一文詳解Java中Stream流的使用

2022-05-24 22:04:26

簡介

說明

本文用範例介紹stream的使用。

JDK8新增了Stream（流操作）處理集合的資料，可執行查詢、過濾和對映資料等操作。

使用Stream API 對集合資料進行操作，就類似於使用 SQL 執行的資料庫查詢。可以使用 Stream API 來並行執行操作。

簡而言之，Stream API 提供了一種高效且易於使用的處理資料的方式。

特點

不是資料結構，不會儲存資料。

大部分不修改原來的資料來源，它會將操作後的資料儲存到另外一個物件中。

peek方法可以修改流中元素

惰性求值，流在中間處理過程中，只對操作進行記錄，不會立即執行，需等到執行終止操作的時候才會進行實際的計算。

Stream操作步驟

建立Stream=> 轉換Stream（中間操作）=> 產生結果（終止操作）

注意：這只是一般操作。實際程式設計時，建立必須有，而中間操作與終止操作是可選的。

操作分類

無狀態：指元素的處理不受之前元素的影響；

有狀態：指該操作只有拿到所有元素之後才能繼續下去。

非短路操作：指必須處理所有元素才能得到最終結果；

短路操作：指遇到某些符合條件的元素就可以得到最終結果，如 A || B，只要A為true，則無需判斷B的結果。

本文的公共程式碼

class User {
    private String name;
    private Integer age;
 
    public User(String name, Integer age) {
        this.name = name;
        this.age = age;
    }
 
    public String getName() {
        return name;
    }
 
    public void setName(String name) {
        this.name = name;
    }
 
    public Integer getAge() {
        return age;
    }
 
    public void setAge(Integer age) {
        this.age = age;
    }
 
    @Override
    public String toString() {
        return "User{" +
                "name='" + name + ''' +
                ", age=" + age +
                '}';
    }
}

操作1：建立流

Collection下的 stream() 和 parallelStream() 方法

List<String> list = new ArrayList<>();
Stream<String> stream = list.stream();  //序列流
Stream<String> parallelStream = list.parallelStream(); //並行流

Arrays 中的 stream() 方法，將陣列轉成流

Integer[] nums = new Integer[10];
Stream<Integer> stream = Arrays.stream(nums);

Stream中的靜態方法：of()、iterate()、generate()

Stream<Integer> stream = Stream.of(1,2,3,4,5,6);
stream.forEach(System.out::println);  
// 輸出：1 2 3 4 5 6
 
Stream<Integer> stream2 = Stream.iterate(0, (x) -> x + 2).limit(6);
stream2.forEach(System.out::println); 
// 輸出：0 2 4 6 8 10
 
Stream<Double> stream3 = Stream.generate(Math::random).limit(2);
stream3.forEach(System.out::println); 
// 輸出：兩個亂數

BufferedReader.lines() 方法，將每行內容轉成流

BufferedReader reader = new BufferedReader(new FileReader("F:\test_stream.txt"));
Stream<String> lineStream = reader.lines();
lineStream.forEach(System.out::println);

Pattern.splitAsStream() 方法，將字串分隔成流

Pattern pattern = Pattern.compile(",");
Stream<String> stringStream = pattern.splitAsStream("a,b,c,d");
stringStream.forEach(System.out::println);  
//輸出：a b c d

操作2：中間操作

篩選（過濾）、去重

方法

方法	說明
filter	過濾流中的某些元素（只保留返回值為true的項）
limit(n)	獲取前n個元素
skip(n)	跳過前n個元素，配合limit(n)可實現分頁
distinct	通過流中元素的 hashCode() 和 equals() 去除重複元素

單個元素篩選（過濾）、去重、跳過、獲取前n個

List<Integer> list = new ArrayList<>(Arrays.asList(6, 4, 6, 7, 3, 9, 8, 10, 12, 14, 14));
 
List<Integer> newList = list.stream()
        .filter(s -> s > 5) //6 6 7 9 8 10 12 14 14
        .distinct() //6 7 9 8 10 12 14
        .skip(2)    //9 8 10 12 14
        .limit(2)   //9 8
        .collect(Collectors.toList());

根據物件屬性去重

List<User> list = new ArrayList<User>() {{
    add(new User("Tony", 20, "12"));
    add(new User("Pepper", 20, "123"));
    add(new User("Tony", 22, "1234"));
    add(new User("Tony", 22, "12345"));
}};
 
