點(diǎn)擊上方藍(lán)色字體，選擇“標(biāo)星公眾號”

優(yōu)質(zhì)文章，第一時間送達(dá)

先貼上幾個案例，水平高超的同學(xué)可以挑戰(zhàn)一下：

從員工集合中篩選出salary大于8000的員工，并放置到新的集合里。
統(tǒng)計(jì)員工的最高薪資、平均薪資、薪資之和。
將員工按薪資從高到低排序，同樣薪資者年齡小者在前。
將員工按性別分類，將員工按性別和地區(qū)分類，將員工按薪資是否高于8000分為兩部分。

用傳統(tǒng)的迭代處理也不是很難，但代碼就顯得冗余了，跟Stream相比高下立判。

1 Stream概述

Java 8 是一個非常成功的版本，這個版本新增的Stream，配合同版本出現(xiàn)的 Lambda ，給我們操作集合（Collection）提供了極大的便利。

那么什么是Stream？

Stream將要處理的元素集合看作一種流，在流的過程中，借助Stream API對流中的元素進(jìn)行操作，比如：篩選、排序、聚合等。

Stream可以由數(shù)組或集合創(chuàng)建，對流的操作分為兩種：

中間操作，每次返回一個新的流，可以有多個。
終端操作，每個流只能進(jìn)行一次終端操作，終端操作結(jié)束后流無法再次使用。終端操作會產(chǎn)生一個新的集合或值。

另外，Stream有幾個特性：

stream不存儲數(shù)據(jù)，而是按照特定的規(guī)則對數(shù)據(jù)進(jìn)行計(jì)算，一般會輸出結(jié)果。
stream不會改變數(shù)據(jù)源，通常情況下會產(chǎn)生一個新的集合或一個值。
stream具有延遲執(zhí)行特性，只有調(diào)用終端操作時，中間操作才會執(zhí)行。

2 Stream的創(chuàng)建

Stream可以通過集合數(shù)組創(chuàng)建。

1、通過 java.util.Collection.stream() 方法用集合創(chuàng)建流

List<String> list = Arrays.asList("a", "b", "c");
// 創(chuàng)建一個順序流
Stream<String> stream = list.stream();
// 創(chuàng)建一個并行流
Stream<String> parallelStream = list.parallelStream();

2、使用java.util.Arrays.stream(T[] array)方法用數(shù)組創(chuàng)建流

int[] array={1,3,5,6,8};
IntStream stream = Arrays.stream(array);

3、使用Stream的靜態(tài)方法：of()、iterate()、generate()

Stream<Integer> stream = Stream.of(1, 2, 3, 4, 5, 6);

Stream<Integer> stream2 = Stream.iterate(0, (x) -> x + 3).limit(4);
stream2.forEach(System.out::println);

Stream<Double> stream3 = Stream.generate(Math::random).limit(3);
stream3.forEach(System.out::println);

輸出結(jié)果：

0 3 6 9
0.6796156909271994
0.1914314208854283
0.8116932592396652

stream和parallelStream的簡單區(qū)分： stream是順序流，由主線程按順序?qū)α鲌?zhí)行操作，而parallelStream是并行流，內(nèi)部以多線程并行執(zhí)行的方式對流進(jìn)行操作，但前提是流中的數(shù)據(jù)處理沒有順序要求。例如篩選集合中的奇數(shù)，兩者的處理不同之處：

如果流中的數(shù)據(jù)量足夠大，并行流可以加快處速度。

除了直接創(chuàng)建并行流，還可以通過parallel()把順序流轉(zhuǎn)換成并行流：

Optional<Integer> findFirst = list.stream().parallel().filter(x->x>6).findFirst();

3 Stream的使用

在使用stream之前，先理解一個概念：Optional 。

Optional類是一個可以為null的容器對象。如果值存在則isPresent()方法會返回true，調(diào)用get()方法會返回該對象。
更詳細(xì)說明請見：菜鳥教程Java 8 Optional類

接下來，大批代碼向你襲來！我將用20個案例將Stream的使用整得明明白白，只要跟著敲一遍代碼，就能很好地掌握。

案例使用的員工類

這是后面案例中使用的員工類：

List<Person> personList = new ArrayList<Person>();
personList.add(new Person("Tom", 8900, "male", "New York"));
personList.add(new Person("Jack", 7000, "male", "Washington"));
personList.add(new Person("Lily", 7800, "female", "Washington"));
personList.add(new Person("Anni", 8200, "female", "New York"));
personList.add(new Person("Owen", 9500, "male", "New York"));
personList.add(new Person("Alisa", 7900, "female", "New York"));

class Person {
 private String name;  // 姓名
 private int salary; // 薪資
 private int age; // 年齡
 private String sex; //性別
 private String area;  // 地區(qū)

