篩選和切片 映射 查找和匹配 規(guī)約 數(shù)值流 構(gòu)建流
歡迎訪問本人博客:http://wangnan.tech
篩選和切片
用謂詞篩選
filter方法
會接收一個(gè)謂詞(一個(gè)返回Boolean)作為參數(shù),并返回一個(gè)包括所有符號謂詞的元素的流
例子:篩選所有的素菜
List<Dish> vegetarianMenu = menu.stream().filter(Dish::isVegetarian).collect(toList());
篩選各異的元素
distinct方法
他會返回一個(gè)元素各異的流滩褥,實(shí)現(xiàn)原理是根據(jù)元素的hashCode和equals方法
例子:篩選偶數(shù)剪撬,且不重復(fù)
List<Integer> numbers = Arrays.asList(1,2,1,3,3,2,4);
number.stream().filter(i->1%2==0)
.distinct()
.forEach(System.out.println);
截?cái)嗔?/h2>
limit(n)方法
該方法會返回一個(gè)不超過給定長度的流法希,如果流是有序的歹袁,則最多會返回前n個(gè)元素
例子:選出熱量超過300卡路里的頭三道菜
List<Dish> dishes = menu.stream()
.filter(d-d.getCalories()>300)
.limit(3)
.collect(toList());
跳過元素
skip(n)方法坷衍,返回一個(gè)扔掉前n個(gè)元素的流,如果流中元素不足n個(gè)条舔,則返回一個(gè)空流枫耳,請注意limit(n)和skip(n)是互補(bǔ)的
映射
一個(gè)常見的數(shù)據(jù)處理套路就是從某些對象中選擇信息,比如在sql里面孟抗,可以從表中選擇一列
對流中每個(gè)元素應(yīng)用函數(shù)
map方法
它會接收一個(gè)函數(shù)作為參數(shù)迁杨,這個(gè)函數(shù)會被應(yīng)用到每個(gè)元素上,并將其映射成一個(gè)新的元素(注意是創(chuàng)建一個(gè)新的版本凄硼,而不是去修改)
例子:提取菜肴的名稱
List<String> dishNames = menu.stream().map(Dish::getName).collect(toList());
流的扁平化
例子:對應(yīng)一張單詞表仑最,如果返回一個(gè)列表,列出里面各不相同的字符
比如單詞列表["Hello","Woeld"]你想要返回的列表["H","e","l","o","W","r","d"]
你可能會覺得很容易帆喇,調(diào)用distinct方法就可以了
words.stream()
.map(word->word.split(""))
.distinct()
.collect(toList());
這個(gè)方法的問題在于警医,傳遞給map方法的lambda為每個(gè)單詞返回了一個(gè)String[],因此map返回的流實(shí)際上是Stream<String[]>類型,我們真正想要的是Stream<String>
幸好有flatMap來解決這個(gè)問題
嘗試1:使用map和Arrays.stream()
首先坯钦,你需要一個(gè)字符流预皇,而不是數(shù)組流,有一個(gè)Arrays.stream()的方法婉刀,可以接受一個(gè)數(shù)組并產(chǎn)生一個(gè)流
words.stream()
.map(word->word.split(""))
.map(Arrays::stream)
.distinct()
.collect(toList());
這個(gè)方案仍然搞不定吟温!因?yàn)楝F(xiàn)在得到的是一個(gè)流的列表,你先是把每個(gè)單詞轉(zhuǎn)換成一個(gè)字母數(shù)組,然后把每個(gè)數(shù)組變成一個(gè)獨(dú)立的流突颊。
嘗試2:使用flatMap
words.stream()
.map(word->word.split(""))
.flatMap(Arrays::stream)
.distinct()
.collect(toList());
flatMap方法的效果是鲁豪,各個(gè)數(shù)組并不是分別映射成一個(gè)流,而是映射成流的內(nèi)容律秃,所有使用map(Arrays::stream)時(shí)生成的單個(gè)流都被合并起來爬橡,即扁平化為一個(gè)流,
一言以蔽之棒动,flatMap方法讓你把一個(gè)流中的每個(gè)值都換成另一個(gè)流糙申,然后把所有的流連接起來成為一個(gè)流
查找和匹配
檢查謂詞是否至少匹配一個(gè)元素
anyMatch方法
可以回答“流中是否有一個(gè)元素能匹配給定的謂詞”
例子:菜單里面是否有素食可選擇
if(menu.stream().anyMatch(Dish::isVegetarian)){
...