//只通過名字去重
List<User> streamByNameList = list.stream().collect(Collectors.collectingAndThen(
        Collectors.toCollection(() -> new TreeSet<>(Comparator.comparing(User::getName))), ArrayList::new
));
System.out.println(streamByNameList);
//[User{name='Pepper', age=20, Phone='123'}, 
// User{name='Tony', age=20, Phone='12'}]
 
//通過名字和年齡去重
List<User> streamByNameAndAgeList = list.stream().collect(Collectors.collectingAndThen(
        Collectors.toCollection(
                () -> new TreeSet<>(Comparator.comparing(o -> o.getName() + o.getAge()))), ArrayList::new
));
System.out.println(streamByNameAndAgeList);
//[User{name='Pepper', age=20, Phone='123'},
// User{name='Tony', age=20, Phone='12'},
// User{name='Tony', age=22, Phone='1234'}]

collectingAndThen 這個方法的意思是: 將收集的結果轉換為另一種型別。

因此上面的方法可以理解為：把 new TreeSet<>(Comparator.comparingLong(BookInfoVo::getRecordId))這個set轉換為 ArrayList。

對映

方法

方法	說明
map	函數作為引數，該函數被應用到每個元素，並將其對映成一個新的元素。新值型別可以和原來的元素的型別不同。
flatMap	函數作為引數，將流中每個值換成另一個流，再把所有流連成一個流。新值型別可以和原來的元素的型別不同。
mapToInt/Long/Double	跟map差不多。只是將其轉為基本型別。
flatMapToInt/Long/Double	跟flatMap差不多。只是將其轉為基本型別。

新值型別和原來的元素的型別相同範例

List<String> list = Arrays.asList("a,b,c", "1,2,3");
 
//將每個元素轉成一個新的且不帶逗號的元素
Stream<String> s1 = list.stream().map(s -> s.replaceAll(",", ""));
s1.forEach(System.out::println); 
// abc  123
 
Stream<String> s2 = list.stream().flatMap(s -> {
    //將每個元素轉換成一個stream
    String[] split = s.split(",");
    Stream<String> s3 = Arrays.stream(split);
    return s3;
});
s2.forEach(System.out::println); 
// a b c 1 2 3

新值型別和原來的元素的型別不同範例

User u1 = new User("aa", 10);
User u2 = new User("bb", 20);
User u3 = new User("cc", 10);
List<User> list = Arrays.asList(u1, u2, u3);
 
Set<Integer> ageSet = list.stream().map(User::getAge).collect(Collectors.toSet());
ageSet.forEach(System.out::println);  
//20 10
 
int[] ageInt = list.stream().map(User::getAge).mapToInt(Integer::intValue).toArray();
//下邊這樣也可以
//Integer[] ages = list.stream.map(User::getAge).toArray(Integer[]::new);
for (int i : ageInt) {
    System.out.println(i);
}
//10 20 10

map的原型為：<R> Stream<R> map(Function<? super T, ? extends R> mapper);

上邊例子中，將Student::getAge作為引數，其實際為：<R> Stream<Integer> map(Function<? super Student, ? extends Integer> mapper);

排序

方法

方法	說明
sorted()	自然排序，流中元素需實現Comparable介面。例：list.stream().sorted()
sorted(Comparator com)	客製化排序。常用以下幾種： list.stream().sorted(Comparator.reverseOrder()) list.stream().sorted(Comparator.comparing(Student::getAge)) list.stream().sorted(Comparator.comparing(Student::getAge).reversed())

範例

List<String> list = Arrays.asList("aa", "ff", "dd");
//String 類自身已實現Comparable介面
list.stream().sorted().forEach(System.out::println);
 
System.out.println("------------------------------------");
 
User u1 = new User("dd", 40);
User u2 = new User("bb", 20);
User u3 = new User("aa", 20);
User u4 = new User("aa", 30);
List<User> userList = Arrays.asList(u1, u2, u3, u4);
 
//按年齡升序
userList.stream().sorted(Comparator.comparing(User::getAge))
        .forEach(System.out::println);
 
System.out.println("------------------------------------");
 
//先按年齡升序，年齡相同則按姓名升序
userList.stream().sorted(
        (o1, o2) -> {
            if (o1.getAge().equals(o2.getAge())) {
                return o1.getName().compareTo(o2.getName());
            } else {
                return o1.getAge().compareTo(o2.getAge());
            }
        }
).forEach(System.out::println);

結果

aa
dd
ff
------------------------------------
User{name='bb', age=20}
User{name='aa', age=20}
User{name='aa', age=30}
User{name='dd', age=40}
------------------------------------
User{name='aa', age=20}
User{name='bb', age=20}
User{name='aa', age=30}
User{name='dd', age=40}

