Java8 Stream:2万字20个实例,玩转集合的筛选、归约、分组、聚合

来自:CSDN,作者:云深i不知处

链接:https://blog.csdn.net/mu_wind/article/details/109516995

先贴上几个案例,水平高超的同学可以挑战一下:

  1. 从员工集合中筛选出salary大于8000的员工,并放置到新的集合里。

  2. 统计员工的最高薪资、平均薪资、薪资之和。

  3. 将员工按薪资从高到低排序,同样薪资者年龄小者在前。

  4. 将员工按性别分类,将员工按性别和地区分类,将员工按薪资是否高于8000分为两部分。

用传统的迭代处理也不是很难,但代码就显得冗余了,跟Stream相比高下立判。

1、Stream概述

Java 8 是一个非常成功的版本,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。

那么什么是Stream

Stream将要处理的元素集合看作一种流,在流的过程中,借助Stream API对流中的元素进行操作,比如:筛选、排序、聚合等。

Stream可以由数组或集合创建,对流的操作分为两种:

  1. 中间操作,每次返回一个新的流,可以有多个。

  2. 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:

  1. 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。

  2. 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。

  3. 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。

2、Stream的创建

Stream可以通过集合数组创建。

1、通过 java.util.Collection.stream() 方法用集合创建流

List<String> list = Arrays.asList('a', 'b', 'c');
// 创建一个顺序流
Stream<String> stream = list.stream();
// 创建一个并行流
Stream<String> parallelStream = list.parallelStream();

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);

3、使用Stream的静态方法:of()、iterate()、generate()

Stream<Integer> stream = Stream.of(1, 2, 3, 4, 5, 6);

Stream<Integer> stream2 = Stream.iterate(0, (x) -> x + 3).limit(4);
stream2.forEach(System.out::println); // 0 2 4 6 8 10

Stream<Double> stream3 = Stream.generate(Math::random).limit(3);
stream3.forEach(System.out::println);

输出结果:

0 3 6 9
0.6796156909271994
0.1914314208854283
0.8116932592396652

streamparallelStream的简单区分: stream是顺序流,由主线程按顺序对流执行操作,而parallelStream是并行流,内部以多线程并行执行的方式对流进行操作,但前提是流中的数据处理没有顺序要求。例如筛选集合中的奇数,两者的处理不同之处:

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<Integer> findFirst = list.stream().parallel().filter(x->x>6).findFirst();

3、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:https://www.runoob.com/java/java8-optional-class.html

接下来,大批代码向你袭来!我将用20个案例将Stream的使用整得明明白白,只要跟着敲一遍代码,就能很好地掌握。

案例使用的员工类

这是后面案例中使用的员工类:

List<Person> personList = new ArrayList<Person>();
personList.add(new Person('Tom', 8900, 'male', 'New York'));
personList.add(new Person('Jack', 7000, 'male', 'Washington'));
personList.add(new Person('Lily', 7800, 'female', 'Washington'));
personList.add(new Person('Anni', 8200, 'female', 'New York'));
personList.add(new Person('Owen', 9500, 'male', 'New York'));
personList.add(new Person('Alisa', 7900, 'female', 'New York'));

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

// 构造方法
 public Person(String name, int salary, int age,String sex,String area) {
  this.name = name;
  this.salary = salary;
  this.age = age;
  this.sex = sex;
  this.area = area;
 }
 // 省略了get和set,请自行添加

}

3.1 遍历/匹配(foreach/find/match)

Stream也是支持类似集合的遍历和匹配元素的,只是Stream中的元素是以Optional类型存在的。Stream的遍历、匹配非常简单。

// import已省略,请自行添加,后面代码亦是

public class StreamTest { public static void main(String[] args) {        List<Integer> list = Arrays.asList(7, 6, 9, 3, 8, 2, 1);

