全面吃透JAVA Stream流操作，让代码更加的优雅

ゝ一纸荒年。 2024-04-07 14:24 108阅读 0赞

在JAVA中，涉及到对 `数组` 、 `Collection` 等集合类中的元素进行操作的时候，通常会通过 **循环的方式** 进行逐个处理，或者 **使用Stream** 的方式进行处理。

例如，现在有这么一个需求：

从给定句子中返回单词长度大于5的单词列表，按长度倒序输出，最多返回3个

在 **JAVA7及之前** 的代码中，我们会可以照如下的方式进行实现：

/**
 * 【常规方式】
 * 从给定句子中返回单词长度大于5的单词列表，按长度倒序输出，最多返回3个
 *
 * @param sentence 给定的句子，约定非空，且单词之间仅由一个空格分隔
 * @return 倒序输出符合条件的单词列表
 */
 public List<String> sortGetTop3LongWords(@NotNull String sentence) {
 // 先切割句子，获取具体的单词信息
 String[] words = sentence.split(" ");
 List<String> wordList = new ArrayList<>();
 // 循环判断单词的长度，先过滤出符合长度要求的单词
 for (String word : words) {
 if (word.length() > 5) {
 wordList.add(word);
 }
 }
 // 对符合条件的列表按照长度进行排序
 wordList.sort((o1, o2) -> o2.length() - o1.length());
 // 判断list结果长度，如果大于3则截取前三个数据的子list返回
 if (wordList.size() > 3) {
 wordList = wordList.subList(0, 3);
 }
 return wordList;
 }

在 **JAVA8及之后** 的版本中，借助Stream流，我们可以更加优雅的写出如下代码：

/**
 * 【Stream方式】
 * 从给定句子中返回单词长度大于5的单词列表，按长度倒序输出，最多返回3个
 *
 * @param sentence 给定的句子，约定非空，且单词之间仅由一个空格分隔
 * @return 倒序输出符合条件的单词列表
 */
 public List<String> sortGetTop3LongWordsByStream(@NotNull String sentence) {
 return Arrays.stream(sentence.split(" "))
 .filter(word -> word.length() > 5)
 .sorted((o1, o2) -> o2.length() - o1.length())
 .limit(3)
 .collect(Collectors.toList());
 }

直观感受上， `Stream` 的实现方式代码更加简洁、一气呵成。很多的同学在代码中也经常使用Stream流，但是对Stream流的认知往往也是仅限于会一些简单的 `filter` 、 `map` 、 `collect` 等操作，但JAVA的Stream可以适用的场景与能力远不止这些。

![255321e5395db20f3ee97e2554d6b968.gif][]

那么问题来了： Stream相较于传统的foreach的方式处理stream，到底有啥优势 ？

这里我们可以先搁置这个问题，先整体全面的了解下Stream，然后再来讨论下这个问题。

笔者结合在团队中多年的代码检视遇到的情况，结合平时项目编码实践经验，对 **Stream的核心要点与易混淆用法** 、 **典型使用场景** 等进行了详细的梳理总结，希望可以帮助大家对Stream有个更全面的认知，也可以更加高效的应用到项目开发中去。

### Stream初相识 ###

概括讲，可以将Stream流操作分为 **3种类型** ：

*  创建Stream
 *  Stream中间处理
 *  终止Steam

![213f2e20bee3e2f38a3b1ce1186357bd.png][]

每个Stream管道操作类型都包含若干API方法，先列举下各个API方法的功能介绍。

*  **开始管道**

主要负责新建一个Stream流，或者基于现有的数组、List、Set、Map等集合类型对象创建出新的Stream流。

<table> 
 <tbody> 
 <tr> 
 <td> API </td> 
 <td> 功能说明 </td> 
 </tr> 
 <tr> 
 <td> stream() </td> 
 <td> 创建出一个新的stream串行流对象 </td> 
 </tr> 
 <tr> 
 <td> parallelStream() </td> 
 <td> 创建出一个可并行执行的stream流对象 </td> 
 </tr> 
 <tr> 
 <td> Stream.of() </td> 
 <td> 通过给定的一系列元素创建一个新的Stream串行流对象 </td> 
 </tr> 
 </tbody> 
</table>