 // 構(gòu)造方法
 public Person(String name, int salary, int age,String sex,String area) {
  this.name = name;
  this.salary = salary;
  this.age = age;
  this.sex = sex;
  this.area = area;
 }
 // 省略了get和set，請自行添加

}

3.1 遍歷/匹配（foreach/find/match）

Stream也是支持類似集合的遍歷和匹配元素的，只是Stream中的元素是以Optional類型存在的。Stream的遍歷、匹配非常簡單。

// import已省略，請自行添加，后面代碼亦是

public class StreamTest {
 public static void main(String[] args) {
        List<Integer> list = Arrays.asList(7, 6, 9, 3, 8, 2, 1);

        // 遍歷輸出符合條件的元素
        list.stream().filter(x -> x > 6).forEach(System.out::println);
        // 匹配第一個
        Optional<Integer> findFirst = list.stream().filter(x -> x > 6).findFirst();
        // 匹配任意（適用于并行流）
        Optional<Integer> findAny = list.parallelStream().filter(x -> x > 6).findAny();
        // 是否包含符合特定條件的元素
        boolean anyMatch = list.stream().anyMatch(x -> x < 6);
        System.out.println("匹配第一個值：" + findFirst.get());
        System.out.println("匹配任意一個值：" + findAny.get());
        System.out.println("是否存在大于6的值：" + anyMatch);
    }
}

3.2 篩選（filter）

篩選，是按照一定的規(guī)則校驗(yàn)流中的元素，將符合條件的元素提取到新的流中的操作。

案例一：篩選出Integer集合中大于7的元素，并打印出來

public class StreamTest {
 public static void main(String[] args) {
  List<Integer> list = Arrays.asList(6, 7, 3, 8, 1, 2, 9);
  Stream<Integer> stream = list.stream();
  stream.filter(x -> x > 7).forEach(System.out::println);
 }
}

預(yù)期結(jié)果：

8 9

案例二：篩選員工中工資高于8000的人，并形成新的集合。形成新集合依賴collect（收集），后文有詳細(xì)介紹。

public class StreamTest {
 public static void main(String[] args) {
  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"));

  List<String> fiterList = personList.stream().filter(x -> x.getSalary() > 8000).map(Person::getName)
    .collect(Collectors.toList());
  System.out.print("高于8000的員工姓名：" + fiterList);
 }
}

運(yùn)行結(jié)果：

高于8000的員工姓名：[Tom, Anni, Owen]

3.3 聚合（max/min/count)

max、min、count這些字眼你一定不陌生，沒錯，在mysql中我們常用它們進(jìn)行數(shù)據(jù)統(tǒng)計(jì)。Java stream中也引入了這些概念和用法，極大地方便了我們對集合、數(shù)組的數(shù)據(jù)統(tǒng)計(jì)工作。

案例一：獲取String集合中最長的元素。

public class StreamTest {
 public static void main(String[] args) {
  List<String> list = Arrays.asList("adnm", "admmt", "pot", "xbangd", "weoujgsd");

  Optional<String> max = list.stream().max(Comparator.comparing(String::length));
  System.out.println("最長的字符串：" + max.get());
 }
}

輸出結(jié)果：

最長的字符串：weoujgsd

案例二：獲取Integer集合中的最大值。

public class StreamTest {
 public static void main(String[] args) {
  List<Integer> list = Arrays.asList(7, 6, 9, 4, 11, 6);

  // 自然排序
  Optional<Integer> max = list.stream().max(Integer::compareTo);
  // 自定義排序
  Optional<Integer> max2 = list.stream().max(new Comparator<Integer>() {
   @Override
   public int compare(Integer o1, Integer o2) {
    return o1.compareTo(o2);
   }
  });
  System.out.println("自然排序的最大值：" + max.get());
  System.out.println("自定義排序的最大值：" + max2.get());
 }
}

輸出結(jié)果：

自然排序的最大值：11
自定義排序的最大值：11

案例三：獲取員工工資最高的人。

public class StreamTest {
 public static void main(String[] args) {
  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"));

