• 【如何亮剑】用例子讲解Stream


    这是我参与11月更文挑战的第28天,活动详情查看:2021最后一次更文挑战

    姊妹篇: # 小朋友, 好好学学lambda表达式吧!

    引言

    先从一个例子开始,看看为什么在Java8中要引入流(Stream)?

    比如实现这么一个需求:在学生集合中查找男生的数量。

    传统的写法为:

    public long getCountsOfMaleStudent(List<Student> students) {
        long count = 0;
        for (Student student : students) {
            if (student.isMale()) {
                count++;
            }
        }
        return count;
    }
    复制代码

    看似没什么问题,因为我们写过太多类似的**”样板”代码**,尽管智能的IDE通过code template功能让这一枯燥过程变得简化,但终究不能改变冗余代码的本质。

    再看看使用流的写法:

    public long getCountsOfMaleStudent(List<Student> students) {
        return students.stream().filter(Student::isMale).count();
    }
    复制代码

    一行代码就把问题解决了!

    虽然读者可能还不太熟悉流的语法特性,但这正是函数式编程思想的体现:

    • 回归问题本质,按照心智模型思考问题。
    • 延迟加载。
    • 简化代码。

    下面正式进入流的介绍。

    创建流

    创建流的方式可以有很多种,其中最常见的方式是通过Collection的Stream()方法或者Arrays的Stream()方法来生成流。 比如:

    List<Integer> numbers = Arrays.asList(1, 2, 3);
    Stream<Integer> numberStream = numbers.stream();
    

    String[] words = new String[]{"one", "two"};
    Stream<String> wordsStream = Arrays.stream(words);
    复制代码

    当然Stream接口本身也提供了许多和流相关的操作。

    // 创建流
    Stream<Integer> numbers = Stream.of(1, 2, 3);
    // 创建空流
    Stream<String> emptyStream = Stream.empty();
    // 创建一个元素为“hi”的无限流
    Stream<String> infiniteString = Stream.generate(() -> "hi");
    // 创建一个从0开始的递增无限流
    Stream<BigInteger> integers = Stream.iterate(BigInteger.ZERO, n -> n.add(BigInteger.ONE));
    复制代码

    其中Stream.generate()Stream.iterate()产生的都是无限流,如果要把他们截取为有限流,可以使用limit()方法, 比如:

    Stream<Double> top10 = Stream.generate(Math::random).limit(10);
    复制代码

    另外,可以通过skip()方法跳过元素,concat()方法连接两个流。

    // 3, 4
    Stream<Integer> skipedStream = Stream.of(1, 2, 3, 4).skip(2);
    // hello,world
    Stream<String> concatedStream = Stream.concat(Stream.of("hello"), Stream.of(",world")); 
    复制代码

    常用的流操作

    filter

    filter()方法的作用就是根据输入的条件表达式过滤元素。

    接口定义如下:

    Stream<T> filter(Predicate<? super T> predicate);
    复制代码

    从中可以看出,输入参数是一个Predicate,也即是一个条件表达式。

    一个例子:

    Stream.of("a", "1b", "c", "0x").filter(value -> isDigit(value.charAt(0)));
    复制代码

    过滤出第一个字符是数字的元素。

    输出结果为:

    1b, 0x

    map

    map()的主要作用是通过映射函数转换成新的数据。 接口定义如下:

    <R> Stream<R> map(Function<? super T, ? extends R> mapper);
    复制代码

    从中可以看出,输入参数是一个Function。 一个例子:

    Stream.of("a", "b", "c").map(String::toUpperCase);
    复制代码

    把字符串转换成大写。 输出结果:

    A, B, C

    flatMap

    flatMap()的作用类似于map(),但它通过Function返回的依然是一个Stream,也即是把多个Stream转换成一个扁平的Stream。 接口定义如下:

    <R> Stream<R> flatMap(Function<? super T, ? extends Stream<? extends R>> mapper);
    复制代码