![bea6dd371fdee6dc5929ccda399ac794.gif][]

*  **中间管道**

负责对Stream进行处理操作，并返回一个新的Stream对象，中间管道操作可以进行 **叠加** 。

<table> 
 <tbody> 
 <tr> 
 <td> API </td> 
 <td> 功能说明 </td> 
 </tr> 
 <tr> 
 <td> filter() </td> 
 <td> 按照条件过滤符合要求的元素， 返回新的stream流 </td> 
 </tr> 
 <tr> 
 <td> map() </td> 
 <td> 将已有元素转换为另一个对象类型，一对一逻辑，返回新的stream流 </td> 
 </tr> 
 <tr> 
 <td> flatMap() </td> 
 <td> 将已有元素转换为另一个对象类型，一对多逻辑，即原来一个元素对象可能会转换为1个或者多个新类型的元素，返回新的stream流 </td> 
 </tr> 
 <tr> 
 <td> limit() </td> 
 <td> 仅保留集合前面指定个数的元素，返回新的stream流 </td> 
 </tr> 
 <tr> 
 <td> skip() </td> 
 <td> 跳过集合前面指定个数的元素，返回新的stream流 </td> 
 </tr> 
 <tr> 
 <td> concat() </td> 
 <td> 将两个流的数据合并起来为1个新的流，返回新的stream流 </td> 
 </tr> 
 <tr> 
 <td> distinct() </td> 
 <td> 对Stream中所有元素进行去重，返回新的stream流 </td> 
 </tr> 
 <tr> 
 <td> sorted() </td> 
 <td> 对stream中所有的元素按照指定规则进行排序，返回新的stream流 </td> 
 </tr> 
 <tr> 
 <td> peek() </td> 
 <td> 对stream流中的每个元素进行逐个遍历处理，返回处理后的stream流 </td> 
 </tr> 
 </tbody> 
</table>

![b0a78ddbc6af5664daaae50c0be82b69.gif][]

*  **终止管道**

顾名思义，通过终止管道操作之后，Stream流将 **会结束** ，最后可能会执行某些逻辑处理，或者是按照要求返回某些执行后的结果数据。

<table> 
 <tbody> 
 <tr> 
 <td> API </td> 
 <td> 功能说明 </td> 
 </tr> 
 <tr> 
 <td> count() </td> 
 <td> 返回stream处理后最终的元素个数 </td> 
 </tr> 
 <tr> 
 <td> max() </td> 
 <td> 返回stream处理后的元素最大值 </td> 
 </tr> 
 <tr> 
 <td> min() </td> 
 <td> 返回stream处理后的元素最小值 </td> 
 </tr> 
 <tr> 
 <td> findFirst() </td> 
 <td> 找到第一个符合条件的元素时则终止流处理 </td> 
 </tr> 
 <tr> 
 <td> findAny() </td> 
 <td> 找到任何一个符合条件的元素时则退出流处理，这个&nbsp;对于串行流时与findFirst相同，对于并行流时比较高效&nbsp;，任何分片中找到都会终止后续计算逻辑 </td> 
 </tr> 
 <tr> 
 <td> anyMatch() </td> 
 <td> 返回一个boolean值，类似于isContains(),用于判断是否有符合条件的元素 </td> 
 </tr> 
 <tr> 
 <td> allMatch() </td> 
 <td> 返回一个boolean值，用于判断是否所有元素都符合条件 </td> 
 </tr> 
 <tr> 
 <td> noneMatch() </td> 
 <td> 返回一个boolean值， 用于判断是否所有元素都不符合条件 </td> 
 </tr> 
 <tr> 
 <td> collect() </td> 
 <td> 将流转换为指定的类型，通过Collectors进行指定 </td> 
 </tr> 
 <tr> 
 <td> toArray() </td> 
 <td> 将流转换为数组 </td> 
 </tr> 
 <tr> 
 <td> iterator() </td> 
 <td> 将流转换为Iterator对象 </td> 
 </tr> 
 <tr> 
 <td> foreach() </td> 
 <td> 无返回值，对元素进行逐个遍历，然后执行给定的处理逻辑 </td> 
 </tr> 
 </tbody> 
</table>

