备案控制台
开发者社区 开发与运维 文章 正文

Java8 Stream 用法合集

2024-05-17 14
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： Java8 Stream 用法合集 
package com.aosiding.demo.test;

import org.omg.PortableServer.LIFESPAN_POLICY_ID;

import java.util.*;
import java.util.stream.Collectors;
import java.util.stream.IntStream;
import java.util.stream.Stream;

public class StreamTest {


    public static void main(String[] args) {
        //合并、去重、限制、跳过等操作。
//        String[] arr1 = { "a", "b", "c", "d","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);

        //遍历/匹配（foreach/find/match）
//        List<Integer> list = Arrays.asList(7, 6, 9, 3, 8, 2, 1);
        // 遍历输出符合条件的元素 筛选出Integer集合中大于6的元素，并打印出来
//        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);


//        //筛选员工中工资高于8000的人，并形成新的集合
        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"));
        personList.stream().filter(x->x.getSalary()>8000).forEach(System.out::println);//打印出集合 Person(name=Tom, salary=8900, age=23, sex=male, area=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]

//        获取员工工资最高的人。
//        Optional<Person> max = personList.stream().max(Comparator.comparing(Person::getSalary));
//        System.out.println("员工工资最大值："+max.get().getSalary());


        //获取String集合中最长的元素。
//    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

//        3.3 聚合（max/min/count)
//        获取Integer集合中的最大值。
//        List<Integer> list = Arrays.asList(7, 6, 9, 4, 11, 6);
//        // 自然排序
//        Optional<Integer> max = list.stream().max(Integer::compareTo);
//        System.out.println("自然排  输出结果：

        自然排序的最大值：11序的最大值：" + max.get());
//


        //计算Integer集合中大于6的元素的个数
//        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

        //        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map和flatMap：
//        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
//        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。

        // 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());
// 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。

//        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。
//        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。
// 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。
//        归集(toList/toSet/toMap)
//        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}

//        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：averagingInt、averagingLong、averagingDouble
//        最值：maxBy、minBy
//        求和：summingInt、summingLong、summingDouble
//        统计以上所有：summarizingInt、summarizingLong、summarizingDouble

//        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}

//        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

        // 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],

//        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。

//        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
//        归约(reducing)
//        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

//        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

//        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（自然排序）
//        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);
//        运行结果：
//
//        按工资升序排序：[Lily, Tom, Sherry, Jack, Alisa]
//        按工资降序排序：[Sherry, Jack, Alisa, Tom, Lily]
//        先按工资再按年龄升序排序：[Lily, Tom, Sherry, Jack, Alisa]
//        先按工资再按年龄自定义降序排序：[Alisa, Jack, Sherry, Tom, Lily]
//        提取/组合
//        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]
    }
}
文章标签：
Java
关键词：
Java Stream
Java用法
Java stream用法
咕噜咕噜wy
目录
相关文章
米诺斯
|
20天前
|
Java
java8使用stream查找重复元素
java8使用stream查找重复元素
米诺斯
27 2
weixin_836869520
|
7天前
|
SQL Java API
使用Java Stream API简化集合操作
使用Java Stream API简化集合操作
weixin_836869520
10 0
yqd666
|
10天前
|
Java
java中return,break以及continue的用法
java中return,break以及continue的用法
yqd666
22 10
聚娃科技开发者团队
|
7天前
|
Java API
如何利用Java Stream API简化集合操作？
如何利用Java Stream API简化集合操作？
聚娃科技开发者团队
18 1
米诺斯
|
20天前
|
Java
java使用Stream流找出集合对象中最小值
java使用Stream流找出集合对象中最小值
米诺斯
15 1
米诺斯
|
21天前
|
Java
java同一个任务使用for循环与Stream比较
java同一个任务使用for循环与Stream比较
米诺斯
17 1
杰哥在此
|
5天前
|
Java 编译器 数据库连接
Java面试题：什么是Java中的注解以及如何自定义注解？举例说明注解的经典用法
Java面试题：什么是Java中的注解以及如何自定义注解？举例说明注解的经典用法
杰哥在此
8 0
杰哥在此
|
5天前
|
并行计算 Java 数据挖掘
Java面试题：解释Java中的Stream API及其操作
Java面试题：解释Java中的Stream API及其操作
杰哥在此
10 0
weixin_836869520
|
7天前
|
Java API
如何利用Java Stream API简化集合操作？
如何利用Java Stream API简化集合操作？
weixin_836869520
15 0
聚娃科技开发者团队
|
11天前
|
Java API 数据处理
Java Stream API完全指南
Java Stream API完全指南
聚娃科技开发者团队
14 0