Java8中Stream流的用法示例大全

╰+哭是因爲堅強的太久メ 2023-10-07 17:33 42阅读 0赞

**Stream流是Java8新添加的一种声明的方式处理数据方式，Stream使用一种类似用SQL语句从数据库查询数据的直观方式来提供一种对Java集合运算和表达的高阶抽象。支持筛选、排序、聚合等。对于任何一项技术，每个人都有自己独到的见解，有些人习惯在理论上分析，有些人习惯在实践中提升，这都不影响我们灵活运用这项技术。我这边通过一个方法整理出日常开发中经常用到Stream的技术点，说实话，对于常规的数据处理，真的太方便了~**

**首先，做个拓展，从一个txt中读数据，作为一名优秀的程序员，不能一直拘泥于在数据库中读数据啊。。。**

在项目的根目录下，放入我们的数据源  
![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBASm9uIFlvdW5n_size_20_color_FFFFFF_t_70_g_se_x_16]  
打开txt，数据是这样子的：  
![在这里插入图片描述][19811fefedae47018006a27e2c241749.png]  
构造一个实体，用来解析数据：

@Data
    @ToString
    @Builder
    public class User {
        
        private Long userId;
        private String name;
        private String sex;
        private Long age;
        private Long score;
        private String city;
    }

然后，我们就可以通过下面这个方法，获取数据源，大胆测试啦！

public static List<User> getUserList(){
        
        List<User> users = Lists.newArrayList();
        try {
        
            FileInputStream out = new FileInputStream(System.getProperty("user.dir") + File.separator + "test.txt");
            InputStreamReader reader = new InputStreamReader(out, StandardCharsets.UTF_8);
            BufferedReader in = new BufferedReader(reader);
            String line = null;
            while ((line = in.readLine()) != null) {
        
                String newline = line.replaceAll("[\t]", " ");
                String[] arr = newline.split(" ");
                Long userId = Long.valueOf(arr[0]);
                String name = arr[1];
                String sex = arr[2];
                Long age = Long.valueOf(arr[3]);
                Long score = Long.valueOf(arr[4]);
                String city = arr[5];
                User user = User.builder().userId(userId).name(name).sex(sex).age(age).score(score).city(city).build();
                users.add(user);
            }
        } catch (IOException e) {
        
            e.printStackTrace();
        }
        return users;
    }

**接下来，我们的重点来了，以下是我们Stream的应用实例，看看如何？**

public static void main(String[] args) {
        
        List<User> users = getUserList();
        System.out.println(">>>打印原始集合："+users.toString());
        System.out.println("******************************************************************");
        //1、map的用法，通过map可以构造出新的对象或属性返回。例如：通过Stream.map获取年龄的集合
        List<Long> ages = users.stream().map(item -> {
        
            return item.getAge();
        }).collect(Collectors.toList());
        System.out.println(">>>通过map获取到年龄的集合："+ages.toString());
        System.out.println("******************************************************************");
        //2、filter的用法，通过设置的条件过滤出元素
        //2-1 获取性别为女的集合
        List<User> females = users.stream().filter(item -> item.getSex().equals("女")).collect(Collectors.toList());
        System.out.println(">>>通过filter获取到性别为女的集合："+females.toString());
        //2-2 获取性别为女的数量
        Long femaleCount = users.stream().filter(item -> item.getSex().equals("女")).count();
        System.out.println(">>>通过filter获取到性别为女的数量："+femaleCount);
        //2-3 获取姓名为邢道荣的对象
        User user1 = users.stream().filter(item -> item.getName().equals("邢道荣")).findFirst().get();
        System.out.println(">>>通过filter获取到姓名为邢道荣的对象："+user1.toString());
        //2-4 filter+map聚合获取姓名为邢道荣的分数
        Long score1 = users.stream().filter(item -> item.getName().equals("邢道荣")).map(item -> {
        