}
檢查謂詞是否匹配所有元素
allMatch()用法同上
與allMatch()相對的是noneMatch()
anyMatch allMatch noneMatch 三個(gè)操作都用到了我們所謂的短路,就是大家熟悉的java中的&&和||運(yùn)算符短路在流中的版本
查找元素
findAny方法
將返回當(dāng)前流中的任意元素
findFirst
找到第一個(gè)元素
規(guī)約
reduce操作表達(dá)更復(fù)雜的查詢船惨,比如"計(jì)算菜單中的總卡路里"或“菜單中卡路里最高的菜是哪一個(gè)” 這需要將流中的元素反復(fù)結(jié)合起來柜裸,得到一個(gè)值,比如Integer,這樣的查詢被歸類為規(guī)約操作粱锐,用函數(shù)式編程術(shù)語來說疙挺,這稱為折疊(fold)
求和
int producr = numbers.stream().reduce(1,(a,b)->a*b);
reduce操作是如何作用于一個(gè)流的:
lambda反復(fù)結(jié)合每個(gè)元素,知道流被規(guī)約為一個(gè)值
可以使用最更簡潔的代碼:
int producr = numbers.stream().reduce(0,Integer::sum);
reduce還有一個(gè)重載的變體怜浅,它不接受初始值铐然,返回一個(gè)Optional對象:
Optional<Integer> sum = numbers.stream().reduce((a,b)->(a+b));
最大值和最小值
Optional<Integer> max = numbers.stream().reduce(Integer::max)
Optional<Integer> min = numbers.stream().reduce(Integer::min)
總結(jié)下目前說到的操作
數(shù)值流
之前我們看到了可以使用reduce方法計(jì)算流中元素的總和,例如:
int calories = menu.stream()
.map(Dish::getCalories)
.reduce(0,Integer::sum);
這段代碼的問題是,它有一個(gè)暗含的裝箱成本锦爵,每個(gè)Integer都必須拆箱成一個(gè)原始類型,再進(jìn)行求和奥裸,要是可以直接像下面這樣調(diào)用sum方法险掀,豈不是更好
int calories = menu.stream()
.map(Dish::getCalories)
.sum();
這是不可能的,問題在于map方法會生成一個(gè)Straem<T>湾宙,雖然流中的元素是Integer類型樟氢,但Streams接口沒有定義sum方法,不要擔(dān)心侠鳄,Stream API還提供了原始類型流特化
原始類型流特化
Java9引入了三個(gè)原始類型特化接口來解決這個(gè)問題:IntStream埠啃,DoubleStream和LongStream,分別將流中的元素特化為int伟恶,long碴开,double,從而避免了暗含的裝箱成本,每個(gè)接口都帶了進(jìn)行常用數(shù)值規(guī)約的新方法博秫,比如對數(shù)值流求和的sum潦牛,找到最大元素的max,此外有必要時(shí)再把他們轉(zhuǎn)換回對象流的方法
1.映射到數(shù)值流
例子:
int calories = menu.stream()
.mapToInt(Dish::getCalories)
.sum();
2.轉(zhuǎn)換回對象流
把原始流轉(zhuǎn)換成一般流挡育,可以使用boxed方法
IntStream intStream = menu.stream().mapToInt(Dish::getCalories);
Stream<Integer> stream = intStream.boxed();
3.默認(rèn)值optionalInt
求和有默認(rèn)值0巴碗,但是如果計(jì)算intStream中最大的元素,就得換個(gè)法子了即寒,因?yàn)?是錯(cuò)誤的結(jié)果橡淆,我們知道Optional類,這是一個(gè)可以表示值存在或不存在的容器母赵,Optional可以用Integer逸爵、String等參考類型來參數(shù)化,對于三種原始流特化凹嘲,也分別有一個(gè)optional原始類的特化版本:OptionalInt,OptionalDouble,OptionalLong
