Java8 Stream之筛选、归约、分组、聚合 案例进阶学习
Stream是Java 8非常使用的新特性，这个版本新增的Stream，配合同版本出现的 Lambda ，给我们操作集合（Collection）提供了极大的便利。Stream可以由数组或集合创建，对流的操作分为两种：
中间操作，每次返回一个新的流，可以有多个。
终端操作，每个流只能进行一次终端操作，终端操作结束后流无法再次使用。终端操作会产生一个新的集合或值。
另外，Stream有几个特性：
stream不存储数据，而是按照特定的规则对数据进行计算，一般会输出结果。
stream不会改变数据源，通常情况下会产生一个新的集合或一个值。
stream具有延迟执行特性，只有调用终端操作时，中间操作才会执行。
Stream的创建
Stream可以通过集合数组创建。
第一种方式
1、通过 java.util.Collection.stream() 方法用集合创建流
List<String> list = Arrays.asList("a", "b", "c","e", "f", "g");
// 创建一个顺序流
Stream<String> stream = list.stream();
// 创建一个并行流
Stream<String> parallelStream = list.parallelStream();
第二种方式
2.使用java.util.Arrays.stream(T[] array)方法用数组创建流
int[] array={1,3,5,6,8};
IntStream stream = Arrays.stream(array);
第三种方式
3.使用Stream的静态方法：of()、iterate()、generate()
Stream<Integer> stream = Stream.of(1, 2, 3, 4, 5, 6, 7, 8);
Stream<Integer> stream2 = Stream.iterate(0, (x) -> x + 5).limit(4);
stream2.forEach(System.out::println);
Stream<Double> stream3 = Stream.generate(Math::random).limit(3);
stream3.forEach(System.out::println);
控制台输出结果
0
5
10
15
0.7814735299587631
0.3986400508445669
0.4224148166774161如果流中的数据量足够大，并行流可以加快处速度。
除了直接创建并行流，还可以通过parallel()把顺序流转换成并行流
Optional
Stream的使用
在使用stream之前，先理解一个概念：Optional 。
Optional类是一个可以为null的容器对象。如果值存在则isPresent()方法会返回true，调用get()方法会返回该对象。
更详细说明请见：菜鸟教程Java 8 Optional类
案例演示
准备案例数据
案例使用的员工类Person类
/**
* @author songzixian
*/
@NoArgsConstructor //无参构造
@AllArgsConstructor //有参构造
@Data
public class Person {
private String name; // 姓名
private int salary; // 薪资
private int age; // 年龄
private String sex; //性别
private String area; // 地区
}
模拟数据库查询
List<Person> personList = new ArrayList<Person>();
personList.add(new Person("Tom", 8900, 18,"male", "New York"));
personList.add(new Person("Jack", 7000,22, "male", "Washington"));
personList.add(new Person("Lily", 7800,30, "female", "Washington"));
personList.add(new Person("Anni", 8200, 26,"female", "New York"));
personList.add(new Person("Owen", 9500,45, "male", "New York"));
personList.add(new Person("Alisa", 7900, 35,"female", "New York"));
筛选（filter）
筛选，是按照一定的规则校验流中的元素，将符合条件的元素提取到新的流中的操作。
案例一：筛选出Integer集合中大于7的元素，并打印出来
public class StreamTest {
public static void main(String[] args) {
List<Integer> list = Arrays.asList(6, 7, 3, 8, 1, 2, 9);
Stream<Integer> stream = list.stream();
stream.filter(x -> x > 7).forEach(System.out::println);
}
}输出结果
8 9案例二： 筛选员工中工资高于8000的人，并形成新的集合。 形成新集合依赖collect（收集）
/**
* @author songzixian
*/
public class StreamTest02 {
public static void main(String[] args) {
List<Person> personList = new ArrayList<Person>();
personList.add(new Person("Tom", 8900, 23, "male", "New York"));
personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
personList.add(new Person("Lily", 8000, 21, "female", "Washington"));
personList.add(new Person("Anni", 8200, 24, "female", "New York"));
personList.add(new Person("Owen", 9500, 25, "male", "New York"));
personList.add(new Person("Alisa", 7900, 26, "female", "New York"));
List<String> fiterList = personList.stream().filter(x -> x.getSalary() > 8000).map(Person::getName)
.collect(Collectors.toList());
List<String> collect = personList.stream().filter(x -> x.getSalary() >= 800) //过滤出工资等于活动大于的员工
.map(Person::getName) //获取员工性能
.collect(Collectors.toList()); //返回一个新的list集合
System.out.print("高于8000的员工姓名：" + fiterList);
}
}
控制台打印结果：
高于或等于8000的员工姓名：[Lily,Tom, Anni, Owen]聚合（max/min/count)
