Stream流操作講解
1 Stream概述
java 8 是一個非常成功的版本,這個版本新增的Stream
,配合同版本出現的 Lambda
,給我們操作集合(Collection)提供了極大的便利。
那麼什麼是Stream
?
Stream
將要處理的元素集合看作一種流,在流的過程中,藉助Stream API
對流中的元素進行操作,比如:篩選、排序、聚合等。
Stream
可以由數組或集合創建,對流的操作分爲兩種:
- 中間操作,每次返回一個新的流,可以有多個。(篩選filter、映射map、排序sorted、去重組合skip—limit)
- 終端操作,每個流只能進行一次終端操作,終端操作結束後流無法再次使用。終端操作會產生一個新的集合或值。(遍歷foreach、匹配find–match、規約reduce、聚合max–min–count、收集collect)
另外,Stream
有幾個特性:
- stream不存儲數據,而是按照特定的規則對數據進行計算,一般會輸出結果。
- stream不會改變數據源,通常情況下會產生一個新的集合或一個值。
- stream具有延遲執行特性,只有調用終端操作時,中間操作纔會執行。
2 Stream與傳統遍歷對比
幾乎所有的集合(如 Collection 接口或 Map 接口等)都支持直接或間接的遍歷操作。而當我們需要對集合中的元素進行操作的時候,除了必需的添加、刪除、獲取外,最典型的就是集合遍歷。例如:
import java.util.ArrayList;
import java.util.List;
public class Demo1List {
public static void main(String[] args) {
List<String> list = new ArrayList<>();
list.add("張無忌");
list.add("周芷若");
list.add("趙敏");
list.add("小昭");
list.add("殷離");
list.add("張三");
list.add("張三丰");
List<String> listA = new ArrayList<>();
for ( String s : list) {
if (s.startsWith("張"))
listA.add(s);
}
List<String> listB = new ArrayList<>();
for (String s: listA) {
if (s.length() == 3)
listB.add(s);
}
for (String s: listB) {
System.out.println(s);
}
}
}
循環遍歷的弊端
Java 8的Lambda更加專注於做什麼(What),而不是怎麼做(How),這點此前已經結合內部類進行了對比說明。現在,仔細體會一下上例代碼,可以發現:
for循環的語法就是“怎麼做”
for循環的循環體纔是“做什麼”
爲什麼使用循環?因爲要進行遍歷。但循環是遍歷的唯一方式嗎?遍歷是指每一個元素逐一進行處理,而並不是從第一個到最後一個順次處理的循環。前者是目的,後者是方式。
使用Stream寫法
import java.util.ArrayList;
import java.util.List;
public class Demo2Steam {
public static void main(String[] args) {
List<String> list = new ArrayList<>();
list.add("張無忌");
list.add("周芷若");
list.add("趙敏");
list.add("小昭");
list.add("殷離");
list.add("張三");
list.add("張三丰");
list.stream()
.filter(name -> name.startsWith("張"))
.filter(name -> name.length() == 3)
.forEach(name -> System.out.println(name));
}
}
效果顯而易見。
3 Stream的創建
Stream
可以通過集合數組創建。
1、通過 java.util.Collection.stream()
方法用集合創建流
List<String> list = Arrays.asList("a", "b", "c"); // 創建一個順序流 Stream<String> stream = list.stream(); // 創建一個並行流 Stream<String> parallelStream = list.parallelStream();
輸出結果
2、使用java.util.Arrays.stream(T[] array)
方法用數組創建流
int[] array={1,3,5,6,8}; IntStream stream = Arrays.stream(array);
3、使用Stream
的靜態方法: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); Stream<Double> stream3 = Stream.generate(Math::random).limit(3); stream3.forEach(System.out::println);
輸出結果:
stream和parallelStream的簡單區分: stream
是順序流,由主線程按順序對流執行操作,而parallelStream
是並行流,內部以多線程並行執行的方式對流進行操作,但前提是流中的數據處理沒有順序要求。例如篩選集合中的奇數,兩者的處理不同之處:
如果流中的數據量足夠大,並行流可以加快處速度。
除了直接創建並行流,還可以通過parallel()
把順序流轉換成並行流:
Optional<Integer> findFirst = list.stream().parallel().filter(x->x>6).findFirst(); List<Integer> list = Arrays.asList(1, 3, 6, 8, 12, 4); Optional<Integer> findFirst = list.stream().parallel().filter(x->x>6).findFirst(); System.out.println("使用Stream的靜態方法generate:" + findFirst.get());
4 Stream的使用
在使用stream之前,先理解一個概念:Optional
。
Optional
類是一個可以爲null
的容器對象。如果值存在則isPresent()
方法會返回true
,調用get()
方法會返回該對象。Optional學習鏈接---------
首先創建一個案例使用的員工類Person
