Java8 Stream流操作

桃扇骨 2021-06-10 20:39 600阅读 0赞

##### java8中的流式操作是一个很重要的内容 #####

![stream主要流操作][stream]  
上图列出了stream主要流操作，我们可以看到，其实流操作可以类比我们的sql语句，如filter就类似于sql的where语句，我们就知道filter是对流进行过滤的，传入了一个Predicate断言接口，过滤掉断言为false的数据。相比一起的循环迭代，移除不符合的数据，是不是更加方便。下面我们来详细说说。

###### 1、filter ######

过滤，传入一个Predicate

@Test
    	public void testFilter() { 
    		Stream<Integer> stream = Stream.iterate(2, i -> i * 2).limit(10);
    		// 过滤出小于10的数据
    		stream.filter(i -> i < 10).forEach(System.out::println);
    	}

执行结果：  
![在这里插入图片描述][20200826142154637.png_pic_center]

###### 2、Map类似于sql的select，对数据进行转换 ######

如下面的mapToObj  
 Stream mapToObj(IntFunction<? extends U> mapper);  
传入的是IntFunction函数式接口,该接口你需要实现apply接口，根据一个int值转换成对象R

@FunctionalInterface
    public interface IntFunction<R> { 
    
        /** * Applies this function to the given argument. * * @param value the function argument * @return the function result */
        R apply(int value);
    }

@Test
    	public void testMap() { 
    		/** * 结果为： * java8.test.OrderItem@64cee07[priductId=1,price=1.0,quantity=1] * java8.test.OrderItem@1761e840[priductId=2,price=2.0,quantity=2] * java8.test.OrderItem@6c629d6e[priductId=3,price=3.0,quantity=3] * java8.test.OrderItem@5ecddf8f[priductId=4,price=4.0,quantity=4] * java8.test.OrderItem@3f102e87[priductId=5,price=5.0,quantity=5] * java8.test.OrderItem@27abe2cd[priductId=6,price=6.0,quantity=6] * java8.test.OrderItem@5f5a92bb[priductId=7,price=7.0,quantity=7] * java8.test.OrderItem@6fdb1f78[priductId=8,price=8.0,quantity=8] * java8.test.OrderItem@51016012[priductId=9,price=9.0,quantity=9] * java8.test.OrderItem@29444d75[priductId=10,price=10.0,quantity=10] */
    		IntStream.rangeClosed(1, 10).mapToObj(i -> new OrderItem(Long.parseLong(Integer.toString(i)), i * 1.0, i)).forEach(System.out::println);
    
    		/** * 结果为：55 * mapToInt需要实现根据对象转为int的接口方法 */
    		Stream<OrderItem> stream = IntStream.rangeClosed(1, 10).mapToObj(i -> new OrderItem(Long.parseLong(Integer.toString(i)), i * 1.0, i));
    		System.out.println(stream.mapToInt(OrderItem::getQuantity).sum());
    	}

###### 3、flatMap主要对嵌套对象的展开成stream然后统一处理 ######

如下例中有一个订单列表，每个订单中有多个商品，先要对多笔订单中商品的总数量进行统计。  
flatMapToInt、flatMapToDouble本质上与先flatMap，再mapToInt、mapToDouble是一样的，代码长度也基本一样。

@Test
    	public void testFlatMap() { 
    		// 数据准备
    		List<OrderItem> orderItemList =
    				IntStream.rangeClosed(1, 10).mapToObj(i -> new OrderItem(Long.parseLong(Integer.toString(i)), i * 1.0
    						, i)).collect(Collectors.toList());
    		List<Order> orderList =
    				IntStream.rangeClosed(1, 10).mapToObj(i -> new Order(orderItemList)).collect(Collectors.toList());
    		// 所有明细的数量之和 flatMap
    		System.out.println(orderList.stream().flatMap(order -> order.getOrderItemList().stream()).mapToInt(OrderItem::getQuantity).sum());
    		// 所有明细的数量之和 flatMapToInt
    		System.out.println(orderList.stream().flatMapToInt(order -> order.getOrderItemList().stream().mapToInt(OrderItem::getQuantity)).sum());
    	}

###### 4、Sorted对流中的数据进行排序 Stream sorted(Comparator<? super T> comparator); ######

@Test
    	public void testSorted() { 
    		Stream<Integer> stream = Stream.iterate(2, i -> i * 2).limit(20);
    
    		// 找出大于100，但较小的前3个数
    		stream.filter(i -> i > 100).sorted(Integer::compareTo).limit(3).forEach(System.out::println);
    	}

执行结果：  
![在这里插入图片描述][20200826154258265.png_pic_center]