max、min、count这些字眼你一定不陌生，没错，在mysql中我们常用它们进行数据统计。Java stream中也引入了这些概念和用法，极大地方便了我们对集合、数组的数据统计工作。
案例一：获取String集合中最长的元素。
public class StreamTest {
public static void main(String[] args) {
List<String> list = Arrays.asList("adnm", "admmt", "pot", "xbangd", "weoujgsd");
Optional<String> max = list.stream().max(Comparator.comparing(String::length));
System.out.println("最长的字符串：" + max.get());
}
}
案例一：获取String集合中最长的元素。
public class StreamTest02 {
public static void main(String[] args) {
List<String> list = Arrays.asList("admin", "admmt", "poot", "xxxxaaa", "asadasd");
//max代表最大
Optional<String> max = list.stream().max(Comparator.comparing(String::length));
System.out.println("集合种最长的字符串是:"+max.get());
}
}
控制台打印结果
集合种最长的字符串是:xxxxaaa
案例二：获取Integer集合中的最大值。
public class StreamTest02 {
public static void main(String[] args) {
List<Integer> list = Arrays.asList(1,7, 6, 9, 4, 11, 6,10,2,3,8);
//自然排序 max(最大) compareTo(对两个Integer对象进行数值比较)
Optional<Integer> max1 = list.stream().max(Integer::compareTo);
//自定义排序
Optional<Integer> max2 = list.stream().max(new Comparator<Integer>() {
//重写compare方法
@Override
public int compare(Integer o1, Integer o2) {
return o1.compareTo(o2);
}
});
System.out.println("自然排序的最大值：" + max1.get());
System.out.println("自定义排序的最大值：" + max2.get());
}}
控制台打印结果
自然排序的最大值：11
自定义排序的最大值：11
案例三：获取员工工资最高的人。
public class StreamTest02 {
public static void main(String[] args) {
List<Person> personList = new ArrayList<Person>();
personList.add(new Person("Tom", 8900, 23, "male", "New York"));
personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
personList.add(new Person("Anni", 8200, 24, "female", "New York"));
personList.add(new Person("Owen", 9500, 25, "male", "New York"));
personList.add(new Person("Alisa", 7900, 26, "female", "New York"));
Optional<Person> max = personList.stream().max(Comparator.comparing(Person::getSalary));
System.out.println("员工工资最大值：" + max.get().getSalary());
}
}
控制台输出结果
员工工资最大值：9500
案例四：计算Integer集合中大于6的元素的个数。
/**
* @author songzixian
*/
public class StreamTest02 {
public static void main(String[] args) {
List<Integer> list = Arrays.asList(7, 6, 4, 8, 2, 11, 9);
//统计集合种大于6数字有几个
long count = list.stream().filter(x -> x > 6).count();
System.out.println("list中大于6的元素个数：" + count);
}
}
控制台输出
list中大于6的元素个数：4
映射(map/flatMap)
映射，可以将一个流的元素按照一定的映射规则映射到另一个流中。分为map和flatMap：
map：接收一个函数作为参数，该函数会被应用到每个元素上，并将其映射成一个新的元素。
flatMap：接收一个函数作为参数，将流中的每个值都换成另一个流，然后把所有流连接成一个流。
案例一：英文字符串数组的元素全部改为大写。整数数组每个元素+3。
public class StreamTest02 {
public static void main(String[] args) {
String[] strArr = { "abcd", "bcdd", "defde", "fTr" };
//toUpperCase(将所有字符串转为大写)并返回新的流
List<String> strList = Arrays.stream(strArr).map(String::toUpperCase).collect(Collectors.toList());
System.out.println("每个元素大写：" + strList);
List<Integer> intList = Arrays.asList(1, 3, 5, 7, 9, 11);
//每个元素都+3 并返回新的流
List<Integer> intListNew = intList.stream().map(x -> x + 3).collect(Collectors.toList());
System.out.println("每个元素+3：" + intListNew);
}
}控制台输出结果
每个元素大写：[ABCD, BCDD, DEFDE, FTR]
每个元素+3：[4, 6, 8, 10, 12, 14]
案例二：将员工的薪资全部增加1000。
public class StreamTest02 {
public static void main(String[] args) {
List<Person> personList = new ArrayList<Person>();
personList.add(new Person("Tom", 8900, 23, "male", "New York"));
personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
personList.add(new Person("Anni", 8200, 24, "female", "New York"));
personList.add(new Person("Owen", 9500, 25, "male", "New York"));