消費

方法

方法	說明
peek	類似於map，能得到流中的每一個元素。但map接收的是一個Function表示式，有返回值；而peek接收的是Consumer表示式，沒有返回值。

範例

User u1 = new User("dd", 40);
User u2 = new User("bb", 20);
User u3 = new User("aa", 20);
User u4 = new User("aa", 30);
List<User> list = Arrays.asList(u1, u2, u3, u4);
 
List<User> list1 = list.stream()
        .peek(o -> o.setAge(100))
        .collect(Collectors.toList());
System.out.println(list1);

結果：

[User{name='dd', age=100}, User{name='bb', age=100}, User{name='aa', age=100}, User{name='aa', age=100}]

操作3：終止操作

匹配、最值、個數

方法

方法	說明
allMatch	接收一個 Predicate 函數，當流中每個元素都符合該斷言時才返回true，否則返回false
noneMatch	接收一個 Predicate 函數，當流中每個元素都不符合該斷言時才返回true，否則返回false
anyMatch	接收一個 Predicate 函數，只要流中有一個元素滿足該斷言則返回true，否則返回false
findFirst	返回流中第一個元素
findAny	返回流中的任意元素
count	返回流中元素的總個數
max	返回流中元素最大值
min	返回流中元素最小值

範例1：單個型別

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5);
 
// 匹配
boolean allMatch = list.stream().allMatch(e -> e > 10); //false
boolean noneMatch = list.stream().noneMatch(e -> e > 10); //true
boolean anyMatch = list.stream().anyMatch(e -> e > 4);  //true
 
// 獲取第一個/第任意個
Integer findFirst = list.stream().findFirst().get(); //1
Integer findAny = list.stream().findAny().get(); //1
 
// 計數、最大值、最小值
long count = list.stream().count(); //5
Integer max = list.stream().max(Integer::compareTo).get(); //5
Integer min = list.stream().min(Integer::compareTo).get(); //1

範例2：獲取物件中的欄位的最值

User u1 = new User("dd", 40);
User u2 = new User("bb", 20);
User u3 = new User("aa", 20);
User u4 = new User("aa", 30);
List<User> list = Arrays.asList(u1, u2, u3, u4);
 
//獲取最小年齡的使用者。
User user1 = list.stream()
        .min(Comparator.comparing(User::getAge))
        .get();
System.out.println(user1);
 
System.out.println("------------------------------------");
 
//獲取先按姓名升序，姓名相同則按年齡升序。然後獲取最小的那個（第一個）
User user = list.stream().min((o1, o2) -> {
    if (o1.getAge().equals(o2.getAge())) {
        return o1.getName().compareTo(o2.getName());
    } else {
        return o1.getAge().compareTo(o2.getAge());
    }
}).get();
System.out.println(user);

結果

User{name='bb', age=20}
------------------------------------
User{name='aa', age=20}

收集

方法

方法	說明
collect	接收一個Collector範例，將流中元素收整合另外一個資料結構。

Collector範例一般由Collectors的靜態方法取得。例如：Collectors.toList()

公共程式碼

User u1 = new User("dd", 40);
User u2 = new User("bb", 20);
User u3 = new User("aa", 20);
User u4 = new User("aa", 30);
List<User> list = Arrays.asList(u1, u2, u3, u4);

轉換

字串分隔符連線

String joinName = list.stream().map(User::getName).collect(Collectors.joining(",", "(", ")"));
System.out.println(joinName);
//(dd,bb,aa,aa)

轉成list

List<Integer> ageList = list.stream().map(User::getAge).collect(Collectors.toList());
System.out.println(ageList);
//[40, 20, 20, 30]

轉成set

Set<Integer> ageSet = list.stream().map(User::getAge).collect(Collectors.toSet());
System.out.println(ageSet);
//[20, 40, 30]

轉成map（注：key不能相同，否則報錯）

User s1 = new User("dd", 40);
User s2 = new User("bb", 20);
User s3 = new User("aa", 20);
List<User> list = Arrays.asList(s1, s2, s3);
 
Map<String, Integer> ageMap = list.stream().collect(Collectors.toMap(User::getName, User::getAge));
System.out.println(ageMap);
//{aa=20, bb=20, dd=40}