    一个例子:

    Stream<List<Integer>> listStream = Stream.of(asList(1, 2), asList(3, 4));
    Stream<Integer> integerStream = listStream.flatMap(numbers -> numbers.stream());
    复制代码

    它把两个list组成的Stream转成一个包含全部元素的Stream。 输出:

    [1, 2, 3, 4]

    有状态的转换

    在前面介绍的函数中,无论是map还是filter,都不会改变流的状态,也即结果并不依赖之前的元素。 除此之外,Java8也提供了有状态的转换,常用的操作是distinct和sorted。

    distinct

    distinct()的主要作用是去除流中的重复元素。和Oracle的distinct一个作用。 举例如下:

    Stream<String> distinctStream = Stream.of("one", "one", "two", "three").distinct();
    复制代码

    去除字符串中的重复元素,返回结果为:

    one, two, three

    sorted

    sorted()的主要作用是对流按照指定的条件进行排序。 接口定义如下:

    Stream<T> sorted(Comparator<? super T> comparator);
    复制代码

    从中可以看出,入参是一个Comparator,也即是一个函数式接口。 一个例子:

    Stream<String> sortedStream = Stream.of("one", "two","three").sorted(Comparator.comparing(String::length).reversed());
    复制代码

    对字符串按照长度进行降序排列。

    注意,这里使用了Comparator.comparing方法来简化调用。

    输出结果为:

    [three, one, two]

    Optional类型

    在介绍下个主题前,先介绍一个Java8新增的数据结构:Optional。 Optional的主要作用是对结果进行了封装,结果可能有值,也可能没有值,并且对结果可以进行后续处理,比如添加默认值,映射其他值,抛出异常等。

    下面是常用的操作举例:

    // 生成了一个Optional数据
    Optional<String> maxStrOpt = Stream.of("one", "two", "three").max(String::compareToIgnoreCase);
    // 如果值存在的情况下,把数据添加到List中
    ArrayList<String> result = new ArrayList<String>();maxStrOpt.ifPresent(result::add);
    // 把结果映射为大写,然后取出。
    Optional<String> upperResult = maxStrOpt.map(String::toUpperCase);System.out.println(upperResult.get());
    // 值为空的情况下的后续处理
    maxStrOpt.orElse(""); 
    // 添加默认值""
    maxStrOpt.orElseGet(() -> System.getProperty("user.dir")); 
    // 通过表达式返回结果
    maxStrOpt.orElseThrow(RuntimeException::new); // 抛出异常
    复制代码

    聚合操作

    之前介绍的函数都是返回的Stream,根据Stream延迟加载的特性,它是不会真正执行的,只有在做了本节的聚合操作以及后续章节介绍的收集操作后,才会真正执行。

    所谓聚合操作就是把一组数据通过操作聚合为一个结果的过程。

    下面介绍常用的聚合操作:

    count

    count()的作用是统计元素的总数,很多时候需要配合filter一起使用。 一个例子:

    long count = Stream.of("one", "two", "three").filter(word->word.contains("o")).count();
    复制代码

    统计字符流中包含字符o的单词数量。 结果:

    2

    max/min

    max/min()的主要作用是取得元素的最大值/最小值。 接口定义如下:

    Optional<T> max(Comparator<? super T> comparator);
    Optional<T> min(Comparator<? super T> comparator);
    复制代码

    从中可以看出,入参是一个Comparator函数式结果,返回的是一个Optional。 一个例子:

    Optional<String> maxStrOpt = Stream.of("one", "two", "three").max(String::compareToIgnoreCase);System.out.println(maxStrOpt.get());
    复制代码

    按照字母表比较,统计最大值,结果为:

    two

    findFirst/findAny

    findFirst()的主要作用是找到第一个匹配的结果。 findAny()的主要作用是找到找到任意匹配的一个结果。它在并行流中特别有效,因为只要在任何分片上找到一个匹配元素,整个计算就会结束。