### Stream方法使用 ###

#### map与flatMap ####

`map` 与 `flatMap` 都是用于转换已有的元素为其它元素，区别点在于：

*  map **必须是一对一的** ，即每个元素都只能转换为1个新的元素
 *  flatMap **可以是一对多的** ，即每个元素都可以转换为1个或者多个新的元素

![1c6e7a0be2f320e0a500625c1f3c1c4c.png][]

比如： **有一个字符串ID列表，现在需要将其转为User对象列表** 。可以使用map来实现：

/**
 * 演示map的用途：一对一转换
 */
 public void stringToIntMap() {
 List<String> ids = Arrays.asList("205", "105", "308", "469", "627", "193", "111");
 // 使用流操作
 List<User> results = ids.stream()
 .map(id -> {
 User user = new User();
 user.setId(id);
 return user;
 })
 .collect(Collectors.toList());
 System.out.println(results);
 }

执行之后，会发现每一个元素都被转换为对应新的元素，但是前后总元素个数是一致的：

[User{id='205'}, 
     User{id='105'},
     User{id='308'}, 
     User{id='469'}, 
     User{id='627'}, 
     User{id='193'}, 
     User{id='111'}]

![f60e1dbc7f298d70b1f5107a13b2668a.gif][]

再比如： 现有一个句子列表，需要将句子中每个单词都提取出来得到一个所有单词列表 。这种情况用map就搞不定了，需要 `flatMap` 上场了：

public void stringToIntFlatmap() {
 List<String> sentences = Arrays.asList("hello world","Jia Gou Wu Dao");
 // 使用流操作
 List<String> results = sentences.stream()
 .flatMap(sentence -> Arrays.stream(sentence.split(" ")))
 .collect(Collectors.toList());
 System.out.println(results);
 }

执行结果如下，可以看到结果列表中元素个数是比原始列表元素个数要多的：

[hello, world, Jia, Gou, Wu, Dao]

这里需要补充一句， `flatMap` 操作的时候其实是先每个元素处理并返回一个新的Stream，然后将多个Stream展开合并为了一个完整的新的Stream，如下：

![d2d265f3e1044b21cfce7136af95320a.png][]

#### peek和foreach方法 ####

`peek` 和 `foreach` ，都可以用于对元素进行遍历然后逐个的进行处理。

但根据前面的介绍， **peek属于中间方法** ，而 **foreach属于终止方法** 。这也就意味着peek只能作为管道中途的一个处理步骤，而没法直接执行得到结果，其后面必须还要有其它终止操作的时候才会被执行；而foreach作为无返回值的终止方法，则可以直接执行相关操作。

public void testPeekAndforeach() {
 List<String> sentences = Arrays.asList("hello world","Jia Gou Wu Dao");
 // 演示点1： 仅peek操作，最终不会执行
 System.out.println("----before peek----");
 sentences.stream().peek(sentence -> System.out.println(sentence));
 System.out.println("----after peek----");
 // 演示点2： 仅foreach操作，最终会执行
 System.out.println("----before foreach----");
 sentences.stream().forEach(sentence -> System.out.println(sentence));
 System.out.println("----after foreach----");
 // 演示点3： peek操作后面增加终止操作，peek会执行
 System.out.println("----before peek and count----");
 sentences.stream().peek(sentence -> System.out.println(sentence)).count();
 System.out.println("----after peek and count----");
 }

输出结果可以看出，peek独自调用时并没有被执行、但peek后面加上终止操作之后便可以被执行，而foreach可以直接被执行：

----before peek----
    ----after peek----
    ----before foreach----
    hello world
    Jia Gou Wu Dao
    ----after foreach----
    ----before peek and count----
    hello world
    Jia Gou Wu Dao
    ----after peek and count----

![a75f7752316e6fafa508ba7538c8891d.gif][]