            return item.getScore();
        }).findFirst().get();
        System.out.println(">>>通过filter+map聚合获取到姓名为邢道荣的分数："+score1);
        System.out.println("******************************************************************");
        //3、sorted的用法，可以快读对list排序
        //3-1 按照年龄升序对集合排序
        List<User> ageAscs = users.stream().sorted(Comparator.comparing(User::getAge)).collect(Collectors.toList());
        System.out.println(">>>通过sorted按照年龄升序对集合排序："+ageAscs.toString());
        //3-2 按照分数降序对集合排序
        List<User> scoDescs = users.stream().sorted(Comparator.comparing(User::getScore,Comparator.reverseOrder()))
                .collect(Collectors.toList());
        System.out.println(">>>通过sorted按照分数降序对集合排序："+scoDescs.toString());
        //3-3 混合排序，按照分数升序、年龄降序对集合排序
        List<User> scoAscs = users.stream().sorted(Comparator.comparing(User::getScore)
                .thenComparing(User::getAge,Comparator.reverseOrder())).collect(Collectors.toList());
        System.out.println(">>>通过sorted按照分数升序、年龄降序对集合排序："+scoAscs.toString());
        System.out.println("******************************************************************");
        //4、groupingBy的用法，可以根据某字段（或多个字段）把List分类成Map嵌套List的结构，把List按照字段归类
        //4-1 按照性别对集合归类
        Map<String, List<User>> map1 = users.stream().collect(Collectors.groupingBy(User::getSex));
        System.out.println(">>>通过groupingBy按照性别对集合归类："+map1.toString());
        //4-2 先按照性别、再按照城市对集合归类
        Map<String, Map<String, List<User>>> map2 = users.stream().collect(Collectors.groupingBy(
                User::getSex, Collectors.groupingBy(User::getCity)));
        System.out.println(">>>通过groupingBy先按照性别、再按照城市对集合归类："+map2.toString());
        System.out.println("******************************************************************");
        //5、distinct的用法，去重
        List<String> sexs = users.stream().map(item -> {
        
            return item.getSex();
        }).distinct().collect(Collectors.toList());
        System.out.println(">>>通过distinct对性别集合去重："+sexs.toString());
        System.out.println("******************************************************************");
        //6、mapTo*的用法，用于常规数值计算：平均值、最大值、最小值、求和
        //6-1 平均值
        double avAge = users.stream().mapToLong(item -> item.getAge()).average().getAsDouble();
        System.out.println(">>>通过average求平均年龄："+avAge);
        //6-2 最大值
        Long maxAge = users.stream().mapToLong(item -> item.getAge()).max().getAsLong();
        System.out.println(">>>通过max求最大年龄："+maxAge);
        //6-3 最小值
        Long minAge = users.stream().mapToLong(item -> item.getAge()).min().getAsLong();
        System.out.println(">>>通过max求最小年龄："+minAge);
        //6-4 求和
        Long sumScore = users.stream().mapToLong(item -> item.getScore()).sum();
        System.out.println(">>>通过sum求所有人分数总和："+sumScore);
        //6-5 聚合算法
        double avgScore = users.stream().filter(item->item.getCity().equals("上海"))
                .mapToLong(item -> item.getScore()).average().getAsDouble();
        System.out.println(">>>通过filter+average求来自上海的平均分："+avgScore);
        System.out.println("******************************************************************");
    }