personList.add(new Person("Alisa", 7900, 26, "female", "New York"));
// 不改变原来员工集合的方式
List<Person> newPersonList = personList.stream().map(person -> {
//保持原有的格式
Person newPersion = new Person(person.getName(), 0 ,0,null ,null);
//为每个员工添加 100工资
newPersion.setSalary(person.getSalary() + 100);
return newPersion;
}).collect(Collectors.toList());
//打印第一个员工工资变动
System.out.println("一次改动前：" + personList.get(0).getName() + "-->" + personList.get(0).getSalary());
System.out.println("一次改动后：" + newPersonList.get(0).getName() + "-->" + newPersonList.get(0).getSalary());
System.out.println("所有员工：" + personList.toString());
// 改变原来员工集合的方式
List<Person> new2personList = personList.stream().map(person -> {
//传入一个person,每个person工资都+100
person.setSalary(person.getSalary() + 1000);
return person;
}).collect(Collectors.toList());
System.out.println("二次改动前：" + newPersonList.get(0).getName() + "-->" + newPersonList.get(0).getSalary());
System.out.println("二次改动后：" + new2personList.get(0).getName() + "-->" + new2personList.get(0).getSalary());
System.out.println("所有员工：" + personList.toString());
}
}
不改变原来员工集合的方式打印结果
一次改动前：Tom-->8900
一次改动后：Tom-->9000
所有员工：[Person(name=Tom, salary=8900, age=23, sex=male, area=New York), Person(name=Jack, salary=7000, age=25, sex=male, area=Washington), Person(name=Lily, salary=7800, age=21, sex=female, area=Washington), Person(name=Anni, salary=8200, age=24, sex=female, area=New York), Person(name=Owen, salary=9500, age=25, sex=male, area=New York), Person(name=Alisa, salary=7900, age=26, sex=female, area=New York)]
改变原来员工集合的方式
二次改动前：Tom-->9000
二次改动后：Tom-->9900
所有员工：[Person(name=Tom, salary=9900, age=23, sex=male, area=New York), Person(name=Jack, salary=8000, age=25, sex=male, area=Washington), Person(name=Lily, salary=8800, age=21, sex=female, area=Washington), Person(name=Anni, salary=9200, age=24, sex=female, area=New York), Person(name=Owen, salary=10500, age=25, sex=male, area=New York), Person(name=Alisa, salary=8900, age=26, sex=female, area=New York)]
归约(reduce)
归约，也称缩减，顾名思义，是把一个流缩减成一个值，能实现对集合求和、求乘积和求最值操作。
案例一：求Integer集合的元素之和、乘积和最大值。
public class StreamTest01 {
public static void main(String[] args) {
List<Integer> list = Arrays.asList(1, 13, 22, 10, 11, 6);
// 求和方式1
Optional<Integer> sum = list.stream().reduce((x, y) -> x + y);
// 求和方式2
Optional<Integer> sum2 = list.stream().reduce(Integer::sum);
// 求和方式3
Integer sum3 = list.stream().reduce(0, Integer::sum);
System.out.println("list求和：" + sum.get() + "," + sum2.get() + "," + sum3);
// 求乘积
Optional<Integer> product = list.stream().reduce((x, y) -> x * y);
System.out.println("list求积：" + product.get());
// 求最大值方式1
Optional<Integer> max = list.stream().reduce((x, y) -> x > y ? x : y);
// 求最大值写法2
Integer max2 = list.stream().reduce(1, Integer::max);
System.out.println("list求和：" + max.get() + "," + max2);
}
}控制台输入结果
list求和：63,63,63
list求积：188760
list求和：22,22
收集(collect)
collect，收集，可以说是内容最繁多、功能最丰富的部分了。从字面上去理解，就是把一个流收集起来，最终可以是收集成一个值也可以收集成一个新的集合。
collect主要依赖java.util.stream.Collectors类内置的静态方法。
3.6.1 归集(toList/toSet/toMap)
因为流不存储数据，那么在流中的数据完成处理后，需要将流中的数据重新归集到新的集合里。toList、toSet和toMap比较常用，另外还有toCollection、toConcurrentMap等复杂一些的用法。
下面用一个案例演示toList、toSet和toMap：
public class StreamTest01 {
public static void main(String[] args) {
List<Integer> list = Arrays.asList(1,5,3,4,6,11,15,22,63);
System.out.println("list:" + list);
// 取余数 返回 list