#### filter、sorted、distinct、limit ####

这几个都是常用的Stream的中间操作方法，具体的方法的含义在上面的表格里面有说明。具体使用的时候， 可以根据需要选择一个或者多个进行组合使用，或者同时使用多个相同方法的组合 ：

public void testGetTargetUsers() {
 List<String> ids = Arrays.asList("205","10","308","49","627","193","111", "193");
 // 使用流操作
 List<Dept> results = ids.stream()
 .filter(s -> s.length() > 2)
 .distinct()
 .map(Integer::valueOf)
 .sorted(Comparator.comparingInt(o -> o))
 .limit(3)
 .map(id -> new Dept(id))
 .collect(Collectors.toList());
 System.out.println(results);
 }

上面的代码片段的处理逻辑很清晰：

1.  使用filter过滤掉不符合条件的数据
2.  通过distinct对存量元素进行去重操作
3.  通过map操作将字符串转成整数类型
4.  借助sorted指定按照数字大小正序排列
5.  使用limit截取排在前3位的元素
6.  又一次使用map将id转为Dept对象类型
7.  使用collect终止操作将最终处理后的数据收集到list中

输出结果：

[Dept{id=111},  Dept{id=193},  Dept{id=205}]

![2f663ced3a1c4f8fd8783640c68efdcc.gif][]

#### 简单结果终止方法 ####

按照前面介绍的，终止方法里面像 `count` 、 `max` 、 `min` 、 `findAny` 、 `findFirst` 、 `anyMatch` 、 `allMatch` 、 `noneMatch` 等方法，均属于这里说的简单结果终止方法。所谓简单，指的是其结果形式是数字、布尔值或者Optional对象值等。

public void testSimpleStopOptions() {
 List<String> ids = Arrays.asList("205", "10", "308", "49", "627", "193", "111", "193");
 // 统计stream操作后剩余的元素个数
 System.out.println(ids.stream().filter(s -> s.length() > 2).count());
 // 判断是否有元素值等于205
 System.out.println(ids.stream().filter(s -> s.length() > 2).anyMatch("205"::equals));
 // findFirst操作
 ids.stream().filter(s -> s.length() > 2)
 .findFirst()
 .ifPresent(s -> System.out.println("findFirst:" + s));
 }

执行后结果为：

6
    true
    findFirst:205

![ae2b9f37eb16fe3064cd5fa25bafcb10.gif][]

避坑提醒

这里需要补充提醒下， 一旦一个Stream被执行了终止操作之后，后续便不可以再读这个流执行其他的操作 了，否则会报错，看下面示例：

public void testHandleStreamAfterClosed() {
 List<String> ids = Arrays.asList("205", "10", "308", "49", "627", "193", "111", "193");
 Stream<String> stream = ids.stream().filter(s -> s.length() > 2);
 // 统计stream操作后剩余的元素个数
 System.out.println(stream.count());
 System.out.println("-----下面会报错-----");
 // 判断是否有元素值等于205
 try {
 System.out.println(stream.anyMatch("205"::equals));
 } catch (Exception e) {
 e.printStackTrace();
 }
 System.out.println("-----上面会报错-----");
 }

执行的时候，结果如下：

-----下面会报错-----
    java.lang.IllegalStateException: stream has already been operated upon or closed
      at java.util.stream.AbstractPipeline.eval（AbstractPipeline.java:229)
      at java.util.stream.ReferencePipeline.anyMatch(ReferencePipeline.java:449)
      at com.veezean.skills.stream.StreamService.testHandleStreamAfterClosed(StreamService.java:153)
      at com.veezean.skills.stream.StreamService.main(StreamService.java:176)
    -----上面会报错-----

因为stream已经被执行 `count()` 终止方法了，所以对stream再执行 `anyMatch` 方法的时候，就会报错 `stream has already been operated upon or closed` ，这一点在使用的时候需要特别注意。

![83c760e696daa9cf4d0a6e9563ae2ebb.gif][]

#### 结果收集终止方法 ####

因为Stream主要用于对集合数据的处理场景，所以除了上面几种获取简单结果的终止方法之外，更多的场景是获取一个集合类的结果对象，比如List、Set或者HashMap等。

