Java 8 Stream 的终极技巧——Collectors 操作-阿里云开发者社区

Java 8 Stream 的终极技巧——Collectors 操作

2021-11-08 336

版权

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： 1. 前言昨天在 Collection移除元素操作相关的文章中提到了 Collectors 。相信很多同学对这个比较感兴趣，那我们今天就来研究一下 Collectors 。2. Collectors 的作用Collectors 是 Java 8 加入的操作类，位于 java.util.stream 包下。它会根据不同的策略将元素收集归纳起来，比如最简单常用的是将元素装入Map、Set、List 等可变容器中。特别对于 Java 8 Stream Api 来说非常有用。它提供了collect() 方法来对 Stream 流进行终结操作派生出基于各种策略的结果集。我们就借助于 Strea

前言

昨天在 Collection移除元素操作相关的文章中提到了 Collectors 。相信很多同学对这个比较感兴趣，那我们今天就来研究一下 Collectors 。

Collectors 的作用

Collectors 是 Java 8 加入的操作类，位于 java.util.stream 包下。它会根据不同的策略将元素收集归纳起来，比如最简单常用的是将元素装入Map、Set、List 等可变容器中。特别对于 Java 8 Stream Api 来说非常有用。它提供了collect() 方法来对 Stream 流进行终结操作派生出基于各种策略的结果集。我们就借助于 Stream 来熟悉一下 Collectors 吧。我们依然用昨天的例子：

List<String> servers = new ArrayList<>();
    servers.add("Felordcn");
    servers.add("Tomcat");
    servers.add("Jetty");
    servers.add("Undertow");
    servers.add("Resin");

复制代码

Java 8 中 Collectors 的方法

Collectors 提供了一系列的静态方法供我们使用，通常情况我们静态导入即可使用。接下来我们来看看都提供了哪些方法吧。

3.1 类型归纳
这是一个系列，作用是将元素分别归纳进可变容器 List、Map、Set、Collection 或者ConcurrentMap 。

Collectors.toList();
Collectors.toMap();
Collectors.toSet();
Collectors.toCollection();
Collectors.toConcurrentMap();

复制代码
我们可以根据以上提供的 API 使用 Stream 的 collect 方法中的转换为熟悉的集合容器。非常简单这里不再演示。

3.2 joining
将元素以某种规则连接起来。该方法有三种重载 joining(CharSequence delimiter) 和 joining(CharSequence delimiter,CharSequence prefix,CharSequence suffix)

// 输出 FelordcnTomcatJettyUndertowResin
servers.stream().collect(Collectors.joining());

// 输出 Felordcn,Tomcat,Jetty,Undertow,Resin
servers.stream().collect(Collectors.joining("," ));

// 输出 [Felordcn,Tomcat,Jetty,Undertow,Resin]
servers.stream().collect(Collectors.joining(",", "[", "]"));
复制代码
用的比较多的是读取 HttpServletRequest 中的 body ：

HttpServletRequest.getReader().lines().collect(Collectors.joining());
复制代码
3.3 collectingAndThen
该方法先执行了一个归纳操作，然后再对归纳的结果进行 Function 函数处理输出一个新的结果。

// 比如我们将servers joining 然后转成大写，结果为： FELORDCN,TOMCAT,JETTY,UNDERTOW,RESIN
servers.stream.collect(Collectors.collectingAndThen(Collectors.joining(","), String::toUpperCase));
复制代码
3.4 groupingBy
按照条件对元素进行分组，和 SQL 中的 group by 用法有异曲同工之妙，通常也建议使用 Java 进行分组处理以减轻数据库压力。groupingBy 也有三个
手机号码购买重载方法我们将 servers 按照长度进行分组:

// 按照字符串长度进行分组符合条件的元素将组成一个 List 映射到以条件长度为key 的 Map<Integer, List> 中
servers.stream.collect(Collectors.groupingBy(String::length))
复制代码
如果我不想 Map 的 value 为 List 怎么办？上面的实现实际上调用了下面的方式：

//Map<Integer, Set>
servers.stream.collect(Collectors.groupingBy(String::length, Collectors.toSet()))
复制代码
我要考虑同步安全问题怎么办？当然使用线程安全的同步容器啊，那前两种都用不成了吧！别急！我们来推断一下，其实第二种等同于下面的写法:

Supplier<Map<Integer,Set>> mapSupplier = HashMap::new;
Map<Integer,Set> collect = servers.stream.collect(Collectors.groupingBy(String::length, mapSupplier, Collectors.toSet()));
复制代码
这就非常好办了，我们提供一个同步 Map 不就行了，于是问题解决了：

Supplier<Map<Integer, Set>> mapSupplier = () -> Collections.synchronizedMap(new HashMap<>());
Map<Integer, Set> collect = servers.stream.collect(Collectors.groupingBy(String::length, mapSupplier, Collectors.toSet()));
复制代码
其实同步安全问题 Collectors 的另一个方法 groupingByConcurrent 给我们提供了解决方案。用法和 groupingBy 差不多。

3.5 partitioningBy
partitioningBy 我们在本文开头的提到的文章中已经见识过了，可以看作 groupingBy 的一个特例，基于断言（Predicate）策略分组。这里不再举例说明。