**最终运行的结果：**

>>>打印原始集合：[User(userId=1, name=张三, sex=男, age=20, score=99, city=上海), User(userId=2, name=李四, sex=女, age=19, score=93, city=上海), User(userId=3, name=王五, sex=女, age=23, score=88, city=北京), User(userId=4, name=赵六, sex=女, age=17, score=95, city=北京), User(userId=5, name=邢道荣, sex=男, age=45, score=88, city=北京), User(userId=6, name=潘凤, sex=男, age=37, score=79, city=上海), User(userId=7, name=凤姐, sex=女, age=35, score=82, city=上海)]
    ******************************************************************
    >>>通过map获取到年龄的集合：[20, 19, 23, 17, 45, 37, 35]
    ******************************************************************
    >>>通过filter获取到性别为女的集合：[User(userId=2, name=李四, sex=女, age=19, score=93, city=上海), User(userId=3, name=王五, sex=女, age=23, score=88, city=北京), User(userId=4, name=赵六, sex=女, age=17, score=95, city=北京), User(userId=7, name=凤姐, sex=女, age=35, score=82, city=上海)]
    >>>通过filter获取到性别为女的数量：4
    >>>通过filter获取到姓名为邢道荣的对象：User(userId=5, name=邢道荣, sex=男, age=45, score=88, city=北京)
    >>>通过filter+map聚合获取到姓名为邢道荣的分数：88
    ******************************************************************
    >>>通过sorted按照年龄升序对集合排序：[User(userId=4, name=赵六, sex=女, age=17, score=95, city=北京), User(userId=2, name=李四, sex=女, age=19, score=93, city=上海), User(userId=1, name=张三, sex=男, age=20, score=99, city=上海), User(userId=3, name=王五, sex=女, age=23, score=88, city=北京), User(userId=7, name=凤姐, sex=女, age=35, score=82, city=上海), User(userId=6, name=潘凤, sex=男, age=37, score=79, city=上海), User(userId=5, name=邢道荣, sex=男, age=45, score=88, city=北京)]
    >>>通过sorted按照分数降序对集合排序：[User(userId=1, name=张三, sex=男, age=20, score=99, city=上海), User(userId=4, name=赵六, sex=女, age=17, score=95, city=北京), User(userId=2, name=李四, sex=女, age=19, score=93, city=上海), User(userId=3, name=王五, sex=女, age=23, score=88, city=北京), User(userId=5, name=邢道荣, sex=男, age=45, score=88, city=北京), User(userId=7, name=凤姐, sex=女, age=35, score=82, city=上海), User(userId=6, name=潘凤, sex=男, age=37, score=79, city=上海)]
    >>>通过sorted按照分数升序、年龄降序对集合排序：[User(userId=6, name=潘凤, sex=男, age=37, score=79, city=上海), User(userId=7, name=凤姐, sex=女, age=35, score=82, city=上海), User(userId=5, name=邢道荣, sex=男, age=45, score=88, city=北京), User(userId=3, name=王五, sex=女, age=23, score=88, city=北京), User(userId=2, name=李四, sex=女, age=19, score=93, city=上海), User(userId=4, name=赵六, sex=女, age=17, score=95, city=北京), User(userId=1, name=张三, sex=男, age=20, score=99, city=上海)]
    ******************************************************************
    >>>通过groupingBy按照性别对集合归类：{
        女=[User(userId=2, name=李四, sex=女, age=19, score=93, city=上海), User(userId=3, name=王五, sex=女, age=23, score=88, city=北京), User(userId=4, name=赵六, sex=女, age=17, score=95, city=北京), User(userId=7, name=凤姐, sex=女, age=35, score=82, city=上海)], 男=[User(userId=1, name=张三, sex=男, age=20, score=99, city=上海), User(userId=5, name=邢道荣, sex=男, age=45, score=88, city=北京), User(userId=6, name=潘凤, sex=男, age=37, score=79, city=上海)]}
    >>>通过groupingBy先按照性别、再按照城市对集合归类：{
        女={
        上海=[User(userId=2, name=李四, sex=女, age=19, score=93, city=上海), User(userId=7, name=凤姐, sex=女, age=35, score=82, city=上海)], 北京=[User(userId=3, name=王五, sex=女, age=23, score=88, city=北京), User(userId=4, name=赵六, sex=女, age=17, score=95, city=北京)]}, 男={
        上海=[User(userId=1, name=张三, sex=男, age=20, score=99, city=上海), User(userId=6, name=潘凤, sex=男, age=37, score=79, city=上海)], 北京=[User(userId=5, name=邢道荣, sex=男, age=45, score=88, city=北京)]}}
    ******************************************************************
    >>>通过distinct对性别集合去重：[男, 女]
    ******************************************************************
    >>>通过average求平均年龄：28.0
    >>>通过max求最大年龄：45
    >>>通过max求最小年龄：17
    >>>通过sum求所有人分数总和：624
    >>>通过filter+average求来自上海的平均分：88.25
    ******************************************************************

**完结**

[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBASm9uIFlvdW5n_size_20_color_FFFFFF_t_70_g_se_x_16]: https://img-blog.csdnimg.cn/b51bfa8a81824d9e87b3d0ace4dd2bda.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBASm9uIFlvdW5n,size_20,color_FFFFFF,t_70,g_se,x_16
[19811fefedae47018006a27e2c241749.png]: https://img-blog.csdnimg.cn/19811fefedae47018006a27e2c241749.png