这里就需要 `collect` 方法出场了，它可以支持生成如下类型的结果数据：

集合类
    字符串进行拼接
    数据批量运算统计

![24adfc23d6ee52a5f0f6f135561f3b02.gif][]

生成集合

应该算是collect最常被使用到的一个场景了：

public void testCollectStopOptions() {
 List<Dept> ids = Arrays.asList(new Dept(17), new Dept(22), new Dept(23));
 // collect成list
 List<Dept> collectList = ids.stream().filter(dept -> dept.getId() > 20)
 .collect(Collectors.toList());
 System.out.println("collectList:" + collectList);
 // collect成Set
 Set<Dept> collectSet = ids.stream().filter(dept -> dept.getId() > 20)
 .collect(Collectors.toSet());
 System.out.println("collectSet:" + collectSet);
 // collect成HashMap，key为id，value为Dept对象
 Map<Integer, Dept> collectMap = ids.stream().filter(dept -> dept.getId() > 20)
 .collect(Collectors.toMap(Dept::getId, dept -> dept));
 System.out.println("collectMap:" + collectMap);
 }

结果如下：

collectList:[Dept{id=22}, Dept{id=23}]
    collectSet:[Dept{id=23}, Dept{id=22}]
    collectMap:{22=Dept{id=22}, 23=Dept{id=23}}

![c206eeb2dccdca33c5d375013b6dfc8c.gif][]

生成拼接字符串

将一个List或者数组中的值拼接到一个字符串里并以逗号分隔开，这个场景相信大家都不陌生吧？

如果通过 `for` 循环和 `StringBuilder` 去循环拼接，还得考虑下最后一个逗号如何处理的问题，很繁琐:

public void testForJoinStrings() {
 List<String> ids = Arrays.asList("205", "10", "308", "49", "627", "193", "111", "193");
 StringBuilder builder = new StringBuilder();
 for (String id : ids) {
 builder.append(id).append(',');
 }
 // 去掉末尾多拼接的逗号
 builder.deleteCharAt(builder.length() - 1);
 System.out.println("拼接后：" + builder.toString());
 }

但是现在有了Stream，使用 `collect` 可以轻而易举的实现：

public void testCollectJoinStrings() {
 List<String> ids = Arrays.asList("205", "10", "308", "49", "627", "193", "111", "193");
 String joinResult = ids.stream().collect(Collectors.joining(","));
 System.out.println("拼接后：" + joinResult);
 }

两种方式都可以得到完全相同的结果，但Stream的方式更优雅：

拼接后：205,10,308,49,627,193,111,193

![28da1aad2f32d81dc648524d52bb4151.gif][]

数据批量数学运算

还有一种场景，实际使用的时候可能会比较少，就是使用collect生成数字数据的总和信息，也可以了解下实现方式：

public void testNumberCalculate() {
 List<Integer> ids = Arrays.asList(10, 20, 30, 40, 50);
 // 计算平均值
 Double average = ids.stream().collect(Collectors.averagingInt(value -> value));
 System.out.println("平均值：" + average);
 // 数据统计信息
 IntSummaryStatistics summary = ids.stream().collect(Collectors.summarizingInt(value -> value));
 System.out.println("数据统计信息： " + summary);
 }

上面的例子中，使用collect方法来对list中元素值进行数学运算，结果如下：

平均值：30.0
    总和： IntSummaryStatistics{count=5, sum=150, min=10, average=30.000000, max=50}

![4d5cb0eda5d420794b8f0dff4ba62b8e.gif][]

### 并行Stream ###

#### 机制说明 ####

使用并行流，可以有效利用计算机的多CPU硬件，提升逻辑的执行速度。并行流通过将一整个stream划分为 `多个片段` ，然后对各个分片流并行执行处理逻辑，最后将各个分片流的执行结果汇总为一个整体流。

![091c6c7c38f97941fe94f368e8f0527d.png][]

#### 约束与限制 ####

并行流类似于多线程在并行处理，所以与多线程场景相关的一些问题同样会存在，比如死锁等问题，所以在并行流终止执行的函数逻辑，必须要保证 **线程安全** 。

![3fbc695e32735eb38e8e92ddcbf00f9a.gif][]