###### 5、distinct对流中的数据进行去重，类似sql的distinct ######

@Test
    	public void testDistinct() { 
    		Stream<Integer> stream = Stream.generate(() -> 2).limit(20);
    		stream.distinct().forEach(System.out::println);
    	}

执行结果：  
![在这里插入图片描述][20200826154815780.png_pic_center]

###### 6、Skip和limit ######

/** * Skip和limit常用来分页，skip指跳过一定数据，limit为限制多少条数据 */
    	@Test
    	public void testSkipAndLimit() { 
    		Stream<Integer> stream = Stream.iterate(2, i -> i * 2).limit(20);
    
    		// 查找前三个数据
    		stream.limit(3).forEach(System.out::println);
    
    		//查找第3到第5个数据
    		stream.skip(2).limit(3).forEach(System.out::println);
    	}

执行结果：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zNzk2ODYxMw_size_16_color_FFFFFF_t_70_pic_center]  
报错了，说stream已经打开或关闭了。说明我们创建的stream只能使用一次，每次要重新创建。这里可以采用Supplier接口实现重用，如下

/** * Skip和limit常用来分页，skip指跳过一定数据，limit为限制多少条数据 */
    	@Test
    	public void testSkipAndLimit1() { 
    		Supplier<Stream<Integer>> supplier = () -> Stream.iterate(2, i -> i * 2).limit(20);
    
    		// 查找前三个数据
    		supplier.get().limit(3).forEach(System.out::println);
    
    		//查找第3到第5个数据
    		supplier.get().skip(2).limit(3).forEach(System.out::println);
    	}

执行结果：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zNzk2ODYxMw_size_16_color_FFFFFF_t_70_pic_center 1]

###### 7、Collect操作 ######

/** * 流的终结操作，可以将流转化为list，set，map等 */
    	@Test
    	public void testCollect() { 
    		List<OrderItem> orderItemsList =
    				IntStream.rangeClosed(1, 10).mapToObj(i -> new OrderItem(Long.parseLong(Integer.toString(i))
    						, i * 1.0, i)).collect(Collectors.toList());
    
    		Set<OrderItem> orderItemsSet =
    				IntStream.rangeClosed(1, 10).mapToObj(i -> new OrderItem(Long.parseLong(Integer.toString(i))
    						, i * 1.0, i)).collect(Collectors.toSet());
    
    		Map<Long, OrderItem> orderItemsMap =
    				IntStream.rangeClosed(1, 10).mapToObj(i -> new OrderItem(Long.parseLong(Integer.toString(i))
    						, i * 1.0, i)).collect(Collectors.toMap(OrderItem::getPriductId, item -> item));
    		System.out.println(orderItemsMap.get(new Long(1)));
    	}

有关collect的操作可以参看  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zNzk2ODYxMw_size_16_color_FFFFFF_t_70_pic_center 2]

###### 7.1、groupingBy分组，结果为map。 partitioningBy是分区，结果也是map，但只有两组 ######

@Test
    	public void testGroupBy() { 
    		Supplier<Stream<Integer>> supplier = () -> Stream.iterate(1, i -> i * 3).limit(20);
    
    		// 对数字进行分组，对每个数字进行分组，所以会是20组
    		Map map = supplier.get().collect(Collectors.groupingBy(i -> i));
    
    		// 对奇数偶数进行分组 partitioningBy接受的是断言，返回的map只有两组，key分别为true和false
    		Map map1 =  supplier.get().collect(Collectors.partitioningBy(i -> (i & 1) == 0));
    	}

执行结果：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zNzk2ODYxMw_size_16_color_FFFFFF_t_70_pic_center 3]

[stream]: /images/20210518/1cae835ff1c445a39f301195d32204eb.png
[20200826142154637.png_pic_center]: /images/20210518/74d407dc89144b16be34e7836f33154a.png
[20200826154258265.png_pic_center]: /images/20210518/8f77744ac70e4fb3a424bea99d8d3c6b.png
[20200826154815780.png_pic_center]: /images/20210518/4794a31d2b634df49c509a693db00d85.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zNzk2ODYxMw_size_16_color_FFFFFF_t_70_pic_center]: /images/20210518/9d6f0a37cd8946f2b2eec430a0ea3ce5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zNzk2ODYxMw_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20210518/67950142286a4b0ab9d19beda1d4984b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zNzk2ODYxMw_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20210518/1108042845f44f04839524dcc723cc1f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zNzk2ODYxMw_size_16_color_FFFFFF_t_70_pic_center 3]: /images/20210518/7d09d216aa384dbea08110c44ff87b41.png