例如:
OptionalInt maxCalories = menu.stream().mapToInt(Dish::getCalories).max();
數(shù)值范圍
java8引入了兩個(gè)可以用于IntStream和LongStream的靜態(tài)方法痊银,幫助生成這種范圍:range和rangeClosed。第一個(gè)參數(shù)接受起始值施绎,第二個(gè)參數(shù)接受結(jié)束值溯革。
例子:
InStream evenNumbers = IntStream.rangClosed(1,100).filter(n->n%2==0)
構(gòu)建流
本節(jié)介紹如何從值序、數(shù)組谷醉、文件來創(chuàng)建流致稀,甚至由生成函數(shù)來創(chuàng)建無限流
由值創(chuàng)建流
可以使用靜態(tài)方法Stream.of,它可以接受任意數(shù)量的參數(shù)
例如:以下代碼創(chuàng)建一個(gè)字符串流俱尼,然后你可以將字符串轉(zhuǎn)換為大寫抖单,再一個(gè)個(gè)打印出來
Stream<String> stream = Stream.of("Java 8","Lambda","In","Action");
stream.map(String::toUpperCase).forEach(System.out::println);
由數(shù)組創(chuàng)建流
可以使用靜態(tài)方法Arrays.stream從數(shù)組創(chuàng)建一個(gè)流,例子:
int[] numbers = {2,3,5,7,11,13};
int sum = Arrays.stream(number).sum();
由文件生成流
Files.lines方法,它會返回一個(gè)由指定文件中的各行構(gòu)成的字符串流
創(chuàng)建無限流
Stream API提供兩個(gè)靜態(tài)方法來從函數(shù)生成流:Stream.iterate和Stream.generate
這兩個(gè)操作可以創(chuàng)建所謂的無限流:他們產(chǎn)生的流會用給定的函數(shù)按需創(chuàng)建值矛绘,因此可以無窮無盡地計(jì)算下去耍休,一般來說,應(yīng)該來說應(yīng)該使用limit(n)來對這種流加以限制货矮,以避免打印無窮多個(gè)值
例子
Stream.iterate(0,n->n+2)
.limit(10)
.forEach(System.out.println)
generate不是依次對每個(gè)生成的值應(yīng)用函數(shù)的羊精,它接受一個(gè)Supplier<T>類型的lambda提供新的值
例子
Stream.generate(Math::random)
.limit(5)
.forEach(System.out::println)
小結(jié)
- 流可以簡潔地表達(dá)復(fù)雜的數(shù)據(jù)處理查詢,流可以透明的并行化
- 你可以使用filter囚玫、distinct喧锦、skip和limit對流做篩選和切片
- 你可以使用map和flatMap提取或裝換流中的元素
- 你可以使用findFirst和findAny方法查找流中的元素,你可以使用allMatch抓督、noneMatch和anyMatch方法讓流匹配給定的謂詞
- 這些方法都利用了短路:找到結(jié)果就立即停止計(jì)算燃少,沒有必要處理整個(gè)流
- 你可以利用reduce方法將流中的所有元素迭代合并成一個(gè)結(jié)果,例如求和或查找最大元素
- filter和map等操作是無狀態(tài)的铃在,他們并不儲存任何狀態(tài)阵具,reduce等操作要儲存狀態(tài)才能計(jì)算出一個(gè)值,sorted和distinct等操作也要儲存狀態(tài)定铜,因?yàn)樗麄冃枰蚜髦械乃性鼐彺嫫饋聿拍芊祷匾粋€(gè)新的流怔昨,這種操作稱為有狀態(tài)操作
- 流不僅可以從集合創(chuàng)建,也可以從宿稀、數(shù)組趁舀、文件以及iterate與generate等特定方法創(chuàng)建
- 無限流是沒有固定大小的流
(注:內(nèi)容整理自《Java8實(shí)戰(zhàn)》)