本處我將重複的名字給去掉了一個，因為如果key有重複的會報錯。

三個引數的map

第一個引數就是用來生成key值的，第二個引數就是用來生成value值的。

第三個引數用在key值衝突的情況下：若新元素產生的key在Map中已經出現過了，第三個引數就會定義解決的辦法。

User u1 = new User("aa", 10);
User u2 = new User("bb", 20);
User u3 = new User("cc", 10);
User u4 = new User("bb", 30);
List<User> list = new ArrayList<>(Arrays.asList(u1, u2, u3, u4));
 
Map<String, List<User>> listMap = list.stream().collect(Collectors.toMap(User::getName,
                o -> {
                    List<User> list1 = new ArrayList<>();
                    list1.add(o);
                    return list1;
                },
                (r1, r2) -> {
                    r1.addAll(r2);
                    return r1;
                }
        )
);
System.out.println(listMap);

結果

{aa=[User{name='aa', age=20}, User{name='aa', age=30}], bb=[User{name='bb', age=20}], dd=[User{name='dd', age=40}]}

聚合

聚合（總數、平均值、最大最小值等）

//1.使用者總數
Long count = list.stream().collect(Collectors.counting());
System.out.println(count);
//4
 
//2.最大年齡 (最小的minBy同理)
Integer maxAge = list.stream().map(User::getAge).collect(Collectors.maxBy(Integer::compare)).get();
System.out.println(maxAge);
//40
 
//3.所有人的年齡
Integer sumAge = list.stream().collect(Collectors.summingInt(User::getAge));
System.out.println(sumAge);
//110
 
//4.平均年齡
Double averageAge = list.stream().collect(Collectors.averagingDouble(User::getAge));
System.out.println(averageAge);
// 27.5
 
// 統計上邊所有資料
DoubleSummaryStatistics stat = list.stream().collect(Collectors.summarizingDouble(User::getAge));
System.out.println("count:" + stat.getCount() + " max:" + stat.getMax() + " sum:" + stat.getSum()
        + " average:" + stat.getAverage());
//count:4 max:40.0 sum:110.0 average:27.5

分組

//根據年齡分組
Map<Integer, List<User>> listMap = list.stream().collect(Collectors.groupingBy(User::getAge));
for (Map.Entry<Integer, List<User>> entry : listMap.entrySet()) {
    System.out.println(entry.getKey() + "-->" + entry.getValue());
}
//20-->[User{name='bb', age=20}, User{name='aa', age=20}]
//40-->[User{name='dd', age=40}]
//30-->[User{name='aa', age=30}]

多重分組

// 先根據年齡分再根據
Map<Integer, Map<String, List<User>>> ageNameMap = list.stream().collect(
        Collectors.groupingBy(User::getAge, Collectors.groupingBy(User::getName)));
for (Map.Entry<Integer, Map<String, List<User>>> entry : ageNameMap.entrySet()) {
    System.out.println(entry.getKey() + "-->" + entry.getValue());
}
//20-->{aa=[User{name='aa', age=20}], bb=[User{name='bb', age=20}]}
//40-->{dd=[User{name='dd', age=40}]}
//30-->{aa=[User{name='aa', age=30}]}

分割區

特殊的分組，分為true和false兩組

//分成兩部分，一部分大於10歲，一部分小於等於10歲
Map<Boolean, List<User>> partMap = list.stream().collect(Collectors.partitioningBy(v -> v.getAge() > 20));
for (Map.Entry<Boolean, List<User>> entry : partMap.entrySet()) {
    System.out.println(entry.getKey() + "-->" + entry.getValue());
}
//false-->[User{name='bb', age=20}, User{name='aa', age=20}]
//true-->[User{name='dd', age=40}, User{name='aa', age=30}]

總結

Collector<T, A, R> 是一個介面，有以下5個抽象方法：

1.Supplier<A> supplier()：建立一個結果容器A

2.BiConsumer<A, T> accumulator()：消費型介面，第一個引數為容器A，第二個引數為流中元素T。

3.BinaryOperator<A> combiner()：函數介面，該引數的作用跟上一個方法(reduce)中的combiner引數一樣，將並行流中各個子程序的執行結果(accumulator函數操作後的容器A)進行合併。

4.Function<A, R> finisher()：函數式介面，引數為：容器A，返回型別為：collect方法最終想要的結果R。

5.Set<Characteristics> characteristics()：返回一個不可變的Set集合，表明該Collector的特徵。有以下三個特徵：

CONCURRENT：表示此收集器支援並行。（官方檔案還有其他描述，暫時沒去探索，故不作過多翻譯）
UNORDERED：表示該收集操作不會保留流中元素原有的順序。
IDENTITY_FINISH：表示finisher引數只是標識而已，可忽略。