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; // 薪資
private int age; // 年齡
private String sex; //性別
private String area; // 地區
// 構造方法
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,請自行添加
}
4.1 遍歷/匹配(foreach、find、match)
Stream
也是支持類似集合的遍歷和匹配元素的,只是Stream
中的元素是以Optional
類型存在的。Stream
的遍歷、匹配非常簡單。
// import已省略,請自行添加,後面代碼亦是 public class StreamTest { public static void main(String[] args) { List<Integer> list = Arrays.asList(7, 6, 9, 3, 8, 2, 1); // 遍歷輸出符合條件的元素 list.stream().filter(x -> x > 6).forEach(System.out::println); // 匹配第一個 Optional<Integer> findFirst = list.stream().filter(x -> x > 6).findFirst(); // 匹配任意(適用於並行流) Optional<Integer> findAny = list.parallelStream().filter(x -> x > 6).findAny(); // 是否包含符合特定條件的元素 boolean anyMatch = list.stream().anyMatch(x -> x > 6); System.out.println("匹配第一個值:" + findFirst.get()); System.out.println("匹配任意一個值:" + findAny.get()); System.out.println("是否存在大於6的值:" + anyMatch); } }
輸出結果:
4.2 篩選(filter)
篩選,是按照一定的規則校驗流中的元素,將符合條件的元素提取到新的流中的操作。
filter
Stream<T> filter(Predicate<? super T> predicate);
案例一:篩選出Integer集合中大於7的元素,並打印出來**
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); } }
輸出結果:
案例二: 篩選員工中工資高於8000的人,並形成新的集合。 形成新集合依賴collect
(收集),後文有詳細介紹。
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("高於8000的員工姓名:" + fiterList); } }
輸出結果:
4.3 聚合(max、min、count)
max
、min
、count
這些一定不陌生,在mysql中我們常用它們進行數據統計。Java stream中也引入了這些概念和用法,極大地方便了我們對集合、數組的數據統計工作。
案例一:獲取String集合中最長的元素。
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("最長的字符串:" + max.get()); } }
輸出結果:
案例二:獲取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); // 自定義排序 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("自定義排序的最大值:" + max2.get()); } }
輸出結果:
案例三:獲取員工工資最高的人。
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("員工工資最大值:" + max.get().getSalary()); } }
輸出結果:
案例四:計算Integer集合中大於6的元素的個數。
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中大於6的元素個數:" + count); } }
輸出結果:
4.4 映射(map、flatMap)
映射,可以將一個流的元素按照一定的映射規則映射到另一個流中。分爲map
和flatMap
:
map
:接收一個函數作爲參數,該函數會被應用到每個元素上,並將其映射成一個新的元素。flatMap
:接收一個函數作爲參數,將流中的每個值都換成另一個流,然後把所有流連接成一個流。
map
<R> Stream<R> map(Function<? super T, ? extends R> mapper);
flatMap
<R> Stream<R> flatMap(Function<? super T, ? extends Stream<? extends R>> mapper);
案例一:英文字符串數組的元素全部改爲大寫。整數數組每個元素+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("每個元素大寫:" + strList); System.out.println("每個元素+3:" + intListNew); } }
輸出結果:
案例二:將員工的薪資全部增加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")); // 不改變原來員工集合的方式 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("一次改動前:" + personList.get(0).getName() + "-->" + personList.get(0).getSalary()); System.out.println("一次改動後:" + personListNew.get(0).getName() + "-->" + personListNew.get(0).getSalary()); // 改變原來員工集合的方式 List<Person> personListNew2 = personList.stream().map(person -> { person.setSalary(person.getSalary() + 10000); return person; }).collect(Collectors.toList()); System.out.println("二次改動前:" + personList.get(0).getName() + "-->" + personListNew.get(0).getSalary()); System.out.println("二次改動後:" + personListNew2.get(0).getName() + "-->" + personListNew.get(0).getSalary()); } }