    返回结果都是Optional。

    接口定义如下:

    Optional<T> findFirst();
    Optional<T> findAny();
    复制代码

    一个例子:

    Optional<String> findFirstResult = Stream.of("one", "two", "three").filter(word -> word.contains("o").findFirst();
    System.out.println(findFirstResult.get());
    Optional<String> findAnyResult = Stream.of("one", "two", "three").filter(word -> word.contains("t").findAny();
    System.out.println(findAnyResult.get());
    复制代码

    结果为:

    one two

    anyMatch/allMatch/noneMatch

    如果只关心是否匹配成功,即返回boolean结果,则可以使用anyMatch/allMatch/noneMatch函数。 接口定义如下:

    boolean anyMatch(Predicate<? super T> predicate);
    boolean allMatch(Predicate<? super T> predicate);
    boolean noneMatch(Predicate<? super T> predicate);
    复制代码

    其中, anyMatch表示任意匹配(or); allMatch表示全部匹配(and); noneMatch表示不匹配(not)。

    一个例子:

    boolean anyMatch = Stream.of("one", "two", "three").anyMatch(word -> word.contains("o"));
    

    boolean allMatch = Stream.of("one", "two", "three").allMatch(word -> word.contains("o"));

    boolean noneMatch = Stream.of("one", "two", "three").noneMatch(word -> word.contains("o");

    System.out.println(anyMatch + ", " + allMatch + ", " + noneMatch);
    复制代码

    结果为:

    true, false, false

    reduce

    reduce()主要进行归约操作,它提供了三种不同的用法。

    用法1: 接口定义:

    Optional<T> reduce(BinaryOperator<T> accumulator);
    复制代码

    它主要接收一个BinaryOperator的累加器,返回Optional类型。

    一个例子:

    Optional<Integer> sum1 = Stream.of(1, 2, 3).reduce((x, y) -> x + y);System.out.println(sum1.get());
    复制代码

    对数字流求和,结果为:

    6

    用法2: 接口定义:

    T reduce(T identity, BinaryOperator<T> accumulator);
    复制代码

    和上一个方法不一样的地方是:它提供了一个初始值identity,这样就保证整个计算结果时不可能为空,所以不再返回Optional,直接返回对应的类型T。

    一个例子:

    Integer sum2 = Stream.of(1, 2, 3).reduce(10, (x, y) -> x + y);System.out.println(sum2);
    复制代码

    结果为:

    16

    用法3:

    接口定义:

    <U > U reduce(U identity, BiFunction < U, ? super T, U > accumulator, BinaryOperator < U > combiner);
    复制代码

    这是最复杂的一种用法,它主要用于把元素转换成不同的数据类型。 accumulator是累加器,主要进行累加操作,combiner是把不同分段的数据组合起来(并行流场景)。

    一个例子:

    Integer sum3 = Stream.of("on", "off").reduce(0, (total, word) -> total + word.length(), (x, y) -> x + y);
    

    System.out.println(sum3);
    复制代码

    统计元素的单词长度,并累加在一起,结果为:

    5

    收集操作 (collect)

    collect()方法主要用于把流转换成其他的数据类型。

    转换成集合

    可以通过Collectors.toList()/toSet()/toCollection()方法转成List,Set,以及指定的集合类型。 一个例子:

    List<Integer> numbers = asList(1, 2, 3, 4, 5);
    // 转换成List
    List<Integer> numberList = numbers.stream().collect(toList());
    // 转换成Set
    Set<Integer> numberSet = numbers.stream().collect(toSet());
    // 通过toCollection转成TreeSet
    TreeSet<Integer> numberTreeSet = numbers.stream().collect(Collectors.toCollection(TreeSet::new));
    复制代码

    注:

    • 这里对类似Collectors.toList的方法实施了静态导入。
    • toList()默认转成ArrayList,toSet()默认转成HashSet,如果这两种数据类型都不满足要求的话,可以通过toCollectio()方法转成需要的集合类型。

