【JavaSE】Stream流

简介: 【JavaSE】Stream流

一、Stream流概述

Stream流把真正的函数式编程风格引入到Java中

二、Stream流的生成

生成流:通过数据源(集合,数组等)生成流

1、stream()

Collection体系的集合可以使用默认方法stream()生成流
default Stream <E> stream()

List<String> list = new ArrayList<>();
Stream<String> listStream = list.stream();
Set<String> set = new HashSet<>();
Stream<String> setStream = set.stream();

2、间接生成

Map体系的集合间接的生成流

Map<Integer,String> map = new HashMap<>();
Stream<Integer> keyStream = map.keySet().stream();
Stream<String> valueStream = map.values().stream();

3、静态方法

数组可以通过Stream接口的静态方法of(T.. values)生成流

int[] arr = {
   1,2,3};
Stream<int[]> arrStream = Stream.of(arr);

三、Stream流的中间操作

中间操作:打开流,做数据过滤/映射,返回一个新的流,交给下一个操作使用

  1. filter(Predicate predicate):过滤流
    1. Predicate接口的方法:boolean test(T t)
  2. limit(long maxSize):截取流的前部分
  3. skip(long n):跳过前n个流
  4. comcat(Stream a, Stream b):合并ab流
  5. distinct():过滤掉相同元素
  6. sort():自然排序
  7. sort(Comparator com):指定排序
  8. map(Function mapper):返回函数结果流
    1. list.stream().map(Integer::parseInt).foEach(System.out::println);
  9. mapToInt(Function mapper):返回函数结果的IntStream
    1. sum():流中元素的和

四、Stream流的终结操作

终结操作:一个流只能有一个终结操作,终结后,流无法再被操作。

  1. forEach(Function action):对每个流操作
  2. long count():流中元素数

五、Stream流的收集操作

R collect(Collector collector):收集了流中数据

  1. Collector接口
  2. 工具类Collectors返回Collector
    1. toMap()
    2. toSet()
    3. toList(Function f1, Function f2)
List<String> list = listStream.collect(Collectors.toList());
Set<String> set = setStream.collect(Collectors.toSet());
Map<String,String> map = mapStream.collect(Collectors.toMap(s->s.split(":")[0],s->s.split(":")[1]));
目录
相关文章
|
JavaScript Java 测试技术
基于SpringBoot+Vue的音乐播放器的详细设计和实现
基于SpringBoot+Vue的音乐播放器的详细设计和实现
249 0
|
容器
【分享】我开发新浪app时的点子、想法和思考(上)
和新浪、腾讯第一次偶然撞车        今天写这篇文章是因为我用PY写的第一个应用在新浪上线了,激动的想说说当时的想法 在去年晚些时候我就萌生了开始做APP的打算,基本上订了MVC2        这是我当时写的博客:http://www.
837 0
|
8天前
|
存储 关系型数据库 分布式数据库
PostgreSQL 18 发布,快来 PolarDB 尝鲜!
PostgreSQL 18 发布,PolarDB for PostgreSQL 全面兼容。新版本支持异步I/O、UUIDv7、虚拟生成列、逻辑复制增强及OAuth认证,显著提升性能与安全。PolarDB-PG 18 支持存算分离架构,融合海量弹性存储与极致计算性能,搭配丰富插件生态,为企业提供高效、稳定、灵活的云数据库解决方案,助力企业数字化转型如虎添翼!
|
6天前
|
存储 人工智能 Java
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
本文讲解 Prompt 基本概念与 10 个优化技巧,结合学术分析 AI 应用的需求分析、设计方案,介绍 Spring AI 中 ChatClient 及 Advisors 的使用。
332 130
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
|
19天前
|
弹性计算 关系型数据库 微服务
基于 Docker 与 Kubernetes(K3s)的微服务:阿里云生产环境扩容实践
在微服务架构中,如何实现“稳定扩容”与“成本可控”是企业面临的核心挑战。本文结合 Python FastAPI 微服务实战,详解如何基于阿里云基础设施,利用 Docker 封装服务、K3s 实现容器编排,构建生产级微服务架构。内容涵盖容器构建、集群部署、自动扩缩容、可观测性等关键环节,适配阿里云资源特性与服务生态,助力企业打造低成本、高可靠、易扩展的微服务解决方案。
1331 8
|
6天前
|
人工智能 Java API
AI 超级智能体全栈项目阶段一:AI大模型概述、选型、项目初始化以及基于阿里云灵积模型 Qwen-Plus实现模型接入四种方式(SDK/HTTP/SpringAI/langchain4j)
本文介绍AI大模型的核心概念、分类及开发者学习路径,重点讲解如何选择与接入大模型。项目基于Spring Boot,使用阿里云灵积模型(Qwen-Plus),对比SDK、HTTP、Spring AI和LangChain4j四种接入方式,助力开发者高效构建AI应用。
319 122
AI 超级智能体全栈项目阶段一:AI大模型概述、选型、项目初始化以及基于阿里云灵积模型 Qwen-Plus实现模型接入四种方式(SDK/HTTP/SpringAI/langchain4j)
|
5天前
|
监控 JavaScript Java
基于大模型技术的反欺诈知识问答系统
随着互联网与金融科技发展,网络欺诈频发,构建高效反欺诈平台成为迫切需求。本文基于Java、Vue.js、Spring Boot与MySQL技术,设计实现集欺诈识别、宣传教育、用户互动于一体的反欺诈系统,提升公众防范意识,助力企业合规与用户权益保护。
|
18天前
|
机器学习/深度学习 人工智能 前端开发
通义DeepResearch全面开源!同步分享可落地的高阶Agent构建方法论
通义研究团队开源发布通义 DeepResearch —— 首个在性能上可与 OpenAI DeepResearch 相媲美、并在多项权威基准测试中取得领先表现的全开源 Web Agent。
1414 87