輸出結果:
案例三:將兩個字符數組合併成一個新的字符數組。
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 -> { // 將每個元素轉換成一個stream String[] split = s.split(","); Stream<String> s2 = Arrays.stream(split); return s2; }).collect(Collectors.toList()); System.out.println("處理前的集合:" + list); System.out.println("處理後的集合:" + listNew); } }
輸出結果:
4.5 規約(reduce)
歸約,也稱縮減,顧名思義,是把一個流縮減成一個值,能實現對集合求和、求乘積和求最值操作。
reduce
T reduce(T identity, BinaryOperator<T> accumulator); @Override public final P_OUT reduce(final P_OUT identity, final BinaryOperator<P_OUT> accumulator) { return evaluate(ReduceOps.makeRef(identity, accumulator, accumulator)); } Optional<T> reduce(BinaryOperator<T> accumulator); @Override public final Optional<P_OUT> reduce(BinaryOperator<P_OUT> accumulator) { return evaluate(ReduceOps.makeRef(accumulator)); } <U> U reduce(U identity, BiFunction<U, ? super T, U> accumulator, BinaryOperator<U> combiner); @Override public final <R> R reduce(R identity, BiFunction<R, ? super P_OUT, R> accumulator, BinaryOperator<R> combiner) { return evaluate(ReduceOps.makeRef(identity, accumulator, combiner)); }
Optional reduce(BinaryOperator accumulator):第一次執行時,accumulator函數的第一個參數爲流中的第一個元素,第二個參數爲流中元素的第二個元素;第二次執行時,第一個參數爲第一次函數執行的結果,第二個參數爲流中的第三個元素;依次類推。
T reduce(T identity, BinaryOperator accumulator):流程跟上面一樣,只是第一次執行時,accumulator函數的第一個參數爲identity,而第二個參數爲流中的第一個元素。
案例一:求Integer集合的元素之和、乘積和最大值。**
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); // 求乘積 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); // 求最大值寫法2 Integer max2 = list.stream().reduce(1, Integer::max); System.out.println("list求和:" + sum.get() + "," + sum2.get() + "," + sum3); System.out.println("list求積:" + product.get()); System.out.println("list求和:" + max.get() + "," + max2); } }
輸出結果
案例二:求所有員工的工資之和和最高工資。
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")); // 求工資之和方式1: Optional<Integer> sumSalary = personList.stream().map(Person::getSalary).reduce(Integer::sum); // 求工資之和方式2: Integer sumSalary2 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(), (sum1, sum2) -> sum1 + sum2); // 求工資之和方式3: Integer sumSalary3 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(), Integer::sum); // 求最高工資方式1: Integer maxSalary = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(), Integer::max); // 求最高工資方式2: Integer maxSalary2 = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(), (max1, max2) -> max1 > max2 ? max1 : max2); System.out.println("工資之和:" + sumSalary.get() + "," + sumSalary2 + "," + sumSalary3); System.out.println("最高工資:" + maxSalary + "," + maxSalary2); } }
輸出結果:
4.6 收集(collect)
collect
,收集,可以說是內容最繁多、功能最豐富的部分了。從字面上去理解,就是把一個流收集起來,最終可以是收集成一個值也可以收集成一個新的集合。
collect
主要依賴java.util.stream.Collectors
類內置的靜態方法。
4.6.1 歸集(toList、toSet、toMap)
因爲流不存儲數據,那麼在流中的數據完成處理後,需要將流中的數據重新歸集到新的集合裏。toList
、toSet
和toMap
比較常用,另外還有toCollection
、toConcurrentMap
等複雜一些的用法。
下面用一個案例演示toList
、toSet
和toMap
:
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); } }