List<Integer> listNew = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toList());
System.out.println("listNew" + listNew);
// 取余数 返回 set
Set<Integer> set = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toSet());
System.out.println("set:" + set);
List<Person> personList = new ArrayList<Person>();
personList.add(new Person("Tom", 8900, 23, "male", "New York"));
personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
personList.add(new Person("Anni", 8200, 24, "female", "New York"));
// 查询工资大于8000的员工 并返回map
Map<String, Person> map = personList.stream().filter(p -> p.getSalary() > 8000).collect(Collectors.toMap(Person::getName, p -> p));
System.out.println("toMap:" + map);
}
}
案例二：求所有员工的工资之和和最高工资。
public class StreamTest01 {
public static void main(String[] args) {
List<Person> personList = new ArrayList<Person>();
personList.add(new Person("Tom", 8900, 23, "male", "New York"));
personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
personList.add(new Person("Anni", 8200, 24, "female", "New York"));
personList.add(new Person("Owen", 9500, 25, "male", "New York"));
personList.add(new Person("Alisa", 7900, 26, "female", "New York"));
// 求工资之和方式1：
Optional<Integer> sumSalary = personList.stream().map(Person::getSalary).reduce(Integer::sum);
// 求工资之和方式2：
Integer sumSalary2 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(), (sum1, sum2) -> sum1 + sum2);
Integer sumSalary3 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(), Integer::sum);
// 求工资之和方式3：
Integer maxSalary1 = personList.stream().reduce(0 ,(max ,p ) -> max > p.getSalary() ? max : p.getSalary() ,Integer::max);
// 求最高工资方式1：
Integer maxSalary2 = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(), (max1, max2) -> max1 > max2 ? max1 : max2);
System.out.println("工资之和：" + sumSalary.get() + "," + sumSalary2 + "," + sumSalary3);
System.out.println("最高工资：" + maxSalary1 + "," + maxSalary2);
}
}
输出结果：
工资之和：49300,49300,49300
最高工资：9500,9500
统计(count/averaging)
Collectors提供了一系列用于数据统计的静态方法：
计数：count
平均值：averagingInt、averagingLong、averagingDouble
最值：maxBy、minBy
求和：summingInt、summingLong、summingDouble
统计以上所有：summarizingInt、summarizingLong、summarizingDouble
案例：统计员工人数、平均工资、工资总额、最高工资。
public class StreamTest01 {
public static void main(String[] args) {
List<Person> personList = new ArrayList<Person>();
personList.add(new Person("Tom", 8900, 23, "male", "New York"));
personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
// 求总数
Long count = personList.stream().collect(Collectors.counting());
System.out.println("员工总数：" + count);
// 求平均工资
Double average = personList.stream().collect(Collectors.averagingDouble((Person::getSalary)));
System.out.println("员工平均工资：" + average);
// 求最高工资
Optional<Integer> max = personList.stream().map(Person::getSalary).collect(Collectors.maxBy(Integer::compareTo));
System.out.println("员工最高工资:" + max);
// 求工资之和
Integer sum = personList.stream().collect(Collectors.summingInt(Person::getSalary));
System.out.println("员工工资总和：" + sum);
DoubleSummaryStatistics collect = personList.stream().collect(Collectors.summarizingDouble(Person::getSalary));
System.out.println("员工工资所有统计：" + collect);
}
}
控制台输出
员工总数：3
员工平均工资：7900.0
员工最高工资:Optional[8900]
员工工资总和：23700
员工工资所有统计：DoubleSummaryStatistics{count=3, sum=23700.000000, min=7000.000000, average=7900.000000, max=8900.000000}
分组(partitioningBy/groupingBy)
public class StreamTest01 {