3.6 counting
该方法归纳元素的的数量，非常简单，不再举例说明。

3.7 maxBy/minBy
这两个方法分别提供了查找大小元素的操作，它们基于比较器接口 Comparator 来比较，返回的是一个 Optional 对象。我们来获取 servers 中最小长度的元素:

// Jetty
Optional min = servers.stream.collect(Collectors.minBy(Comparator.comparingInt(String::length)));
复制代码
这里其实 Resin 长度也是最小，这里遵循了 "先入为主" 的原则。当然 Stream.min() 可以很方便的获取最小长度的元素。maxBy 同样的道理。

3.8 summingInt/Double/Long
用来做累加计算。计算元素某个属性的总和,类似 Mysql 的 sum 函数，比如计算各个项目的盈利总和、计算本月的全部工资总和等等。我们这里就计算一下 servers 中字符串的长度之和（为了举例不考虑其它写法）。

// 总长度 32
servers.stream.collect(Collectors.summingInt(s -> s.length()));
复制代码
3.9 summarizingInt/Double/Long
如果我们对 3.6章节-3.8章节的操作结果都要怎么办？难不成我们搞5个 Stream 流吗？所以就有了 summarizingInt、summarizingDouble、summarizingLong 三个方法。这三个方法通过对元素某个属性的提取，会返回对元素该属性的统计数据对象，分别对应 IntSummaryStatistics、DoubleSummaryStatistics、LongSummaryStatistics。我们对 servers 中元素的长度进行统计：

DoubleSummaryStatistics doubleSummaryStatistics = servers.stream.collect(Collectors.summarizingDouble(String::length));
// {count=5, sum=32.000000, min=5.000000, average=6.400000, max=8.000000}
System.out.println("doubleSummaryStatistics.toString() = " + doubleSummaryStatistics.toString());
复制代码
结果 DoubleSummaryStatistics 中包含了总数，总和，最小值，最大值，平均值五个指标。

3.10 mapping
该方法是先对元素使用 Function 进行再加工操作，然后用另一个Collector 归纳。比如我们先去掉 servers 中元素的首字母，然后将它们装入 List 。

// [elordcn, omcat, etty, ndertow, esin]
servers.stream.collect(Collectors.mapping(s -> s.substring(1), Collectors.toList()));
复制代码
有点类似 Stream 先进行了 map 操作再进行 collect ：

servers.stream.map(s -> s.substring(1)).collect(Collectors.toList());
复制代码
3.11 reducing
这个方法非常有用！但是如果要了解这个就必须了解其参数 BinaryOperator 。这是一个函数式接口，是给两个相同类型的量，返回一个跟这两个量相同类型的一个结果，伪表达式为 (T,T) -> T。默认给了两个实现 maxBy 和 minBy ，根据比较器来比较大小并分别返回最大值或者最小值。当然你可以灵活定制。然后 reducing 就很好理解了，元素两两之间进行比较根据策略淘汰一个，随着轮次的进行元素个数就是 reduce 的。那这个有什么用处呢？ Java 官方给了一个例子：统计每个城市个子最高的人。

Comparator byHeight = Comparator.comparing(Person::getHeight);

 Map<String, Optional<Person>> tallestByCity = people.stream()
                      .collect(Collectors.groupingBy(Person::getCity, Collectors.reducing(BinaryOperator.maxBy(byHeight))));

复制代码
结合最开始给的例子你可以使用 reducing 找出最长的字符串试试。

上面这一层是根据 Height 属性找最高的 Person ，而且如果这个属性没有初始化值或者没有数据，很有可能拿不到结果所以给出的是 Optional。如果我们给出了 identity 作一个基准值，那么我们首先会跟这个基准值进行 BinaryOperator 操作。比如我们给出高于 2 米的人作为 identity。我们就可以统计每个城市不低于 2 米而且最高的那个人，当然如果该城市没有人高于 2 米则返回基准值identity ：

Comparator byHeight = Comparator.comparing(Person::getHeight);
Person identity= new Person();

       identity.setHeight(2.);
       identity.setName("identity");
 Map<String, Person> collect = persons.stream()
                    .collect(Collectors.groupingBy(Person::getCity, Collectors.reducing(identity, BinaryOperator.maxBy(byHeight))));

复制代码
这时候就确定一定会返回一个 Person 了，最起码会是基准值identity 不再是 Optional 。

还有些情况，我们想在 reducing 的时候把 Person 的身高先四舍五入一下。这就需要我们做一个映射处理。定义一个 Function<? super T, ? extends U> mapper 来干这个活。那么上面的逻辑就可以变更为：

Comparator byHeight = Comparator.comparing(Person::getHeight);

    Person identity = new Person();
    identity.setHeight(2.);
    identity.setName("identity");
    // 定义映射 处理 四舍五入
    Function<Person, Person> mapper = ps -> {
        Double height = ps.getHeight();

        BigDecimal decimal = new BigDecimal(height);
        Double d = decimal.setScale(1, BigDecimal.ROUND_HALF_UP).doubleValue();
        ps.setHeight(d);
        return ps;
    };
    Map<String, Person> collect = persons.stream()
            .collect(Collectors.groupingBy(Person::getCity, Collectors.reducing(identity, mapper, BinaryOperator.maxBy(byHeight))));

复制代码