輸出結果
4.6.2 統計(count、averaging)
Collectors
提供了一系列用於數據統計的靜態方法:
- 計數:count
- 平均值:averagingInt、averagingLong、averagingDouble
- 最值:maxBy、minBy
- 求和:summingInt、summingLong、summingDouble
- 統計以上所有:summarizingInt、summarizingLong、summarizingDouble
案例:統計員工人數、平均工資、工資總額、最高工資。
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")); // 求總數 Long count = personList.stream().collect(Collectors.counting()); // 求平均工資 Double average = personList.stream().collect(Collectors.averagingDouble(Person::getSalary)); // 求最高工資 Optional<Integer> max = personList.stream().map(Person::getSalary).collect(Collectors.maxBy(Integer::compare)); // 求工資之和 Integer sum = personList.stream().collect(Collectors.summingInt(Person::getSalary)); // 一次性統計所有信息 DoubleSummaryStatistics collect = personList.stream().collect(Collectors.summarizingDouble(Person::getSalary)); System.out.println("員工總數:" + count); System.out.println("員工平均工資:" + average); System.out.println("員工工資總和:" + sum); System.out.println("員工工資所有統計:" + collect); } }
輸出結果:
4.6.3 分組(partitioningBy、groupingBy)
-
分區:將
stream
按條件分爲兩個Map
,比如員工按薪資是否高於8000分爲兩部分。 -
分組:將集合分爲多個Map,比如員工按性別分組。有單級分組和多級分組。
partitioningBy
public static <T> Collector<T, ?, Map<Boolean, List<T>>> partitioningBy(Predicate<? super T> predicate) { return partitioningBy(predicate, toList()); }
groupingBy
public static <T, K> Collector<T, ?, Map<K, List<T>>> groupingBy(Function<? super T, ? extends K> classifier) { return groupingBy(classifier, toList()); }
案例:將員工按薪資是否高於8000分爲兩部分;將員工按性別和地區分組**
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")); // 將員工按薪資是否高於8000分組 Map<Boolean, List<Person>> part = personList.stream().collect(Collectors.partitioningBy(x -> x.getSalary() > 8000)); // 將員工按性別分組 Map<String, List<Person>> group = personList.stream().collect(Collectors.groupingBy(Person::getSex)); // 將員工先按性別分組,再按地區分組 Map<String, Map<String, List<Person>>> group2 = personList.stream().collect(Collectors.groupingBy(Person::getSex, Collectors.groupingBy(Person::getArea))); System.out.println("員工按薪資是否大於8000分組情況:" + part); System.out.println("員工按性別分組情況:" + group); System.out.println("員工按性別、地區:" + group2); } }
輸出結果:
4.6.4 接合(joining)
joining
可以將stream中的元素用特定的連接符(沒有的話,則直接連接)連接成一個字符串。
joining
public static Collector<CharSequence, ?, String> joining(CharSequence delimiter) { return joining(delimiter, "", ""); }
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("所有員工的姓名:" + names);
List<String> list = Arrays.asList("A", "B", "C");
String string = list.stream().collect(Collectors.joining("-"));
System.out.println("拼接後的字符串:" + string);
}
}
輸出結果:
4.6.5 規約(reducing)
Collectors
類提供的reducing
方法,相比於stream
本身的reduce
方法,增加了對自定義歸約的支持。
reducing
public static <T> Collector<T, ?, Optional<T>> reducing(BinaryOperator<T> op) { class OptionalBox implements Consumer<T> { T value = null; boolean present = false; @Override public void accept(T t) { if (present) { value = op.apply(value, t); } else { value = t; present = true; } } } return new CollectorImpl<T, OptionalBox, Optional<T>>( OptionalBox::new, OptionalBox::accept, (a, b) -> { if (b.present) a.accept(b.value); return a; }, a -> Optional.ofNullable(a.value), CH_NOID); }
