,使用匿名内部类是怎么定义Map操作的:

    Stream students =persons.stream()
        .filter(p ->p.getAge()>18)
        .map(new Function<Person, Student>(){
             @Override
            public Student apply(Person person){
            return new Student(person);
            }
        }
    );

    现在把上面的实现改用Lambda表达式语法,代码如下:

    Stream map =persons.stream()
        .filter(p ->p.getAge()>18)
        .map(person ->new Student(person));

    既然作为map(..)方法参数的Lambda表达式仅仅是使用了参数(person),而没有用此参数做其他操作,那么我们可以更进一步地把Lambda表达式改写为方法引用:

    Stream map =persons.stream()
        .filter(p ->p.getAge()>18)
        .map(Student::new);

    终结操作

    数据流处理过程通常包含下面几个步骤:

    1.  从某个数据源头获取到数据流;

    2.  执行像filter,map等等这样的一个或者多个中间操作;

    3.   执行一个终结操作.

    终结操作必须是最后一个在数据流上执行的操作。一旦执行了终结操作,数据流就“消耗完了”,不可再用了。

    现有如下一些可用的终结操作类型:

    • reducers ,如reduce(..), count(..), findAny(..), findFirst(..),可以终结数据流处理过程。根据意图,终结操作可以是“短路”操作(不用完整的遍历所有数据流)。例如,findFirst(..)在一遇到匹配的元素就会马上终结数据流的处理过程。
    • collectors,就像其名字表示的,用来把处理过的元素收集到一个结果集中。
    • forEach 对数据流中的每一个元素执行某个操作。
    • iterators ,如果上面的操作都不能满足我们的需求,那么还是采用iterators这种传统的集合操作方式。

    其中最有趣的终结操作类型是所谓的“收集器(collectors)”:

    收集器

    虽然抽象数据流本质上是连续的,而且我们可以定义数据流上的操作,但是要获得最终的结果,我们需要以某种方式收集到数据。数据流API提供了一些所谓的“终结”操作,而collect() 方法就是终结操作的其中一个,它使我们能够收集结果数据。

    List students =persons.stream()
        .filter(p ->p.getAge()>18)
        .map(Adult::new)
        .collect(new Collector<Student, List>(){ ... });

    幸好你在大多数情况下不需要自己实现Collector接口。为了方便起见,已经实现了一个Collectors工具类:

    List students =persons.stream()
        .filter(p ->p.getAge()>18)
        .map(Student::new)
        .collect(Collectors.toList());

    那万一我们想使用特定的收集逻辑来收集结果,可以像下面这样做:

    List students =persons.stream()
        .filter(p ->p.getAge()>18)
        .map(Student::new)
        .collect(Collectors.toCollection(ArrayList::new));

    并行和串行

    新式数据流API 的一个有意思的特性是它不要求从头到尾都一定是并行操作或者串行操作。一开始并发地处理数据,然后切换到串行处理,并回到处理流程中的任意步骤,这是可以实现的,如下所示:

    List students =persons.stream()
        .parallel()
        .filter(p ->p.getAge()>18)// 并发地执行过滤操作
        .sequential()
        .map(Student::new)
        .collect(Collectors.toCollection(ArrayList::new));

    数据处理流程中的并发操作会自治地管理自身,不需要我们来处理并发问题,这简直太酷了。

    总结和一则告别漫画

    我们在本文中讲了不久就要发布的java8的三个的主题:

    1. Lambd表达式

    2. Default 方法

    3. Java集合的批量数据操作

    就像我们看到的,Lambda表达式极大地提升的代码可读性并使Java语言更加具有表现力,尤其当我们使用新增的数据流API时。相应地,Default方法对API升级至关重要,它用来把Lambda表达式集成到集合API中,为我们使用提供便利。然而,所有新特性的终极目标却是引入并行类库和无缝地利用多核硬件的优势。

    长话短说,JVM本身是一项伟大的工程,无论你信不信,Java这个平台依然会活力无限。这些新的变化,将使我们能够以更加高效的方式充分利用Java平台和Java语言,另外也会绝好地给予批评Java的人们更多的东西去琢磨琢磨。


    ANTON ARHIPOV,ZeroTurnaround公司的JRebel产品负责人。他热爱Java,vim和IntelliJ。职业兴趣包括编程语言、中间件和建模。Anton喜爱喝茶但不喝咖啡。他的tweeter账号是@antonarhipov,也可以在 LinkedIn上找到他。

    展开全文
  • /** * ...import java.math.BigDecimal; /** * @author wencun * @date 2018年2月22日 上午9:49:37 * @version 1.0 * @since JDK 1.8 */ public class Staff { private String name; ...
  • java集合超详解

    万次阅读 多人点赞 2018-08-03 21:28:15
    一、集合大纲 1.集合和数组的区别: 2.Collection集合的方法: 3.常用集合的分类: Collection 接口的接口 对象的集合(单列集合) ├——-List 接口:元素按进入先后有序保存,可重复 │——...
  • Java集合Stream类filter的使用

    万次阅读 多人点赞 2018-05-11 11:49:42
    之前的Java集合中removeIf的使用一文写了使用removeIf来实现按条件对集合进行过滤。这篇文章使用同样是JDK1.8新加入的Stream中filter方法来实现同样的效果。
  • java8 - Lambda集合操作

    千次阅读 2017-12-20 19:16:41
    遍历集合java8之前的版本中遍历一个集合常用下面这两种方法private static void list() { for (int i = 0; i (); i++) { System.out.println(fruits.get(i)); } }private static void list1() { for (String
  • java8stream操作:从集合中获取符合条件的元素

    万次阅读 多人点赞 2018-11-22 14:19:09
    List&lt;Student&gt; students = new ArrayList&lt;&gt;(); students.add(new Student(1,"张三",90)); students.add(new Student(2,"李四",60)); students.add(new ... ...
  • java8-lambda操作数组、集合

    万次阅读 2017-04-06 11:24:45
    java8-lambda操作数组、集合
  • java8Stream操作集合进行排序和过滤

    万次阅读 2018-09-13 14:57:39
    根据集合中对象FollowIMSI中的伴随度进行倒序排列...reversed(),默认正序,reversed反转后即倒序; List firstA = listEntity.stream() .filter(collisionEntity -> collisionEntity.getMatchNums() >= 2) .collect...
  • Java8--Lambda表达式对List集合操作

    万次阅读 2018-11-15 11:45:59
    一、利用stream().forEach()遍历集合 List&lt;String&gt; list = new ArrayList&lt;String&gt;(); list.add("djk"); list.add("djk1"); list.add("djk12&...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 681,050
精华内容 272,420
关键字:

java8集合操作

java 订阅