    转换成值

    除了转成集合外,还可以把结果转成值。 常用的转换函数包括:

    • Collectors.summarizingInt()/summarizingLong()/summarizingDouble() // 获取统计信息,进行求和、平均、数量、最大值、最小值。
    • Collectors.maxBy()/minBy() // 求最大值/最小值
    • Collectors.counting() // 求数量
    • Collectors.summingInt()/summingLong()/summingDouble() // 求和
    • Collectors.averagingInt()/averagingDouble()/averagingDouble() // 求平均
    • Collectors.joining() // 对字符串进行连接操作

    一个例子:

    List<String> wordList = Arrays.asList("one", "two", "three");
    // 获取统计信息,打印平均和最大值
    IntSummaryStatistics summary = wordList.stream().collect(summarizingInt(String::length));
    System.out.println(summary.getAverage() + ", " + summary.getMax());
    // 获取单词的平均长度
    Double averageLength = wordList.stream().collect(averagingInt(String::length));
    // 获取最大的单词长度
    Optional<String> maxLength = wordList.stream().collect(maxBy(Comparator.comparing(String::length)));
    复制代码

    这些方法的共同特点是:返回的数据类型都是Collector。虽然可以单独在Collect()方法中使用,但实际却很少这样用(毕竟Stream本身也提供了类似的方法),它更常用的用法是配合groupingBy()方法一起使用,以便对分组后的数据进行二次加工。

    分区操作(partitioningBy)

    partitioningBy操作是基于collect操作完成的,它会根据条件对流进行分区操作,返回一个Map,Key是boolean型,Value是对应分区的List,也就是说结果只有符合条件和不符合条件两种。 接口定义如下:

    public static <T> Collector<T, ?, Map<Boolean, List<T>>> partitioningBy(Predicate<? super T> predicate)
    复制代码

    一个例子:

    public Map<Boolean, List<Student>> maleAndFemaieStudents(Stream<Student> students) {   		return students.collect(Collectors.partitioningBy(student -> student.isMale()));
    }
    复制代码

    按性别对学生流进行分区,结果保存在Map中。

    分组操作(groupingBy)

    groupingBy操作也是基于collect操作完成的,功能是根据条件进行分组操作,他和partitioningBy不同的一点是,它的输入是一个Function,这样返回结果的Map中的Key就不再是boolean型,而是符合条件的分组值,使用场景会更广泛。

    接口定义如下:

    public static <T, K> Collector<T, ?, Map<K, List<T>>> groupingBy(Function<? super T, ? extends K> classifier)
    复制代码

    一个例子

    public Map<String, List<Student>> studentByName(Stream<Student> students) {
        return students.collect(Collectors.groupingBy(student -> student.getName()));
    }
    复制代码

    按照学生的姓名进行分组。 之前也提过,groupingBy函数可以配合聚合函数做更复杂的操作。 下面介绍几种常见的使用场景:

    按照城市所在的州进行分组,再统计数量。

    public Map<String, Long> stateToCount(Stream<City> cities) {
        return cities.collect(groupingBy(City::getState, counting()));
    }
    复制代码

    按照城市所在的州进行分组,再统计人口总数。

    public Map<String, Integer> stateToCityPopulation(Stream<City> cities) {
        return cities.collect(groupingBy(City::getState, summingInt(City::getPopulation)));
    }
    复制代码

    按照城市所在的州进行分组,再找出每州人口最多的城市。

    public Map<String, City> stateToLargestCity(Stream<City> cities) {
        return cities.collect(groupingBy(City::getState, maxBy(Comparator.comparing(City::getPopulation))));
    }
    复制代码

    按照城市所在的州进行分组,再找出每州城市名最长的名称。

    public Map<String, Optional<String>> stateToLongestCityName(Stream<City> cities) {
        return cities.collect(groupingBy(City::getState, mapping(City::getName, maxBy(Comparator.comparing(String::length)))));
    }
    复制代码