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"));
// 每個員工減去起徵點後的薪資之和(這個例子並不嚴謹,但一時沒想到好的例子)
Integer sum = personList.stream().collect(Collectors.reducing(0, Person::getSalary, (i, j) -> (i + j - 5000)));
System.out.println("員工扣稅薪資總和:" + sum);
// stream的reduce
Optional<Integer> sum2 = personList.stream().map(Person::getSalary).reduce(Integer::sum);
System.out.println("員工薪資總和:" + sum2.get());
}
}
輸出結果:
4.7 排序(sorted)
sorted,中間操作。有兩種排序:
- sorted():自然排序,流中元素需實現Comparable接口
- sorted(Comparator com):Comparator排序器自定義排序
sorted
Stream<T> sorted(); @Override public final Stream<P_OUT> sorted() { return SortedOps.makeRef(this); }
sorted(Comparator com)
Stream<T> sorted(Comparator<? super T> comparator); @Override public final Stream<P_OUT> sorted(Comparator<? super P_OUT> comparator) { return SortedOps.makeRef(this, comparator); }
案例:將員工按工資由高到低(工資一樣則按年齡由大到小)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"));
// 按工資升序排序(自然排序)
List<String> newList = personList.stream().sorted(Comparator.comparing(Person::getSalary)).map(Person::getName)
.collect(Collectors.toList());
// 按工資倒序排序
List<String> newList2 = personList.stream().sorted(Comparator.comparing(Person::getSalary).reversed())
.map(Person::getName).collect(Collectors.toList());
// 先按工資再按年齡升序排序
List<String> newList3 = personList.stream()
.sorted(Comparator.comparing(Person::getSalary).thenComparing(Person::getAge)).map(Person::getName)
.collect(Collectors.toList());
// 先按工資再按年齡自定義排序(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("按工資升序排序:" + newList);
System.out.println("按工資降序排序:" + newList2);
System.out.println("先按工資再按年齡升序排序:" + newList3);
System.out.println("先按工資再按年齡自定義降序排序:" + newList4);
}
}
輸出結果:
4.8 去重、合併(distinct、skip、limit)
流也可以進行合併、去重、限制、跳過等操作。
distinct(去重)
Stream<T> distinct(); @Override public final Stream<P_OUT> distinct() { return DistinctOps.makeRef(this); }
skip(跳過)
Stream<T> skip(long n); @Override public final Stream<P_OUT> skip(long n) { if (n < 0) throw new IllegalArgumentException(Long.toString(n)); if (n == 0) return this; else return SliceOps.makeRef(this, n, -1); }
limit
Stream<T> limit(long maxSize); @Override public final Stream<P_OUT> limit(long maxSize) { if (maxSize < 0) throw new IllegalArgumentException(Long.toString(maxSize)); return SliceOps.makeRef(this, 0, maxSize); }
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:合併兩個流 distinct:去重 List<String> newList = Stream.concat(stream1, stream2).distinct().collect(Collectors.toList()); // limit:限制從流中獲得前n個數據 List<Integer> collect = Stream.iterate(1, x -> x + 2).limit(10).collect(Collectors.toList()); // skip:跳過前n個數據 這裏的1代表把1代入後邊的計算表達式 List<Integer> collect2 = Stream.iterate(1, x -> x + 2).skip(1).limit(5).collect(Collectors.toList()); System.out.println("流合併:" + newList); System.out.println("limit:" + collect); System.out.println("skip:" + collect2); } }
運行結果: