比较有名的网站建设公司,西安最新数据消息,黑马程序员教程,网站建设教程流程图01.集合处理数据的弊端 当我们在需要对集合中的元素进行操作的时候#xff0c;除了必需的添加#xff0c;删除#xff0c;获取外#xff0c;最典型的操作就是集合遍历
package com.bobo.jdk.stream;
import java.util.ArrayList;
import java.util.Arrays;
import java.ut…01.集合处理数据的弊端 当我们在需要对集合中的元素进行操作的时候除了必需的添加删除获取外最典型的操作就是集合遍历
package com.bobo.jdk.stream;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.List;
public class StreamTest01 {public static void main(String[] args) {// 定义一个List集合ListString list Arrays.asList(张三,张三丰,成龙,周星驰);// 1.获取所有 姓张的信息ListString list1 new ArrayList();for (String s : list) {if(s.startsWith(张)){list1.add(s);}}// 2.获取名称长度为3的用户ListString list2 new ArrayList();for (String s : list1) {if(s.length() 3){list2.add(s);}}for (String s : list2) {System.out.println(s);}}
}上面的代码针对与我们不同的需求总是一次次的循环循环循环.这时我们希望有更加高效的处理方式这时我们就可以通过JDK8中提供的Stream API来解决这个问题了。 Stream更加优雅的解决方案
package com.bobo.jdk.stream;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.List;
public class StreamTest02 {public static void main(String[] args) {// 定义一个List集合ListString list Arrays.asList(张三,张三丰,成龙,周星驰);// 1.获取所有 姓张的信息// 2.获取名称长度为3的用户// 3. 输出所有的用户信息list.stream().filter(s-s.startsWith(张)).filter(s-s.length() 3).forEach(s-{System.out.println(s);});System.out.println(----------);list.stream().filter(s-s.startsWith(张)).filter(s-s.length() 3).forEach(System.out::println);}
}上面的SteamAPI代码的含义获取流过滤张过滤长度逐一打印。代码相比于上面的案例更加的简洁直观
0 2. Steam流式思想概述 注意 Stream和IO流(InputStream/OutputStream)没有任何关系请暂时忘记对传统IO流的固有印象 Stream流式思想类似于工厂车间的“生产流水线”Stream流不是一种数据结构不保存数据而是对数据进行加工处理。 Stream可以看作是流水线上的一个工序。在流水线上通过多个工序让一个原材料加工成一个商品。 Stream API能让我们快速完成许多复杂的操作如筛选、切片、映射、查找、去除重复统计匹配和归约。
0 3. Stream流的获取方式 1 根据Collection获取 首先java.util.Collection 接口中加入了default方法stream也就是说Collection接口下的所有的实现都可以通过steam方法来获取Stream流。public static void main(String[] args) {ListString list new ArrayList();list.stream();SetString set new HashSet();set.stream();Vector vector new Vector();vector.stream();
}但是Map接口别没有实现Collection接口那这时怎么办呢这时我们可以根据Map获取对应的key-value的集合。
public static void main(String[] args) {MapString,Object map new HashMap();StreamString stream map.keySet().stream(); // keyStreamObject stream1 map.values().stream(); // valueStreamMap.EntryString, Object stream2 map.entrySet().stream(); //entry
}3.1 通过Stream的of方法 在实际开发中我们不可避免的还是会操作到数组中的数据由于数组对象不可能添加默认方法 所有Stream接口中提供了静态方法of public class StreamTest05 {public static void main(String[] args) {StreamString a1 Stream.of(a1, a2, a3);String[] arr1 {aa,bb,cc};StreamString arr11 Stream.of(arr1);Integer[] arr2 {1,2,3,4};StreamInteger arr21 Stream.of(arr2);arr21.forEach(System.out::println);// 注意基本数据类型的数组是不行的int[] arr3 {1,2,3,4};Stream.of(arr3).forEach(System.out::println);}
}
4.Stream常用方法介绍
Stream常用方法 Stream流模型的操作很丰富这里介绍一些常用的API。这些方法可以被分成两种 终结方法返回值类型不再是 Stream 类型的方法不再支持链式调用。 本小节中 终结方法包括count 和forEach 方法。 非终结方法返回值类型仍然是 Stream 类型的方法支持链式调用。 除了终结方法外其余方法均为非终结方法。 Stream注意事项(重要)
Stream只能操作一次Stream方法返回的是新的流Stream不调用终结方法中间的操作不会执行
4.1 forEach forEach用来遍历流中的数据的
void forEach(Consumer? super T action);该方法接受一个Consumer接口会将每一个流元素交给函数处理
void forEach(Consumer? super T action);public static void main(String[] args) {Stream.of(a1, a2, a3).forEach(System.out::println);;
}4.2 count Stream流中的count方法用来统计其中的元素个数的
long count();该方法返回一个long值代表元素的个数。
public static void main(String[] args) {long count Stream.of(a1, a2, a3).count();System.out.println(count);
}4.3 filter filter方法的作用是用来过滤数据的。返回符合条件的数据 可以通过filter方法将一个流转换成另一个子集流
StreamT filter(Predicate? super T predicate);该接口接收一个Predicate函数式接口参数作为筛选条件
public static void main(String[] args) {Stream.of(a1, a2, a3,bb,cc,aa,dd).filter((s)-s.contains(a)).forEach(System.out::println);
}limit方法可以对流进行截取处理支取前n个数据
StreamT limit(long maxSize);参数是一个long类型的数值如果集合当前长度大于参数就进行截取否则不操作
