乐趣区

关于java:20-个实例玩转-Java-8-Stream写的太好了

先贴上几个案例,程度高超的同学能够挑战一下:

  1. 从员工汇合中筛选出 salary 大于 8000 的员工,并搁置到新的汇合里。
  2. 统计员工的最高薪资、均匀薪资、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 分为两局部。

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

1 Stream 概述

Java 8 是一个十分胜利的版本,这个版本新增的Stream,配合同版本呈现的 Lambda,给咱们操作汇合(Collection)提供了极大的便当。

那么什么是Stream

Stream将要解决的元素汇合看作一种流,在流的过程中,借助 Stream API 对流中的元素进行操作,比方:筛选、排序、聚合等。

Stream能够由数组或汇合创立,对流的操作分为两种:

  1. 两头操作,每次返回一个新的流,能够有多个。
  2. 终端操作,每个流只能进行一次终端操作,终端操作完结后流无奈再次应用。终端操作会产生一个新的汇合或值。

另外,Stream有几个个性:

  1. stream 不存储数据,而是依照特定的规定对数据进行计算,个别会输入后果。
  2. stream 不会扭转数据源,通常状况下会产生一个新的汇合或一个值。
  3. stream 具备提早执行个性,只有调用终端操作时,两头操作才会执行。

2 Stream 的创立

Stream能够通过汇合数组创立。

1、通过 java.util.Collection.stream() 办法用汇合创立流

List<String> list = Arrays.asList("a", "b", "c");
// 创立一个程序流
Stream<String> stream = list.stream();
// 创立一个并行流
Stream<String> parallelStream = list.parallelStream();

2、应用 java.util.Arrays.stream(T[] array) 办法用数组创立流

int[] array={1,3,5,6,8};
IntStream stream = Arrays.stream(array);

3、应用 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);

输入后果:

0 3 6 9
0.6796156909271994
0.1914314208854283
0.8116932592396652

streamparallelStream 的简略辨别: stream是程序流,由主线程按程序对流执行操作,而 parallelStream 是并行流,外部以多线程并行执行的形式对流进行操作,但前提是流中的数据处理没有程序要求。例如筛选汇合中的奇数,两者的解决不同之处:

如果流中的数据量足够大,并行流能够放慢处速度。

除了间接创立并行流,还能够通过 parallel() 把程序流转换成并行流:

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

3 Stream 的应用

在应用 stream 之前,先了解一个概念:Optional

Optional类是一个能够为 null 的容器对象。如果值存在则 isPresent() 办法会返回 true,调用get() 办法会返回该对象。更具体阐明请见:菜鸟教程 Java 8 Optional 类

接下来,少量代码向你袭来!我将用 20 个案例将 Stream 的应用整得明明白白,只有跟着敲一遍代码,就能很好地把握。

案例应用的员工类

这是前面案例中应用的员工类:

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也是反对相似汇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,前面代码亦是

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

        // 遍历输入符合条件的元素
        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(实用于并行流)Optional<Integer> findAny = list.parallelStream().filter(x -> x > 6).findAny();
        // 是否蕴含合乎特定条件的元素
        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,是依照肯定的规定校验流中的元素,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 汇合中大于 7 的元素,并打印进去

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);
 }
}

预期后果:

8 9

案例二:筛选员工中工资高于 8000 的人,并造成新的汇合。 造成新汇合依赖collect(收集),后文有具体介绍。

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);
 }
}

运行后果:

高于 8000 的员工姓名:[Tom, Anni, Owen]

3.3 聚合(max/min/count)

maxmincount这些字眼你肯定不生疏,没错,在 mysql 中咱们罕用它们进行数据统计。Java stream 中也引入了这些概念和用法,极大中央便了咱们对汇合、数组的数据统计工作。

案例一:获取 String 汇合中最长的元素。

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());
 }
}

输入后果:

最长的字符串:weoujgsd

案例二:获取 Integer 汇合中的最大值。

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

  // 天然排序
  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("天然排序的最大值:" + max.get());
  System.out.println("自定义排序的最大值:" + max2.get());
 }
}

输入后果:

天然排序的最大值: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());
 }
}

输入后果:

员工工资最大值:9500

案例四:计算 Integer 汇合中大于 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);
 }
}

输入后果:

list 中大于 6 的元素个数:4

3.4 映射(map/flatMap)

映射,能够将一个流的元素依照肯定的映射规定映射到另一个流中。分为 mapflatMap

  • map:接管一个函数作为参数,该函数会被利用到每个元素上,并将其映射成一个新的元素。
  • flatMap:接管一个函数作为参数,将流中的每个值都换成另一个流,而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副改为大写。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);
 }
}

输入后果:

每个元素大写:[ABCD, BCDD, DEFDE, FTR] 每个元素 +3:[4, 6, 8, 10, 12, 14]

案例二:将员工的薪资全副减少 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"));

  // 不扭转原来员工汇合的形式
  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("一次改变前:" + personList.get(0).getName() + "-->" + personList.get(0).getSalary());
  System.out.println("一次改变后:" + personListNew.get(0).getName() + "-->" + personListNew.get(0).getSalary());