### 回答最初的问题 ###

到这里，关于JAVA Stream的相关概念与用法介绍，基本就讲完了。我们再把焦点切回本文刚开始时提及的一个问题：

Stream相较于传统的foreach的方式处理stream，到底有啥优势？

根据前面的介绍，我们应该可以得出如下几点答案：

*  **代码更简洁** 、偏声明式的编码风格，更容易体现出代码的逻辑意图
 *  **逻辑间解耦** ，一个stream中间处理逻辑，无需关注上游与下游的内容，只需要按约定实现自身逻辑即可
 *  并行流场景 **效率** 会比迭代器逐个循环更高
 *  函数式接口， **延迟执行** 的特性，中间管道操作不管有多少步骤都不会立即执行，只有遇到终止操作的时候才会开始执行，可以避免一些中间不必要的操作消耗

当然了，Stream也不全是优点，在有些方面也有其弊端：

*  代码调测debug不便
 *  程序员从历史写法切换到Stream时，需要一定的适应时间

![303391e8befbfe1d2b104f5e05743fca.gif][]

### 总结 ###

好啦，关于JAVA Stream的理解要点与使用技能的阐述就先到这里啦。那通过上面的介绍，各位小伙伴们是否已经跃跃欲试了呢？快去项目中使用体验下吧！当然啦，如果有疑问，也欢迎找我一起探讨探讨咯。

此外：

*  关于 Stream中collect的分组、分片等进阶操作，以及对并行流的深入探讨 ，因为涉及内容比较多且相对独立， **我会在后续的文档中展开专门介绍下** ，如果有兴趣的话，可以点个关注、避免迷路。

[255321e5395db20f3ee97e2554d6b968.gif]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/07/e54b25e787454732935863cc237e3e1b.gif
[213f2e20bee3e2f38a3b1ce1186357bd.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/07/e6ea8888501548b9a0eded9aa39aa736.png
[bea6dd371fdee6dc5929ccda399ac794.gif]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/07/b3ca398b825040049f262dc1d4846452.gif
[b0a78ddbc6af5664daaae50c0be82b69.gif]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/07/277268cd4aed42e9aa56390176b2d944.gif
[1c6e7a0be2f320e0a500625c1f3c1c4c.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/07/3c6b9316c3aa4a1d9f9f81d811589a19.png
[f60e1dbc7f298d70b1f5107a13b2668a.gif]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/07/0b20ae247ec34ba6bfd098d60eeef8dc.gif
[d2d265f3e1044b21cfce7136af95320a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/07/a2752bfcd423442c9d4738eea8cd397b.png
[a75f7752316e6fafa508ba7538c8891d.gif]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/07/f739903155a74510abb3fa66e4fda823.gif
[2f663ced3a1c4f8fd8783640c68efdcc.gif]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/07/6bfa1aac69b643589cf31aed9a31afe2.gif
[ae2b9f37eb16fe3064cd5fa25bafcb10.gif]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/07/85bb72825ee04804a804410b369c03b0.gif
[83c760e696daa9cf4d0a6e9563ae2ebb.gif]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/07/a968107c03a84e3397450e7d4b66cfe1.gif
[24adfc23d6ee52a5f0f6f135561f3b02.gif]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/07/ba60b7e4107640139b17d9d398b068b9.gif
[c206eeb2dccdca33c5d375013b6dfc8c.gif]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/07/767e36b334e7491b87c608c631574216.gif
[28da1aad2f32d81dc648524d52bb4151.gif]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/07/ac28ade059dc4ae78b75578e22d7e9d8.gif
[4d5cb0eda5d420794b8f0dff4ba62b8e.gif]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/07/4ffbda4b68ef43d2b9e0cec11946adba.gif
[091c6c7c38f97941fe94f368e8f0527d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/07/54795671875943a88da6751728c90fa3.png
[3fbc695e32735eb38e8e92ddcbf00f9a.gif]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/07/a63e2905be35404ab51af0ed8fd03e83.gif
[303391e8befbfe1d2b104f5e05743fca.gif]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/07/8b19d38a16c54e96a0da6d31318f952e.gif