在前面一个小节中,我们已经学习了行为参数化以及Lambda表达式,通过Lambda表达式,可以使得代码更加简洁,尤其是当一个方法只需要使用一次的时候,然而,如果Java8中只有Lambda表达式的话,那还是不足以让人感到兴奋的,个人感觉,Java8中最有意思,也是最方便的功能,莫过于Stream
了
Stream
可以翻译为流,实际上其操作也是,流操作是Java8中引入的新功能,提供了更加强大的数据迭代处理方式,通过流式写法,提供了简洁的语法,主要注意的是Stream
需要配合Lambda表达式来使用,这更加体现了行为参数化的思想,Java8通过将既定的操作封装好,同时,将对应的具体行为留给用户,极大地提高了操作的效率。
Stream
的出现,可以说是用于替代传统的容器操作的,在传统的容器操作中,当需要对容器中的某些元素进行操作的时候,我们需要迭代容器,然后筛选出合适的对象,然后再将其存放到另外的容器中,从上面的描述中,可以看到,其中的很大一部分操作:迭代容器,筛选对象,重新存放基本都是固定的,而每次都进行手动操作,显然是比较繁琐的,Stream
则提供了更加便捷的操作,只需要通过对应的操作模式,然后给出对应的条件,即可实现对既定元素的操作。
【资料图】
为了下面的操作方便,我们先构造需要的元素
// User对象class User { private Integer id; private String name; private Integer age; // 省略set,get,toString方法}// 构造数据public static ListgenerateUserData() { Random random = new Random(); List users = new ArrayList<>(); for (int i = 0; i < 1000; i++) { users.add(new User(i, "user" + i, random.nextInt(100))); } return users;}
假设现在有一个场景,我们需要从上面的列表中选取年龄大于20岁的对象,在传统的容器操作中,一般我们会这样操作
public ListgetUserOlderThan20() { List users = generateUserData(); List result = new ArrayList<>(); for (User user : users) { if (user.getAge() > 20 ) { result.add(user); } } return result;}
而在Java8中,我们可以用更加简洁的方式来实现上面的操作
public ListgetUserOlderThan20() { List users = generateUserData(); List result = users.stream() .filter(user -> user.getAge() > 20) .collect(Collectors.toList()); return result;}
或者上面的案例看上去并没有那么有优势,那么我们来看下下面的案例,根据年龄对用户进行分组,年龄在1-30为年轻人,31-60为中年人,60以上为老年人(例子例子,没有实际价值)
传统的操作,我们需要如下操作
public void groupUser() { Listusers = generateUserData(); Map > userGroup = new HashMap<>(); for (User user : users) { if (user.getAge() > 0 && user.getAge() <= 30) { List young = userGroup.get("young"); if (young == null) { young = new ArrayList<>(); userGroup.put("young", young); } userGroup.get("young").add(user); }else if (user.getAge() <= 60) { List middle = userGroup.get("middle"); if (middle == null) { middle = new ArrayList<>(); userGroup.put("middle", middle); } userGroup.get("middle").add(user); }else { List old = userGroup.get("old"); if (old == null) { old = new ArrayList<>(); userGroup.put("old", old); } userGroup.get("old").add(user); } } System.out.println(userGroup);}
可以看到,上面的操作还是挺繁琐的,而且比较容易出错,而在Java8中,我们则可以采用如下操作
public void testStream() { Listusers = generateUserData(); Map > result = users.stream() .collect(Collectors.groupingBy( user -> { if (user.getAge() > 0 && user.getAge() <= 30) { return "young"; } else if (user.getAge() <= 60) { return "middle"; } else { return "old"; }} )); System.out.println(result);}
可以看到,代码量以及自描述性的对比还是挺明显的,Stream
配合Lambda
表达式,可以使得之前比较繁琐的容器操作,变得非常简单,而且,代码本身的自解释性也更强
在前面我们已经见识到了Stream
本身的特点--流式操作以及方便性,接下来我们来详细学习Stream
的用法。
Stream
的操作可以分为两种,一种是中间操作,例如前面的filter()
操作,一种是结束操作,例如前面的collect()
操作,每一个中间操作,都返回一个Stream
,经过本次处理之后的Stream