public static void main(String[] args) {
List<Person> personList = new ArrayList<Person>();
personList.add(new Person("Tom", 8900, 18,"male", "New York"));
personList.add(new Person("Jack", 7000,22, "male", "Washington"));
personList.add(new Person("Lily", 7800,30, "female", "Washington"));
personList.add(new Person("Anni", 8200, 26,"female", "New York"));
personList.add(new Person("Owen", 9500,45, "male", "New York"));
personList.add(new Person("Alisa", 7900, 35,"female", "New York"));
// 根据员工薪资查询是否高于8000并分组
Map<Boolean, List<Person>> maxPart = personList.stream().collect(Collectors.partitioningBy(x -> x.getSalary() > 8000));
System.out.println("员工按薪资是否大于8000进行分组" + maxPart);
// 根据性别分组
Map<String, List<Person>> group = personList.stream().collect(Collectors.groupingBy(Person::getSex));
System.out.println("根据性别分组" + group);
/// 将员工先按性别分组，再按地区分组
Map<String, Map<String, List<Person>>> group2 = personList.stream().collect(Collectors.groupingBy(Person::getSex, Collectors.groupingBy(Person::getArea)));
System.out.println("将员工先按性别分组，再按地区分组：" + group2);
}
}
控制台打印
员工按薪资是否大于8000进行分组{false=[Person(name=Jack, salary=7000, age=22, sex=male, area=Washington), Person(name=Lily, salary=7800, age=30, sex=female, area=Washington), Person(name=Alisa, salary=7900, age=35, sex=female, area=New York)], true=[Person(name=Tom, salary=8900, age=18, sex=male, area=New York), Person(name=Anni, salary=8200, age=26, sex=female, area=New York), Person(name=Owen, salary=9500, age=45, sex=male, area=New York)]}
根据性别分组{female=[Person(name=Lily, salary=7800, age=30, sex=female, area=Washington), Person(name=Anni, salary=8200, age=26, sex=female, area=New York), Person(name=Alisa, salary=7900, age=35, sex=female, area=New York)], male=[Person(name=Tom, salary=8900, age=18, sex=male, area=New York), Person(name=Jack, salary=7000, age=22, sex=male, area=Washington), Person(name=Owen, salary=9500, age=45, sex=male, area=New York)]}
将员工先按性别分组，再按地区分组：{female={New York=[Person(name=Anni, salary=8200, age=26, sex=female, area=New York), Person(name=Alisa, salary=7900, age=35, sex=female, area=New York)], Washington=[Person(name=Lily, salary=7800, age=30, sex=female, area=Washington)]}, male={New York=[Person(name=Tom, salary=8900, age=18, sex=male, area=New York), Person(name=Owen, salary=9500, age=45, sex=male, area=New York)], Washington=[Person(name=Jack, salary=7000, age=22, sex=male, area=Washington)]}}
接合(joining)
joining可以将stream中的元素用特定的连接符（没有的话，则直接连接）连接成一个字符串。
public class StreamTest01 {
public static void main(String[] args) {
List<Person> personList = new ArrayList<Person>();
personList.add(new Person("Tom", 8900, 18,"male", "New York"));
personList.add(new Person("Jack", 7000,22, "male", "Washington"));
personList.add(new Person("Lily", 7800,30, "female", "Washington"));
personList.add(new Person("Anni", 8200, 26,"female", "New York"));
personList.add(new Person("Owen", 9500,45, "male", "New York"));
personList.add(new Person("Alisa", 7900, 35,"female", "New York"));
String names = personList.stream().map(p -> p.getName()).collect(Collectors.joining(","));
System.out.println("所有员工的工资:" +names);
List<String> strings = Arrays.asList("A", "B", "C");
String stringJoin = strings.stream().collect(Collectors.joining("-"));
System.out.println("拼接后的字符串：" +stringJoin);
}
}
控制台输出结果
所有员工的工资:Tom,Jack,Lily,Anni,Owen,Alisa
拼接后的字符串：A-B-C
3.6.5 归约(reducing)