  Optional<Person> max = personList.stream().max(Comparator.comparingInt(Person::getSalary));
  System.out.println("員工工資最大值：" + max.get().getSalary());
 }
}

輸出結(jié)果：

員工工資最大值：9500

案例四：計(jì)算Integer集合中大于6的元素的個數(shù)。

import java.util.Arrays;
import java.util.List;

public class StreamTest {
 public static void main(String[] args) {
  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的元素個數(shù)：" + count);
 }
}

輸出結(jié)果：

list中大于6的元素個數(shù)：4

3.4 映射(map/flatMap)

映射，可以將一個流的元素按照一定的映射規(guī)則映射到另一個流中。分為map和flatMap：

map：接收一個函數(shù)作為參數(shù)，該函數(shù)會被應(yīng)用到每個元素上，并將其映射成一個新的元素。
flatMap：接收一個函數(shù)作為參數(shù)，將流中的每個值都換成另一個流，然后把所有流連接成一個流。

案例一：英文字符串?dāng)?shù)組的元素全部改為大寫。整數(shù)數(shù)組每個元素+3。

public class StreamTest {
 public static void main(String[] args) {
  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("每個元素大寫：" + strList);
  System.out.println("每個元素+3：" + intListNew);
 }
}

輸出結(jié)果：

每個元素大寫：[ABCD, BCDD, DEFDE, FTR]
每個元素+3：[4, 6, 8, 10, 12, 14]

案例二：將員工的薪資全部增加1000。

public class StreamTest {
 public static void main(String[] args) {
  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"));

  // 不改變原來員工集合的方式
  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("一次改動前：" + personList.get(0).getName() + "-->" + personList.get(0).getSalary());
  System.out.println("一次改動后：" + personListNew.get(0).getName() + "-->" + personListNew.get(0).getSalary());

  // 改變原來員工集合的方式
  List<Person> personListNew2 = personList.stream().map(person -> {
   person.setSalary(person.getSalary() + 10000);
   return person;
  }).collect(Collectors.toList());
  System.out.println("二次改動前：" + personList.get(0).getName() + "-->" + personListNew.get(0).getSalary());
  System.out.println("二次改動后：" + personListNew2.get(0).getName() + "-->" + personListNew.get(0).getSalary());
 }
}

輸出結(jié)果：

一次改動前：Tom–>8900
一次改動后：Tom–>18900
二次改動前：Tom–>18900
二次改動后：Tom–>18900

案例三：將兩個字符數(shù)組合并成一個新的字符數(shù)組。

public class StreamTest {
 public static void main(String[] args) {
  List<String> list = Arrays.asList("m,k,l,a", "1,3,5,7");
  List<String> listNew = list.stream().flatMap(s -> {
   // 將每個元素轉(zhuǎn)換成一個stream
   String[] split = s.split(",");
   Stream<String> s2 = Arrays.stream(split);
   return s2;
  }).collect(Collectors.toList());

  System.out.println("處理前的集合：" + list);
  System.out.println("處理后的集合：" + listNew);
 }
}

輸出結(jié)果：

處理前的集合：[m-k-l-a, 1-3-5]
處理后的集合：[m, k, l, a, 1, 3, 5]

3.5 歸約(reduce)

歸約，也稱縮減，顧名思義，是把一個流縮減成一個值，能實(shí)現(xiàn)對集合求和、求乘積和求最值操作。

案例一：求Integer集合的元素之和、乘積和最大值。

public class StreamTest {
 public static void main(String[] args) {
  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);
  
  // 求乘積
  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);
  // 求最大值寫法2
  Integer max2 = list.stream().reduce(1, Integer::max);

  System.out.println("list求和：" + sum.get() + "," + sum2.get() + "," + sum3);
  System.out.println("list求積：" + product.get());
  System.out.println("list求和：" + max.get() + "," + max2);
 }
}

輸出結(jié)果：

list求和：29,29,29
list求積：2112
list求和：11,11

案例二：求所有員工的工資之和和最高工資。

public class StreamTest {
 public static void main(String[] args) {
  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"));

  // 求工資之和方式1：
  Optional<Integer> sumSalary = personList.stream().map(Person::getSalary).reduce(Integer::sum);
  // 求工資之和方式2：
  Integer sumSalary2 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(),
    (sum1, sum2) -> sum1 + sum2);
  // 求工資之和方式3：
  Integer sumSalary3 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(), Integer::sum);