  // 扭转原来员工汇合的形式
  List<Person> personListNew2 = personList.stream().map(person -> {person.setSalary(person.getSalary() + 10000);
   return person;
  }).collect(Collectors.toList());
  System.out.println("二次改变前:" + personList.get(0).getName() + "-->" + personListNew.get(0).getSalary());
  System.out.println("二次改变后:" + personListNew2.get(0).getName() + "-->" + personListNew.get(0).getSalary());
 }
}

输入后果:

一次改变前:Tom–>8900
一次改变后:Tom–>18900
二次改变前:Tom–>18900
二次改变后: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("解决前的汇合:" + list);
  System.out.println("解决后的汇合:" + listNew);
 }
}

输入后果:

解决前的汇合:[m-k-l-a, 1-3-5]
解决后的汇合:[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,能实现对汇合求和、求乘积和求最值操作。

案例一:求 Integer 汇合的元素之和、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);
  // 求和形式 1
  Optional<Integer> sum = list.stream().reduce((x, y) -> x + y);
  // 求和形式 2
  Optional<Integer> sum2 = list.stream().reduce(Integer::sum);
  // 求和形式 3
  Integer sum3 = list.stream().reduce(0, Integer::sum);

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

  // 求最大值形式 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);
 }
}

输入后果:

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"));

  // 求工资之和形式 1:Optional<Integer> sumSalary = personList.stream().map(Person::getSalary).reduce(Integer::sum);
  // 求工资之和形式 2:Integer sumSalary2 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(),
    (sum1, sum2) -> sum1 + sum2);
  // 求工资之和形式 3:Integer sumSalary3 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(), Integer::sum);

  // 求最高工资形式 1:Integer maxSalary = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(),
    Integer::max);
  // 求最高工资形式 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);
 }
}

输入后果:

工资之和:49300,49300,49300
最高工资:9500,9500

3.6 收集(collect)

collect,收集,能够说是内容最繁多、性能最丰盛的局部了。从字面上去了解,就是把一个流收集起来,最终能够是收集成一个值也能够收集成一个新的汇合。

collect次要依赖 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,那么在流中的数据实现解决后,须要将流中的数据从新归集到新的汇合里。toListtoSettoMap 比拟罕用,另外还有 toCollectiontoConcurrentMap 等简单一些的用法。

上面用一个案例演示 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);
 }
}

运行后果:

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);
 }
}

运行后果:

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,比方员工按薪资是否高于 8000 分为两局部。
  • 分组:将汇合分为多个 Map,比方员工按性别分组。有单级分组和多级分组。

案例:将员工按薪资是否高于 8000 分为两局部;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 分组状况:" + part);
        System.out.println("员工按性别分组状况:" + group);
        System.out.println("员工按性别、地区:" + group2);
 }
}

输入后果:

员工按薪资是否大于 8000 分组状况:{false=[mutest.Person@2d98a335, mutest.Person@16b98e56, mutest.Person@7ef20235], true=[mutest.Person@27d6c5e0, mutest.Person@4f3f5b24, mutest.Person@15aeb7ab]}  

员工按性别分组状况:{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能够将 stream 中的元素用特定的连接符(没有的话,则间接连贯)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);
 }
}

运行后果:

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 办法,相比于 stream 自身的 reduce 办法,减少了对自定义归约的反对。

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(这个例子并不谨严,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());
 }
}

运行后果:

员工扣税薪资总和:8700
员工薪资总和:23700

3.7 排序(sorted)

sorted,两头操作。有两种排序:

  • sorted():天然排序,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"));

  // 按工资升序排序(天然排序)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("按工资升序排序:" + newList);
  System.out.println("按工资降序排序:" + newList2);
  System.out.println("先按工资再按年龄升序排序:" + newList3);
  System.out.println("先按工资再按年龄自定义降序排序:" + newList4);
 }
}

运行后果:

按工资天然排序:[Lily, Tom, Sherry, Jack, Alisa]
按工资降序排序:[Sherry, Jack, Alisa,Tom, Lily]
先按工资再按年龄天然排序:[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

流也能够进行合并、去重、限度、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:限度从流中取得前 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);
 }
}

运行后果:

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

这部分等有工夫缓缓合成吧。

好,以上就是全部内容,能保持看到这里,你肯定很有播种,那么动一动拿 offer 的小手,点个赞再走吧。

原文链接:https://blog.csdn.net/mu_wind…

版权申明:本文为 CSDN 博主「云深 i 不知处」的原创文章,遵循 CC 4.0 BY-SA 版权协定,转载请附上原文出处链接及本申明。

近期热文举荐:

1.1,000+ 道 Java 面试题及答案整顿(2021 最新版)

2. 别在再满屏的 if/ else 了,试试策略模式,真香!!

3. 卧槽!Java 中的 xx ≠ null 是什么新语法?

4.Spring Boot 2.5 重磅公布,光明模式太炸了!

5.《Java 开发手册(嵩山版)》最新公布,速速下载!

感觉不错,别忘了顺手点赞 + 转发哦!

退出移动版