public static void main(String[] args) {Stream.of(a1, a2, a3,bb,cc,aa,dd).limit(3).forEach(System.out::println);
}4.5 skip 如果希望跳过前面几个元素可以使用skip方法获取一个截取之后的新流
StreamT skip(long n);操作
public static void main(String[] args) {Stream.of(a1, a2, a3,bb,cc,aa,dd).skip(3).forEach(System.out::println);
}4.6 map 如果我们需要将流中的元素映射到另一个流中或者说把集合中的元素都改变数据类型可以使用map方法
R StreamR map(Function? super T, ? extends R mapper);该接口需要一个Function函数式接口参数可以将当前流中的T类型数据转换为另一种R类型的数据
public static void main(String[] args) {Stream.of(1, 2, 3,4,5,6,7)//.map(msg-Integer.parseInt(msg)).map(Integer::parseInt).forEach(System.out::println);
}4.7 sorted 如果需要将数据排序可以使用sorted方法
StreamT sorted();在使用的时候可以根据自然规则排序也可以通过比较强来指定对应的排序规则
public static void main(String[] args) {Stream.of(1, 3, 2,4,0,9,7)//.map(msg-Integer.parseInt(msg)).map(Integer::parseInt)//.sorted() // 根据数据的自然顺序排序.sorted((o1,o2)-o2-o1) // 根据比较强指定排序规则.forEach(System.out::println);
}4.8 distinct 如果要去掉重复数据可以使用distinct方法
StreamT distinct();运行
public static void main(String[] args) {Stream.of(1, 3, 3,4,0,1,7)//.map(msg-Integer.parseInt(msg)).map(Integer::parseInt)//.sorted() // 根据数据的自然顺序排序.sorted((o1,o2)-o2-o1) // 根据比较强指定排序规则.distinct() // 去掉重复的记录.forEach(System.out::println);System.out.println(--------);Stream.of(new Person(张三,18),new Person(李四,22),new Person(张三,18)).distinct().forEach(System.out::println);
}Stream流中的distinct方法对于基本数据类型是可以直接出重的但是对于自定义类型我们是需要重写hashCode和equals方法来移除重复元素。
4.9 match 如果需要判断数据是否匹配指定的条件可以使用match相关的方法
boolean anyMatch(Predicate? super T predicate); // 元素是否有任意一个满足条件
boolean allMatch(Predicate? super T predicate); // 元素是否都满足条件
boolean noneMatch(Predicate? super T predicate); // 元素是否都不满足条件使用
public static void main(String[] args) {boolean b Stream.of(1, 3, 3, 4, 5, 1, 7).map(Integer::parseInt)//.allMatch(s - s 0)//.anyMatch(s - s 4).noneMatch(s - s 4);System.out.println(b);
}4.10 find 如果我们需要找到某些数据可以使用find方法来实现
OptionalT findFirst();
OptionalT findAny();运行
public static void main(String[] args) {OptionalString first Stream.of(1, 3, 3, 4, 5, 1,7).findFirst();System.out.println(first.get());OptionalString any Stream.of(1, 3, 3, 4, 5, 1,7).findAny();System.out.println(any.get());
}4.11 max和min 如果我们想要获取最大值和最小值那么可以使用max和min方法
OptionalT min(Comparator? super T comparator);
OptionalT max(Comparator? super T comparator);运行
public static void main(String[] args) {OptionalInteger max Stream.of(1, 3, 3, 4, 5, 1, 7).map(Integer::parseInt).max((o1,o2)-o1-o2);System.out.println(max.get());OptionalInteger min Stream.of(1, 3, 3, 4, 5, 1, 7).map(Integer::parseInt).min((o1,o2)-o1-o2);System.out.println(min.get());
}4.12 reduce方法 如果需要将所有数据归纳得到一个数据可以使用reduce方法
T reduce(T identity, BinaryOperatorT accumulator);public static void main(String[] args) {Integer sum Stream.of(4, 5, 3, 9)// identity默认值// 第一次的时候会将默认值赋值给x// 之后每次会将 上一次的操作结果赋值给x y就是每次从数据中获取的元素.reduce(0, (x, y) - {System.out.println(xx,yy);return x y;});System.out.println(sum);// 获取 最大值Integer max Stream.of(4, 5, 3, 9).reduce(0, (x, y) - {return x y ? x : y;});System.out.println(max);
}4.13 map和reduce的组合 在实际开发中我们经常会将map和reduce一块来使用
public static void main(String[] args) {// 1.求出所有年龄的总和Integer sumAge Stream.of(new Person(张三, 18), new Person(李四, 22), new Person(张三, 13), new Person(王五, 15), new Person(张三, 19)).map(Person::getAge) // 实现数据类型的转换.reduce(0, Integer::sum);System.out.println(sumAge);// 2.求出所有年龄中的最大值Integer maxAge Stream.of(new Person(张三, 18), new Person(李四, 22), new Person(张三, 13), new Person(王五, 15), new Person(张三, 19)).map(Person::getAge) // 实现数据类型的转换符合reduce对数据的要求.reduce(0, Math::max); // reduce实现数据的处理System.out.println(maxAge);
// 3.统计 字符 a 出现的次数Integer count Stream.of(a, b, c, d, a, c, a).map(ch - a.equals(ch) ? 1 : 0).reduce(0, Integer::sum);System.out.println(count);
}