  // 求最高工資方式1：
  Integer maxSalary = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(),
    Integer::max);
  // 求最高工資方式2：
  Integer maxSalary2 = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(),
    (max1, max2) -> max1 > max2 ? max1 : max2);

  System.out.println("工資之和：" + sumSalary.get() + "," + sumSalary2 + "," + sumSalary3);
  System.out.println("最高工資：" + maxSalary + "," + maxSalary2);
 }
}

輸出結(jié)果：

工資之和：49300,49300,49300
最高工資：9500,9500

3.6 收集(collect)

collect，收集，可以說是內(nèi)容最繁多、功能最豐富的部分了。從字面上去理解，就是把一個流收集起來，最終可以是收集成一個值也可以收集成一個新的集合。

collect主要依賴java.util.stream.Collectors類內(nèi)置的靜態(tài)方法。

3.6.1 歸集(toList/toSet/toMap)

因?yàn)榱鞑淮鎯?shù)據(jù)，那么在流中的數(shù)據(jù)完成處理后，需要將流中的數(shù)據(jù)重新歸集到新的集合里。toList、toSet和toMap比較常用，另外還有toCollection、toConcurrentMap等復(fù)雜一些的用法。

下面用一個案例演示toList、toSet和toMap：

public class StreamTest {
 public static void main(String[] args) {
  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);
 }
}

運(yùn)行結(jié)果：

toList：[6, 4, 6, 6, 20]
toSet：[4, 20, 6]
toMap：{Tom=mutest.Person@5fd0d5ae, Anni=mutest.Person@2d98a335}

3.6.2 統(tǒng)計(jì)(count/averaging)

Collectors提供了一系列用于數(shù)據(jù)統(tǒng)計(jì)的靜態(tài)方法：

計(jì)數(shù)：count
平均值：averagingInt、averagingLong、averagingDouble
最值：maxBy、minBy
求和：summingInt、summingLong、summingDouble
統(tǒng)計(jì)以上所有：summarizingInt、summarizingLong、summarizingDouble

案例：統(tǒng)計(jì)員工人數(shù)、平均工資、工資總額、最高工資。

public class StreamTest {
 public static void main(String[] args) {
  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"));

  // 求總數(shù)
  Long count = personList.stream().collect(Collectors.counting());
  // 求平均工資
  Double average = personList.stream().collect(Collectors.averagingDouble(Person::getSalary));
  // 求最高工資
  Optional<Integer> max = personList.stream().map(Person::getSalary).collect(Collectors.maxBy(Integer::compare));
  // 求工資之和
  Integer sum = personList.stream().collect(Collectors.summingInt(Person::getSalary));
  // 一次性統(tǒng)計(jì)所有信息
  DoubleSummaryStatistics collect = personList.stream().collect(Collectors.summarizingDouble(Person::getSalary));

  System.out.println("員工總數(shù)：" + count);
  System.out.println("員工平均工資：" + average);
  System.out.println("員工工資總和：" + sum);
  System.out.println("員工工資所有統(tǒng)計(jì)：" + collect);
 }
}

運(yùn)行結(jié)果：

員工總數(shù)：3
員工平均工資：7900.0
員工工資總和：23700
員工工資所有統(tǒng)計(jì)：DoubleSummaryStatistics{count=3, sum=23700.000000,min=7000.000000, average=7900.000000, max=8900.000000}

3.6.3 分組(partitioningBy/groupingBy)

分區(qū)：將stream按條件分為兩個Map，比如員工按薪資是否高于8000分為兩部分。
分組：將集合分為多個Map，比如員工按性別分組。有單級分組和多級分組。

案例：將員工按薪資是否高于8000分為兩部分；將員工按性別和地區(qū)分組

public class StreamTest {
 public static void main(String[] args) {
  List<Person> personList = new ArrayList<Person>();
  personList.add(new Person("Tom", 8900, "male", "New York"));
  personList.add(new Person("Jack", 7000, "male", "Washington"));
  personList.add(new Person("Lily", 7800, "female", "Washington"));
  personList.add(new Person("Anni", 8200, "female", "New York"));
  personList.add(new Person("Owen", 9500, "male", "New York"));
  personList.add(new Person("Alisa", 7900, "female", "New York"));