        // 遍历输出符合条件的元素        list.stream().filter(x -> x > 6).forEach(System.out::println);        // 匹配第一个        Optional<Integer> findFirst = list.stream().filter(x -> x > 6).findFirst();        // 匹配任意(适用于并行流)        Optional<Integer> findAny = list.parallelStream().filter(x -> x > 6).findAny();        // 是否包含符合特定条件的元素        boolean anyMatch = list.stream().anyMatch(x -> x < 6);        System.out.println('匹配第一个值:' + findFirst.get());        System.out.println('匹配任意一个值:' + findAny.get());        System.out.println('是否存在大于6的值:' + anyMatch);    }}

3.2 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);
 }
}

预期结果:

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),后文有详细介绍。

public class StreamTest { 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'));

  List<String> fiterList = personList.stream().filter(x -> x.getSalary() > 8000).map(Person::getName)    .collect(Collectors.toList());  System.out.print('高于8000的员工姓名:' + fiterList); }}

运行结果:

高于8000的员工姓名:[Tom, Anni, Owen]

3.3 聚合(max/min/count)

maxmincount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());
 }
}

输出结果:

最长的字符串:weoujgsd

案例二:获取Integer集合中的最大值。

public class StreamTest { public static void main(String[] args) {  List<Integer> list = Arrays.asList(7, 6, 9, 4, 11, 6);

  // 自然排序  Optional<Integer> max = list.stream().max(Integer::compareTo);  // 自定义排序  Optional<Integer> max2 = list.stream().max(new Comparator<Integer>() {   @Override   public int compare(Integer o1, Integer o2) {    return o1.compareTo(o2);   }  });  System.out.println('自然排序的最大值:' + max.get());  System.out.println('自定义排序的最大值:' + max2.get()); }}

输出结果:

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 StreamTest {
 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.comparingInt(Person::getSalary));
  System.out.println('员工工资最大值:' + max.get().getSalary());
 }
}

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。

import java.util.Arrays;import java.util.List;

public class StreamTest { public static void main(String[] args) {  List<Integer> list = Arrays.asList(7, 6, 4, 8, 2, 11, 9);

  long count = list.stream().filter(x -> x > 6).count();  System.out.println('list中大于6的元素个数:' + count); }}

输出结果:

list中大于6的元素个数:4

3.4 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mapflatMap

  • 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 StreamTest {
 public static void main(String[] args) {
  String[] strArr = { 'abcd', 'bcdd', 'defde', 'fTr' };
  List<String> strList = Arrays.stream(strArr).map(String::toUpperCase).collect(Collectors.toList());

List<Integer> intList = Arrays.asList(1, 3, 5, 7, 9, 11);
  List<Integer> intListNew = intList.stream().map(x -> x + 3).collect(Collectors.toList());

System.out.println('每个元素大写:' + strList);
  System.out.println('每个元素+3:' + intListNew);
 }
}

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 StreamTest { 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> personListNew = personList.stream().map(person -> {   Person personNew = new Person(person.getName(), 0, 0, null, null);   personNew.setSalary(person.getSalary() + 10000);   return personNew;  }).collect(Collectors.toList());  System.out.println('一次改动前:' + personList.get(0).getName() + '-->' + personList.get(0).getSalary());  System.out.println('一次改动后:' + personListNew.get(0).getName() + '-->' + personListNew.get(0).getSalary());

  // 改变原来员工集合的方式  List<Person> personListNew2 = personList.stream().map(person -> {   person.setSalary(person.getSalary() + 10000);   return person;  }).collect(Collectors.toList());  System.out.println('二次改动前:' + personList.get(0).getName() + '-->' + personListNew.get(0).getSalary());  System.out.println('二次改动后:' + personListNew2.get(0).getName() + '-->' + personListNew.get(0).getSalary()); }}

输出结果:

一次改动前:Tom–>8900
一次改动后:Tom–>18900
二次改动前:Tom–>18900
二次改动后:Tom–>18900

案例三:将两个字符数组合并成一个新的字符数组。

public class StreamTest {
 public static void main(String[] args) {
  List<String> list = Arrays.asList('m,k,l,a', '1,3,5,7');
  List<String> listNew = list.stream().flatMap(s -> {
   // 将每个元素转换成一个stream
   String[] split = s.split(',');
   Stream<String> s2 = Arrays.stream(split);
   return s2;
  }).collect(Collectors.toList());

