目录
- 基本流
- 中间操作与终端操作
- 一些常见的终端操作
- 进阶流
- 筛选各异的元素
- 截断
- 跳过元素
- 映射流
- map
- flatMap
- 匹配
- 全匹配与非全匹配
- Optional
- findAny
- findFirst
- 归约
- 求和
- 归约相关阐发
- 数值流
- boxed
- range
- 构建流
基本流
foreach 实现了外部迭代,它是建立于集合的基础上;
stream 流实现的是内部迭代
中间操作与终端操作
对任意集合使用 stream()
方法来使用流操作来对其进行内部迭代;
中间操作:流水线上的中间操作,他会返回一个 stream
终端操作:一般位于流水线末尾,输出一个非 stream 类型的值
这是下方代码的完整运行过程:
- 首先使用 stream 方法使用流来处理集合 names
- 使用过滤器 filter,过滤出字符串中含有字符 a 的字符串
- distinct 进行去重
- toList 将以上所有中间操作过后得到的结果进行汇总,转换成 list 并输出
public static void main(String[] args) { List<String> strings = new ArrayList<>(); strings.add("asd"); strings.add("asd"); strings.add("qwe"); List<String> names = strings.stream() // 过滤 .filter(d -> { return d.contains("a"); }) // 去重 .distinct() // 转换成列表 .toList(); for (String name : names) System.out.println(name); // 输出:asd }
一些常见的终端操作
foreach
:消费流中所有元素并使用 lambda,该操作返回 void
count
:返回流中的元素个数,返回类型为 long
collect
:把流处理结果返回成一个集合,譬如 toList 方法
进阶流
筛选各异的元素
distinct 进行去重
public static void main(String[] args) { List<Integer> numbers = Arrays.asList(1, 2, 3, 1, 2, 4, 2, 2); numbers.stream() .filter(i -> i % 2 == 0) .distinct() .forEach(System.out::println); }
截断
limit,做多返回前 n 个元素
public static void main(String[] args) { List<Integer> numbers = Arrays.asList(1, 2, 3, 1, 2, 4, 2, 2); numbers.stream() .limit(3) .forEach(System.out::println); }
跳过元素
skip(4) 表示跳过前四个元素,并返回后面所有的元素;
由于代码都差不多,这里不做过多演示
映射流
map
map 接收一个函数作为参数,他将对集合中的每个元素应用该函数,并返回该函数规定的值;
如下代码使用 map 获取了每个 dish 的名称并返回它,由此生成了由 dishname 构成的列表
public static void main(String[] args) { List<Dish> dishes = new ArrayList<>(); dishes.add(new Dish("apple", true, 120, Dish.Type.FRUIT)); dishes.add(new Dish("pork", false, 900, Dish.Type.MEAT)); dishes.add(new Dish("fish", false, 400, Dish.Type.FISH)); List<String> dishNames = dishes.stream() .map(Dish::getName) .toList(); dishes.forEach(System.out::println); }
flatMap
map 是将每个元素都映射成了一个流;
flatMap 是将每个元素都放如同一个流中!
以下代码实现:提取单词表中出现的单词;
Arrays.stream
可以将集合转换成流的形式;
应当首先应用 map,将元素进行映射后,在使用 flatMap 把这些映射完毕的元素全部装入一个统一的流里面!
public static void main(String[] args) { // 创建单词表 String[] words = {"goodbye", "hello", "night"}; // 将单词表转换成流的形式 Stream<String> swords = Arrays.stream(words); // 首先使用map,将所有字母都一一分割来开 List<String> strings = swords.map(word -> word.split("")) // 使用扁平map,将提取到的字母装入一个流中 .flatMap(Arrays::stream) // 字母去重 .distinct() // 转换成列表 .toList(); strings.forEach(System.out::println); }
匹配
anyMatch 能应答:流中是否有至少有一个元素能匹配所给定的谓词(方法引用)
public static void main(String[] args) { List<Dish> dishes = Menu.getMenu(); if(dishes.stream().anyMatch(Dish::isVegetarian)){ System.out.println("至少有一个素菜!"); } }
全匹配与非全匹配
allMatch 方法检查谓词能否匹配所有元素;
noneMatch 方法作用与 allMatch 方法完全相反;
Optional
findAny
findAny
方法默认返回一个 Optional<T>
ifPresent 会在值存在的时候执行后面的 lambda 函数
public static void main(String[] args) { List<Dish> dishes = Menu.getMenu(); dishes.stream() .filter(Dish::isVegetarian) .findAny() .ifPresent(d -> System.out.println(d.getName())); }
findFirst
顾名思义,找到集合中的第一个元素
归约
求和
下方展示了三种求和方式:
- 直接使用 arrays 函数自带的 sum 方法求和;
- 使用 reduce,参数一表示初始值,参数二为对值的操作
- 同样使用 reduce,但是引入了谓词!
public static void main(String[] args) { int[] nums = {1, 2, 3, 4, 5}; int sum = Arrays.stream(nums).sum(); int sum2 = Arrays.stream(nums) .reduce(0, (a, b) -> a + b); int sum3 = Arrays.stream(nums) .reduce(0, Integer::sum); }
归约相关阐发
map+reduce 常被作为一种形式来进行并行化;
使用 reduce 进行的迭代被内部抽象化掉了,所以有益于并行的执行;
parallelStream 可以方便的进行并行操作,但是也带来了同步不安全的隐患;
数值流
使用 mapToInt 返回特化的 IntStream
public static void main(String[] args) { List<Dish> dishes = Menu.getMenu(); int sum = dishes.stream() .mapToInt(Dish::getCalories) .sum(); }
boxed
将某个特化流转换成一般流,可以使用 boxed 方法
IntStream is = dishes.stream().mapToInt(Dish::getCalories); Stream<Integer> sis = is.boxed();
range
针对特化流 IntStream 和 LongStream,他们均有 range 和 rangeClose 方法;
range:遍历范围内所有数字除了右边界数字
rangeClose:遍历包含右边界的所有范围数字
下面代码展示了获取 1-100 内所有偶数的个数
IntStream evenNumbers = IntStream.rangeClosed(1,100) .filter(n->n%2==0); System.out.println(evenNumbers.count());
构建流
创建流的三种方式
Stream.of(xxx) 通过数值直接构建;
Arrays.stream() 数组创建;
File.lines() 通过获取的文件内容创建;
到此这篇关于Java流处理stream使用详解的文章就介绍到这了,更多相关Java stream内容请搜索自由互联以前的文章或继续浏览下面的相关文章希望大家以后多多支持自由互联!