注：如果對以上函數介面不太理解的話，可參考:Java中Lambda表示式的使用詳細教學

Collectors.toList() 解析

//toList 原始碼
public static <T> Collector<T, ?, List<T>> toList() {
    return new CollectorImpl<>((Supplier<List<T>>) ArrayList::new, List::add,
            (left, right) -> {
                left.addAll(right);
                return left;
            }, CH_ID);
}
 
//為了更好地理解，我們轉化一下原始碼中的lambda表示式
public <T> Collector<T, ?, List<T>> toList() {
    Supplier<List<T>> supplier = () -> new ArrayList();
    BiConsumer<List<T>, T> accumulator = (list, t) -> list.add(t);
    BinaryOperator<List<T>> combiner = (list1, list2) -> {
        list1.addAll(list2);
        return list1;
    };
    Function<List<T>, List<T>> finisher = (list) -> list;
    Set<Collector.Characteristics> characteristics = Collections.unmodifiableSet
                           (EnumSet.of(Collector.Characteristics.IDENTITY_FINISH));
 
    return new Collector<T, List<T>, List<T>>() {
        @Override
        public Supplier supplier() {
            return supplier;
        }
 
        @Override
        public BiConsumer accumulator() {
            return accumulator;
        }
 
        @Override
        public BinaryOperator combiner() {
            return combiner;
        }
 
        @Override
        public Function finisher() {
            return finisher;
        }
 
        @Override
        public Set<Characteristics> characteristics() {
            return characteristics;
        }
    };
 
}

規約

方法

方法	說明
Optional<T> reduce(BinaryOperator<T> accumulator)	第一次執行時，accumulator函數的第一個引數為流中的第一個元素，第二個引數為流中元素的第二個元素；第二次執行時，第一個引數為第一次函數執行的結果，第二個引數為流中的第三個元素；依次類推。
T reduce(T identity, BinaryOperator<T> accumulator)	流程跟上面一樣，只是第一次執行時，accumulator函數的第一個引數為identity，而第二個引數為流中的第一個元素。
<U> U reduce(U identity,BiFunction<U, ? super T, U> accumulator,BinaryOperator<U> combiner)	在序列流(stream)中，該方法跟第二個方法一樣，即第三個引數combiner不會起作用。在並行流(parallelStream)中,我們知道流被fork join出多個執行緒進行執行，此時每個執行緒的執行流程就跟第二個方法reduce(identity,accumulator)一樣，而第三個引數combiner函數，則是將每個執行緒的執行結果當成一個新的流，然後使用第一個方法reduce(accumulator)流程進行規約。

範例

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5);
 
Integer v = list.stream().reduce((x1, x2) -> x1 + x2).get();
System.out.println(v);
// 15
 
Integer v0 = list.stream().reduce((x1, x2) -> x1 + x2).get();
System.out.println(v0);
//15
 
Integer v1 = list.stream().reduce(10, (x1, x2) -> x1 + x2);
System.out.println(v1);
//25
 
Integer v2 = list.stream().reduce(0,
        (x1, x2) -> {
            System.out.println("stream accumulator: x1:" + x1 + "  x2:" + x2);
            return x1 - x2;
        },
        (x1, x2) -> {
            System.out.println("stream combiner: x1:" + x1 + "  x2:" + x2);
            return x1 * x2;
        });
System.out.println(v2);
// -15
 
Integer v3 = list.parallelStream().reduce(0,
        (x1, x2) -> {
            System.out.println("parallelStream accumulator: x1:" + x1 + "  x2:" + x2);
            return x1 - x2;
        },
        (x1, x2) -> {
            System.out.println("parallelStream combiner: x1:" + x1 + "  x2:" + x2);
            return x1 * x2;
        });
System.out.println(v3);
//-120

列印結果為：

15
15
25
stream accumulator: x1:0 x2:1
stream accumulator: x1:-1 x2:2
stream accumulator: x1:-3 x2:3
stream accumulator: x1:-6 x2:4
stream accumulator: x1:-10 x2:5
-15
parallelStream accumulator: x1:0 x2:3
parallelStream accumulator: x1:0 x2:5
parallelStream accumulator: x1:0 x2:4
parallelStream combiner: x1:-4 x2:-5
parallelStream accumulator: x1:0 x2:2
parallelStream accumulator: x1:0 x2:1
parallelStream combiner: x1:-3 x2:20
parallelStream combiner: x1:-1 x2:-2
parallelStream combiner: x1:2 x2:-60
-120