System.out.println('处理前的集合:' + list);
  System.out.println('处理后的集合:' + listNew);
 }
}

输出结果:

处理前的集合:[m-k-l-a, 1-3-5]
处理后的集合:[m, k, l, a, 1, 3, 5]

3.5 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 StreamTest { public static void main(String[] args) {  List<Integer> list = Arrays.asList(1, 3, 2, 8, 11, 4);  // 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);

  // 求乘积  Optional<Integer> product = list.stream().reduce((x, y) -> x * y);

  // 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:' + sum.get() + ',' + sum2.get() + ',' + sum3);  System.out.println('list求积:' + product.get());  System.out.println('list求和:' + max.get() + ',' + max2); }}

输出结果:

list求和:29,29,29
list求积:2112
list求和:11,11

案例二:求所有员工的工资之和和最高工资。

public class StreamTest {
 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);
  // 求工资之和方式3:
  Integer sumSalary3 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(), Integer::sum);

// 求最高工资方式1:
  Integer maxSalary = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(),
    Integer::max);
  // 求最高工资方式2:
  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:' + maxSalary + ',' + maxSalary2);
 }
}

输出结果:

工资之和:49300,49300,49300
最高工资:9500,9500

3.6 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。toListtoSettoMap比较常用,另外还有toCollectiontoConcurrentMap等复杂一些的用法。

下面用一个案例演示toListtoSettoMap

public class StreamTest { public static void main(String[] args) {  List<Integer> list = Arrays.asList(1, 6, 3, 4, 6, 7, 9, 6, 20);  List<Integer> listNew = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toList());  Set<Integer> set = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toSet());

  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'));

  Map<?, Person> map = personList.stream().filter(p -> p.getSalary() > 8000)    .collect(Collectors.toMap(Person::getName, p -> p));  System.out.println('toList:' + listNew);  System.out.println('toSet:' + set);  System.out.println('toMap:' + map); }}

运行结果:

toList:[6, 4, 6, 6, 20]
toSet:[4, 20, 6]
toMap:{Tom=mutest.Person@5fd0d5ae, Anni=mutest.Person@2d98a335}

3.6.2 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:averagingIntaveragingLongaveragingDouble

  • 最值:maxByminBy

  • 求和:summingIntsummingLongsummingDouble

  • 统计以上所有:summarizingIntsummarizingLongsummarizingDouble

案例:统计员工人数、平均工资、工资总额、最高工资。

public class StreamTest {
 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());
  // 求平均工资
  Double average = personList.stream().collect(Collectors.averagingDouble(Person::getSalary));
  // 求最高工资
  Optional<Integer> max = personList.stream().map(Person::getSalary).collect(Collectors.maxBy(Integer::compare));
  // 求工资之和
  Integer sum = personList.stream().collect(Collectors.summingInt(Person::getSalary));
  // 一次性统计所有信息
  DoubleSummaryStatistics collect = personList.stream().collect(Collectors.summarizingDouble(Person::getSalary));

System.out.println('员工总数:' + count);
  System.out.println('员工平均工资:' + average);
  System.out.println('员工工资总和:' + sum);
  System.out.println('员工工资所有统计:' + collect);
 }
}

运行结果:

员工总数:3
员工平均工资:7900.0
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}

3.6.3 分组(partitioningBy/groupingBy)

  • 分区:将stream按条件分为两个Map,比如员工按薪资是否高于8000分为两部分。

  • 分组:将集合分为多个Map,比如员工按性别分组。有单级分组和多级分组。

案例:将员工按薪资是否高于8000分为两部分;将员工按性别和地区分组

public class StreamTest { public static void main(String[] args) {  List<Person> personList = new ArrayList<Person>();  personList.add(new Person('Tom', 8900, 'male', 'New York'));  personList.add(new Person('Jack', 7000, 'male', 'Washington'));  personList.add(new Person('Lily', 7800, 'female', 'Washington'));  personList.add(new Person('Anni', 8200, 'female', 'New York'));  personList.add(new Person('Owen', 9500, 'male', 'New York'));  personList.add(new Person('Alisa', 7900, 'female', 'New York'));