,结束操作则产生终结,其结果要么是数字,要么是字符串,要么是集合等等,总之就不再是Stream
,也就是说,一个Stream
可以有多个中间操作,但只能有一个结束操作
中间操作
比较常用的几种中间操作列举如下,更多的内容参考API即可
filter()
,过滤操作,入参为Predicate super T> predicate
limit()
,限制操作,入参为long maxSize
skip()
,跳过操作,入参为long n
distinct()
,去重操作,没有入参,底层使用的是Set
进行去重sorted()
,排序操作,可以传入自定义的比较器Comparator super T> comparator
peek()
,检查操作,用于调试操作,入参Consumer super T> action
map()
,将Stream中的元素映射为其他元素,入参Function super T, ? extends R> mapper
mapToDouble()
,将Stream转为DoubleStream
,避免装箱机制所带来的开销mapToLong()
,将Stream转为LongStream
,避免装箱机制所带来的开销mapToInt()
,将Stream转为IntStream
,避免装箱机制所带来的开销flatMap()
,将多个Stream转为一个,注意与map()
的区别,入参Function super T, ? extends Stream extends R>> mapper
结束操作
比较常用的几个结束操作列举如下,更多的内容参考API即可
count()
,统计元素个数forEach()
,对每个元素执行操作,入参Consumer super T> action
findFirst()
,获取第一个元素findAny()
,获取任意一个元素anyMatch()
,检查元素是否至少有一个匹配,入参Predicate super T> predicate
allMatch()
,检查所有元素是否都匹配,入参Predicate super T> predicate
collect()
,将所有内容收集起来,入参Collector super T, A, R> collector
,JDK中提供了众多的Collector
的实现,所以,基本上不用自己实现groupingBy()
,将内容进行分组,有三个不同的版本groupingBy(Function super T, ? extends K> classifier)
,仅能进行一次分组groupingBy(Function super T, ? extends K> classifier, Collector super T, A, D> downstream)
,注意第二个参数可以是另一个Collector
,也就是说,可以通过多次的复合,达到多次分组,或者分组后再进行其他的操作groupingBy(Function super T, ? extends K> classifier,Supplier mapFactory, Collector super T, A, D> downstream)
,自己提供一个容器,而不是使用默认的容器counting()
,等价于前面的Stream.count()
partitioningBy()
精简版的groupingBy()
,仅能支持true
、false
两种分组joining()
,字符串连接,需要注意,如果Stream的内容本身不是字符串流,则需要先map()
操作一下,将其转为字符串流,可以指定分隔符,前缀,后缀toList()
,将结果合并为ListtoSet()
,将结果合并为SettoMap()
,将结果转为MaptoConcurrentMap()
,将结果转为并发Mapreduce()
,根据条件合并结果,可以说,上面的所有结束操作,基本上都可以通过reduce()
来实现,reduce
有三个不同形式的参数,当JDK所提供的合并操作不满足需求时,可以通过reduce
来实现自定义的合并操作T reduce(T identity, BinaryOperator accumulator)
Optional reduce(BinaryOperator accumulator)
U reduce(U identity, BiFunction accumulator, BinaryOperator combiner)
Stream操作实例
为了更好地理解上面的内容,我们通过几个小例子来实际操作一下
// 打印出年龄在30岁以上的所有用户 users.stream() .filter(user -> user.getAge() > 30) .forEach(System.out::println); // 如果换成 .count(),则是统计用户的个数 // 分组并且统计各个分组的人数 Mapcollect = users.stream() .collect(groupingBy(user -> { if (user.getAge() <= 30) { return "young"; } else if (user.getAge() <= 60) { return "middle"; } else { return "old"; } }, counting())); // 分组并且去重 Map > collect = users.stream() .collect(groupingBy(user -> { if (user.getAge() <= 30) { return "young"; } else if (user.getAge() <= 60) { return "middle"; } else { return "old"; } }, toSet()));
关于Stream的介绍,大致就到这里了,为了更好地掌握Stream,需要在实际使用中多加练习,多加研究才是
本小节主要学习了Stream的内容,通过对比Stream与传统的Collection操作,可以看出,通过Stream来操作容器,代码将变得更加简洁,而且,其可阅读行也更强,出错的概率也会更低,毕竟不用再自己关心迭代的过程,最后,通过几个简单的小例子,展示了Stream中两种不同的操作,中间操作以及结束操作,当然,关于Stream的更多内容,还是需要在实际使用中不断发现,不断研究,加油。