    按照城市所在的州进行分组,再按照人口获取统计信息。利用统计信息可以执行求和、平均、数量、最大/最小值

    public Map<String, IntSummaryStatistics> stateToCityPopulationSummary(Stream<City> cities) {
        return cities.collect(groupingBy(City::getState, summarizingInt(City::getPopulation)));
    }
    复制代码

    按照城市所在的州进行分组,再把每州的城市名连接起来

    public Map<String, String> stateToCityNames(Stream<City> cities) {
        return cities.collect(groupingBy(City::getState, reducing("", City::getName, (s, t) -> s.length() == 0 ? t : s + ", " + t)));
    }
    复制代码

    按照城市所在的州进行分组,再把每州的城市名连接起来,使用joining函数。

    public Map<String, String> stateToCityNames2(Stream<City> cities) {
        return cities.collect(groupingBy(City::getState, mapping(City::getName, joining(", "))));
    }
    复制代码

    从以上例子可以看出,groupingBy函数配合聚合函数可以组成表示出很复杂的应用场景。

    基本类型流(IntStream,LongStream,DoubleStream)

    在前面介绍的流中,都是使用的Stream配合泛型来标示元素类型的。 Java8中还为基本数据类型提供了更直接的流方式,以简化使用。

    • 对于byte,short,int,char,booelan类型可以使用IntStream
    • 对于long类型可以使用LongStream
    • 对于float和Double类型可以使用DoubleStream

    创建基本类型流的例子:

    IntStream intStream = IntStream.of(1, 2, 3);
    // 不包含上限10
    IntStream rangeStream = IntStream.range(1, 10);
    // 包含上限10
    IntStream rangeClosedStream = IntStream.rangeClosed(1, 10);  
    复制代码

    基本类型流还直接提供了sum, average, max, min等在Stream中并没有的方法。 还有一个mapToInt/mapToLong/mapToDouble方法把流转成基本类型流。 利用这两个个特性,可以方便执行某些操作,再看一个例子。

    Stream<String> twoWords = Stream.of("one", "two");
    int twoWordsLength = twoWords.mapToInt(String::length).sum();
    复制代码

    对原始字符串流统计字符总长度。

    在文件操作中使用流

    文件操作也是我们平时用的比较多的一种操作,利用流也可以帮助我们简化操作。

    访问目录和过滤

    Files.list(Paths.get(".")).forEach(System.out::println);Files.list(Paths.get(".")).filter(Files::isDirectory);
    复制代码

    按扩展名过滤文件

    Files.newDirectoryStream(Paths.get("."), path -> path.toString().endsWith("md")).forEach(System.out::println);File[] textFiles = new File(".").listFiles(path -> path.toString().endsWith("txt"));
    复制代码

    访问子目录

    List<File> allFiles = Stream.of(new File(".").listFiles()).flatMap(file -> file.listFiles() == null ? Stream.of(file) : Stream.of(file.listFiles())).collect(toList());
    复制代码

    小结

    Stream 是 Java8 中处理集合的关键抽象概念,它可以指定对集合进行的操作,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。详细的API可以参见下面脑图:

    来源:https://juejin.cn/post/7036359205657280543
  • 相关阅读:
    ACTIVE OBJECT 模式
    Node.js
    WordPress — 突破性能瓶颈,使用 WordPress 站群做 SEO 推广
    HttpRequest.Item 属性 和 HttpRequest.QueryString 属性的区别!
    Regex.Replace 方法的性能!(090625最新修改)
    FACTORY 模式
    Indexof String By Byte[]
    [11]DIP:依赖倒置原则
    C#.Net Winform skin 皮肤 大全(转)
    C# 情缘
  • 原文地址:https://www.cnblogs.com/konglxblog/p/16476029.html
Copyright © 2020-2023  润新知