  // 将员工按薪资是否高于8000分组        Map<Boolean, List<Person>> part = personList.stream().collect(Collectors.partitioningBy(x -> x.getSalary() > 8000));        // 将员工按性别分组        Map<String, List<Person>> group = personList.stream().collect(Collectors.groupingBy(Person::getSex));        // 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('员工按薪资是否大于8000分组情况:' + part);        System.out.println('员工按性别分组情况:' + group);        System.out.println('员工按性别、地区:' + group2); }}

输出结果:

员工按薪资是否大于8000分组情况:{false=[mutest.Person@2d98a335, mutest.Person@16b98e56, mutest.Person@7ef20235], true=[mutest.Person@27d6c5e0, mutest.Person@4f3f5b24, mutest.Person@15aeb7ab]}
员工按性别分组情况:{female=[mutest.Person@16b98e56, mutest.Person@4f3f5b24, mutest.Person@7ef20235], male=[mutest.Person@27d6c5e0, mutest.Person@2d98a335, mutest.Person@15aeb7ab]}
员工按性别、地区:{female={New York=[mutest.Person@4f3f5b24, mutest.Person@7ef20235], Washington=[mutest.Person@16b98e56]}, male={New York=[mutest.Person@27d6c5e0, mutest.Person@15aeb7ab], Washington=[mutest.Person@2d98a335]}}

3.6.4 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 StreamTest { 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'));

  String names = personList.stream().map(p -> p.getName()).collect(Collectors.joining(','));  System.out.println('所有员工的姓名:' + names);  List<String> list = Arrays.asList('A', 'B', 'C');  String string = list.stream().collect(Collectors.joining('-'));  System.out.println('拼接后的字符串:' + string); }}

运行结果:

所有员工的姓名:Tom,Jack,Lily
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 StreamTest {
 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);

// stream的reduce
  Optional<Integer> sum2 = personList.stream().map(Person::getSalary).reduce(Integer::sum);
  System.out.println('员工薪资总和:' + sum2.get());
 }
}

运行结果:

员工扣税薪资总和:8700
员工薪资总和:23700

3.7 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

案例:将员工按工资由高到低(工资一样则按年龄由大到小)排序

public class StreamTest { public static void main(String[] args) {  List<Person> personList = new ArrayList<Person>();

  personList.add(new Person('Sherry', 9000, 24, 'female', 'New York'));  personList.add(new Person('Tom', 8900, 22, 'male', 'Washington'));  personList.add(new Person('Jack', 9000, 25, 'male', 'Washington'));  personList.add(new Person('Lily', 8800, 26, 'male', 'New York'));  personList.add(new Person('Alisa', 9000, 26, 'female', 'New York'));

  // 按工资增序排序  List<String> newList = personList.stream().sorted(Comparator.comparing(Person::getSalary)).map(Person::getName)    .collect(Collectors.toList());  // 按工资倒序排序  List<String> newList2 = personList.stream().sorted(Comparator.comparing(Person::getSalary).reversed())    .map(Person::getName).collect(Collectors.toList());  // 先按工资再按年龄自然排序(从小到大)  List<String> newList3 = personList.stream().sorted(Comparator.comparing(Person::getSalary).reversed())    .map(Person::getName).collect(Collectors.toList());  // 先按工资再按年龄自定义排序(从大到小)  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('按工资自然排序:' + newList);  System.out.println('按工资降序排序:' + newList2);  System.out.println('先按工资再按年龄自然排序:' + newList3);  System.out.println('先按工资再按年龄自定义降序排序:' + newList4); }}

运行结果:

按工资自然排序:[Lily, Tom, Sherry, Jack, Alisa]
按工资降序排序:[Sherry, Jack, Alisa,Tom, Lily]
先按工资再按年龄自然排序:[Sherry, Jack, Alisa, Tom, Lily]
先按工资再按年龄自定义降序排序:[Alisa, Jack, Sherry, Tom, Lily]