Collectors类提供的reducing方法，相比于stream本身的reduce方法，增加了对自定义归约的支持。
public class StreamTest01 {
public static void main(String[] args) {
List<Person> personList = new ArrayList<Person>();
personList.add(new Person("Tom", 8900, 23, "male", "New York"));
personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
// 每个员工减去起征点后的薪资之和（这个例子并不严谨，但一时没想到好的例子）
Integer sum = personList.stream().collect(Collectors.reducing(0, Person::getSalary, (i, j) -> (i + j) - 5000));
System.out.println("员工扣税薪资总和：" +sum);
Optional<Integer> sum2 = personList.stream().map(Person::getSalary).reduce(Integer::sum);
System.out.println("员工薪资总和：" + sum2.get());
}
}
控制台输出结果
员工扣税薪资总和：8700
员工薪资总和：23700
排序(sorted)
sorted，中间操作。有两种排序：
sorted()：自然排序，流中元素需实现Comparable接口
sorted(Comparator com)：Comparator排序器自定义排序
public class StreamTest01 {
public static void main(String[] args) {
List<Person> personList = new ArrayList<Person>();
personList.add(new Person("Tom", 8900, 18,"male", "New York"));
personList.add(new Person("Jack", 7000,22, "male", "Washington"));
personList.add(new Person("Lily", 7800,30, "female", "Washington"));
personList.add(new Person("Anni", 8200, 26,"female", "New York"));
personList.add(new Person("Owen", 9500,45, "male", "New York"));
personList.add(new Person("Alisa", 7900, 35,"female", "New York"));
// 按员工工资升降序(自然排序)-> 从小到大
List<String> newList = personList.stream().sorted(Comparator.comparing(Person::getSalary)).map(Person::getName).collect(Collectors.toList());
System.out.println("按工资升序排序：" + newList);
//按员工工资的倒车
List<String > newList2 = personList.stream().sorted(Comparator.comparing(Person::getSalary).reversed()).map(Person::getName).collect(Collectors.toList());
System.out.println("按工资降序排序：" + newList2);
Stream<String> newList3 = personList.stream().sorted(Comparator.comparing(Person::getSalary).thenComparing(Person::getAge)).map(Person::getName);
System.out.println("先按工资再按年龄升序排序：" + newList3);
// 先按工资再按年龄自定义排序（降序）
List<String> newList4 = personList.stream().sorted((p1 , p2) -> {
if ( p1.getSalary() == p2.getSalary()){
return p2.getAge() - p1.getAge();
}else {
return p2.getSalary() - p1.getSalary();
}
}).map(Person::getName).collect(Collectors.toList());
System.out.println("先按工资再按年龄自定义降序排序：" + newList4);
}
}
控制台打印
按工资升序排序：[Jack, Lily, Alisa, Anni, Tom, Owen]
按工资降序排序：[Owen, Tom, Anni, Alisa, Lily, Jack]
先按工资再按年龄升序排序：java.util.stream.ReferencePipeline$3@1ddc4ec2
先按工资再按年龄自定义降序排序：[Owen, Tom, Anni, Alisa, Lily, Jack]
提取/组合
流也可以进行合并、去重、限制、跳过等操作。
去重是指将（集合）流中重复的元素去除，通过 hashcode 和 equals 函数来判断是否是重复元素。去重操作实现了类似于 HashSet 的运算，对于对象元素流去重，需要重写 hashcode 和 equals 方法。
如果流中泛型对象使用 Lombok 插件，使用@Data注解默认重写了 hashcode 和 equals 方法，字段相同并且属性相同，则对象相等
demo演示
public class StreamTest01 {
public static void main(String[] args) {
String[] arr1 = { "a", "b", "c", "d" };
String[] arr2 = { "d", "e", "f", "g" };
Stream<String> stream1 = Stream.of(arr1);
Stream<String> stream2 = Stream.of(arr2);
// concat:合并两个流 distinct：去重
List<String> newList = Stream.concat(stream1, stream2).distinct().collect(Collectors.toList());
System.out.println("流合并：" + newList);
// limit：限制从流中获得前n个数据
List<Integer> collect = Stream.iterate(1, x -> x + 2).limit(10).collect(Collectors.toList());
System.out.println("limit：" + collect);
// skip：跳过前n个数据
List<Integer> collect2 = Stream.iterate(1, x -> x + 2).skip(1).limit(5).collect(Collectors.toList());
System.out.println("skip：" + collect2);
}
}
当前页面是本站的「Google AMP」版。查看和发表评论请点击：完整版 »