java工具:《list根据ids数组 过滤list》

简介: java工具:《list根据ids数组 过滤list》

image.png

@[toc]

一、介绍

这段代码演示了使用 Java 8 Stream 流对集合进行过滤操作,筛选出符合指定条件的元素。

首先创建了一个包含 10 个 User 对象的列表,每个对象包含 id 和 name 两个属性。然后定义了一个 Integer 类型的数组 arr,存储需要筛选的 id 值(1、2、5、6、9)。接着通过 stream() 方法将列表转换为流,调用 filter 方法进行过滤,过滤条件使用 Arrays.asList(arr).contains(item.getId()) 判断当前元素的 id 是否存在于目标数组中。最后通过 collect(Collectors.toList()) 收集过滤后的结果,并使用 forEach 遍历输出。

关键点:注释中特别强调,数组类型必须使用 Integer 包装类型,而不能使用基本类型 int。这是因为 Arrays.asList 方法接收的是泛型参数,传入 int[] 时会被当作一个整体元素处理,导致 contains 方法无法正确匹配,从而过滤失败。

二、代码

@Test
public void listFilter() {
   
    List<User> list = new ArrayList<>();
    list.add(new User(1, "a"));
    list.add(new User(2, "b"));
    list.add(new User(3, "c"));
    list.add(new User(4, "d"));
    list.add(new User(5, "e"));
    list.add(new User(6, "f"));
    list.add(new User(7, "g"));
    list.add(new User(8, "h"));
    list.add(new User(9, "i"));
    list.add(new User(10, "j"));

    //注意:数组类型必须使用Integer才可以,使用int会判断失败
    Integer[] arr = new Integer[]{
   1,2,5,6,9};
    List<User> filterList = list.stream().filter(item -> Arrays.asList(arr).contains(item.getId())).collect(Collectors.toList());
    filterList.stream().forEach(System.out::println);
}

image.png

重要信息

image.png
image.png
image.png
image.png

目录
相关文章
|
1月前
|
人工智能 开发框架 自然语言处理
AI智能体的开发与上线
本文系统梳理AI智能体从构想到上线的六阶段非线性工程:需求界定、技术选型、能力组装、效果评测、灰度发布、持续迭代。覆盖提示词设计、知识库挂载、插件集成、安全测试与闭环优化,助力高效落地合规智能体。(239字)
|
1月前
|
人工智能 安全 前端开发
AI应用软件的开发流程
AI应用开发以大模型为核心,区别于传统软件:强调数据调优、算法迭代与安全边界控制。全流程分六阶段——需求定义、技术选型、提示工程与知识库构建、前后端联调、AI专项评测(准确率/安全性/高并发)、灰度发布与持续进化。重在“人机协同”而非纯代码实现。(238字)
|
1月前
|
Web App开发 人工智能 IDE
小白速通 Codex App:带录播回放
**文末有录播地址** 早上 9 点,你同时有三件事要干:改一个页面、修一个小 bug、整理一份项目说明。 以前这三件事排在一起,你大概率会先挑一个做,剩下两个往后拖。用 AI 编程以后,情况变了。你可以让不同任务并行跑,自己回来只看结果、看 diff、看哪里需要确认。 这也是我为什么要重点讲 Codex App。 Codex 入口很多,CLI、IDE、Cloud/Web、Mobile 都
小白速通 Codex App:带录播回放
|
1月前
|
人工智能 自然语言处理 测试技术
Vibe Coding实战:冗长提示词不是关键,工程约束才是落地核心
vibe coding不是拼提示词话术,而是以工程规范约束AI:预设基线、结构化拆解需求、分模块开发、强制配套测试、日志驱动修复。8个商业项目验证,标准化五步法可将接口开发从86分钟缩至26分钟,兼顾效率与可维护性。(239字)
334 2
|
1月前
|
自然语言处理 监控 机器人
企业级Agent解决方案盘点:瓴羊五大agent落地应用场景解析
2025年,瓴羊依托AgentOne统一框架,在营销、客服、BI分析、数据治理等五大场景实现企业级Agent规模化落地。通过多智能体协同、跨系统调度与业务闭环验证,助力企业破解数据孤岛、实时决策与安全合规难题,显著提升运营效率与商业价值。(239字)
|
1月前
|
机器学习/深度学习 人工智能 编解码
睡岗检测数据集分享(适用于YOLO系列深度学习分类检测任务)
本数据集含2000张真实监控场景图像,专为睡岗检测设计,支持YOLO等目标检测模型。涵盖多光照、多角度、多分辨率条件,标注精准(YOLO格式),含训练/验证集及配置文件,适用于安防、交通、工业等智能监控场景。(239字)
206 1
|
1月前
|
人工智能 分布式计算 安全
多Agent协同系统:从"协作工具"到"战略生产系统"的架构演进
本文以"枢衡"多Agent集群的架构升级为例,探讨了多Agent协同系统在生产环境中面临的典型问题,以及如何通过角色专业化、Skill收敛、信誉积分、双模式工作法和通信纪律等机制,将松散的Agent问答组演进为具备质量闭环的战略生产系统
多Agent协同系统:从"协作工具"到"战略生产系统"的架构演进
|
1月前
|
存储 人工智能 安全
别再被AI Agent配置折腾了!Hermes Agent 保姆级攻略,10分钟避坑上手
本文从快速配置、核心模块详解、常用示例、问题排查四方面,带你完成Hermes Agent全流程配置。新手用 hermes setup 快速上手,进阶用户可手动编辑 config.yaml 定制记忆、网关、安全等模块。
981 2
|
1月前
|
缓存 人工智能 运维
阿里云百炼通义千问Qwen3.7-Max全方位介绍 核心特性、应用场景与百炼订阅使用手册
随着人工智能产业走向深度落地,大语言模型已经从单纯的对话交互工具,演变为支撑智能体开发、办公自动化、代码工程、专业推理、多模态创作等多元场景的核心底座。阿里云百炼作为国内领先的大模型服务平台,持续迭代通义千问系列产品,Qwen3.7-Max作为该系列定位旗舰级的新一代大模型,依托自研底层架构与海量数据训练,在综合推理、长文本处理、复杂代码生成、智能体协同、多模态理解等维度实现全面升级,成为企业、开发者、行业用户搭建AI应用的首选模型之一。
910 0
|
1月前
|
人工智能 弹性计算 安全
阿里云618活动时间、活动入口、优惠活动详细解读
2026年阿里云618创新加速季已全面开启,作为年度力度最大的云产品促销活动,本次大促覆盖轻量应用服务器、ECS云服务器、GPU云服务器、数据库、AI算力、安全服务、CDN等全品类产品,推出5亿元算力补贴、新用户限时秒杀、普惠满减、企业专享、免费试用、云大使返佣等多重福利,个人开发者、中小企业、AI团队均可享受专属低价。本文将系统梳理2026年阿里云618活动的完整时间节点、官方参与入口、各类优惠细则、使用规则、热门产品推荐及实操代码,帮助用户精准参与、高效省钱,以最低成本完成上云部署。
2279 7