3.8 提取/组合

流也可以进行合并、去重、限制、跳过等操作。

public class StreamTest {
 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());
  // 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());
  // 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('流合并:' + newList);
  System.out.println('limit:' + collect);
  System.out.println('skip:' + collect2);
 }
}

运行结果:

流合并:[a, b, c, d, e, f, g]
limit:[1, 3, 5, 7, 9, 11, 13, 15, 17, 19]
skip:[3, 5, 7, 9, 11]

4 Stream源码解读

这部分等有时间慢慢分解吧。

推荐:程序员求职面试

分享程序员找工作经验

程序员笔试、面试题

(0)

相关推荐

  • List去除重复数据的五种方式

    你知道的越多,不知道的就越多,业余的像一棵小草! 你来,我们一起精进!你不来,我和你的竞争对手一起精进! 编辑:业余草 blog.csdn.net/qq_37939251/article/detail ...

  • Java 中一个天天都在被人使用,但你并不知道为什么的知识点

    每天早上七点三十,准时推送干货 Java极客技术 Java 极客技术由一群热爱 Java 的技术人组建,专业输出高质量原创的 Java 系列文章,优秀的 Java 程序员都在这里. 666篇原创内容 ...

  • 万字20张图详解TCP/IP常见攻击手段

    这一篇主要和大家一起学习回顾关于 TCP/IP 的常见攻击,至少有一个基本的认识 前言 前言 1 IP欺骗 IP是什么 在网络中,所有的设备都会分配一个地址.这个地址就仿佛小蓝的家地址「多少号多少室」 ...

  • 5.7.20 多实例

    数据库 | MySQL:5.7.20 多实例--MGR部署实战 MGR介绍 基于传统异步复制和半同步复制的缺陷--数据的一致性问题无法保证,MySQL官方在5.7.17版本正式推出组复制(MySQL ...

  • 高考结束,娃说放松下,瞧这独特的放松方式,20块钱玩嗨啦

    也许是无意中的影响吧,我家娃从小就喜欢跟我待在厨房,耳闻目睹下,不经意就学会了做饭炒菜,每次节假日的时候,就央求着要跟我做美食. 俗话说:兴趣是最好的老师,这话真没错,记得9岁那年的生日蛋糕,就是她自 ...

  • 实例:玩英雄联盟需要什么配置?

    真人回复,随身顾问. 点击关注! 话说这本不应该是什么问题的,可还是多次被问到,看来还是具有一定的代表性,所以当作一个话题来说说. 遇到这类问题,我们首先还是应该想到官网,作为官方开发者或者运营者一定 ...

  • 单机赛高!这20款耐玩手游内存小免流量随意玩

    又到美好的周五啦,每次都会在后台以及评论里收到想要推荐耐玩单机手游的消息,既然大家呼声这么高,那么,就来一次大盘点吧! 下面这些单机手游,高颜值又耐玩,你看行不行? 塔罗斯的法则 有玩家说这款游戏可能 ...

  • 效率提升20%是什么玩法?维宏专业石材雕刻机控制系统

    石材雕刻 数控技术的发展为石材雕刻的自动化加工奠定了基础,数控加工中心在雕刻加工中的应用,实现了石雕制品的机械化.自动化生产,但更高的效率和品质一直是广大石材加工厂商不懈的追求. 针对国内石材雕刻数控 ...

  • 10,20日线庄家玩烂,手把手教你设6条均线,好东西,赚钱靠它了

    10,20日线庄家玩烂,手把手教你设6条均线,好东西,赚钱靠它了

  • 3ds max科研建模实例——玩转石墨烯

    05:293d max科研绘图实例--两分钟五步画石墨烯 2.6万 2017- 24:163ds max科研建模实例2--玩转石墨烯 1.8万 2017-9-2

  • 潜行暗鲨哪家强?这20款游戏玩的就是心跳!

    什么是潜行游戏?所谓潜行游戏就是以隐藏和躲藏为主题的电子游戏. 简单的来说,就是你需要在游戏中达成不被敌人发现的目标. 虽然相对于其他游戏类型,潜入类游戏没有那么的热门,但是近年来被关注度也是越来越高 ...