  // 將員工按薪資是否高于8000分組
        Map<Boolean, List<Person>> part = personList.stream().collect(Collectors.partitioningBy(x -> x.getSalary() > 8000));
        // 將員工按性別分組
        Map<String, List<Person>> group = personList.stream().collect(Collectors.groupingBy(Person::getSex));
        // 將員工先按性別分組，再按地區(qū)分組
        Map<String, Map<String, List<Person>>> group2 = personList.stream().collect(Collectors.groupingBy(Person::getSex, Collectors.groupingBy(Person::getArea)));
        System.out.println("員工按薪資是否大于8000分組情況：" + part);
        System.out.println("員工按性別分組情況：" + group);
        System.out.println("員工按性別、地區(qū)：" + group2);
 }
}

輸出結(jié)果：

員工按薪資是否大于8000分組情況：{false=[mutest.Person@2d98a335, mutest.Person@16b98e56, mutest.Person@7ef20235], true=[mutest.Person@27d6c5e0, mutest.Person@4f3f5b24, mutest.Person@15aeb7ab]}
員工按性別分組情況：{female=[mutest.Person@16b98e56, mutest.Person@4f3f5b24, mutest.Person@7ef20235], male=[mutest.Person@27d6c5e0, mutest.Person@2d98a335, mutest.Person@15aeb7ab]}
員工按性別、地區(qū)：{female={New York=[mutest.Person@4f3f5b24, mutest.Person@7ef20235], Washington=[mutest.Person@16b98e56]}, male={New York=[mutest.Person@27d6c5e0, mutest.Person@15aeb7ab], Washington=[mutest.Person@2d98a335]}}

3.6.4 接合(joining)

joining可以將stream中的元素用特定的連接符（沒有的話，則直接連接）連接成一個字符串。

public class StreamTest {
 public static void main(String[] args) {
  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("所有員工的姓名：" + 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);
 }
}

運(yùn)行結(jié)果：

所有員工的姓名：Tom,Jack,Lily
拼接后的字符串：A-B-C

3.6.5 歸約(reducing)

Collectors類提供的reducing方法，相比于stream本身的reduce方法，增加了對自定義歸約的支持。

public class StreamTest {
 public static void main(String[] args) {
  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"));

  // 每個員工減去起征點(diǎn)后的薪資之和（這個例子并不嚴(yán)謹(jǐn)，但一時沒想到好的例子）
  Integer sum = personList.stream().collect(Collectors.reducing(0, Person::getSalary, (i, j) -> (i + j - 5000)));
  System.out.println("員工扣稅薪資總和：" + sum);

  // stream的reduce
  Optional<Integer> sum2 = personList.stream().map(Person::getSalary).reduce(Integer::sum);
  System.out.println("員工薪資總和：" + sum2.get());
 }
}

運(yùn)行結(jié)果：

員工扣稅薪資總和：8700
員工薪資總和：23700

3.7 排序(sorted)

sorted，中間操作。有兩種排序：

sorted()：自然排序，流中元素需實(shí)現(xiàn)Comparable接口
sorted(Comparator com)：Comparator排序器自定義排序

案例：將員工按工資由高到低（工資一樣則按年齡由大到?。┡判?/span>

public class StreamTest {
 public static void main(String[] args) {
  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"));

  // 按工資升序排序（自然排序）
  List<String> newList = personList.stream().sorted(Comparator.comparing(Person::getSalary)).map(Person::getName)
    .collect(Collectors.toList());
  // 按工資倒序排序
  List<String> newList2 = personList.stream().sorted(Comparator.comparing(Person::getSalary).reversed())
    .map(Person::getName).collect(Collectors.toList());
  // 先按工資再按年齡升序排序
  List<String> newList3 = personList.stream()
    .sorted(Comparator.comparing(Person::getSalary).thenComparing(Person::getAge)).map(Person::getName)
    .collect(Collectors.toList());
  // 先按工資再按年齡自定義排序（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("按工資升序排序：" + newList);
  System.out.println("按工資降序排序：" + newList2);
  System.out.println("先按工資再按年齡升序排序：" + newList3);
  System.out.println("先按工資再按年齡自定義降序排序：" + newList4);
 }
}

運(yùn)行結(jié)果：

按工資升序排序：[Lily, Tom, Sherry, Jack, Alisa]
按工資降序排序：[Sherry, Jack, Alisa, Tom, Lily]
先按工資再按年齡升序排序：[Lily, Tom, Sherry, Jack, Alisa]
先按工資再按年齡自定義降序排序：[Alisa, Jack, Sherry, Tom, Lily]

3.8 提取/組合

流也可以進(jìn)行合并、去重、限制、跳過等操作。

public class StreamTest {
 public static void main(String[] args) {
  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:合并兩個流 distinct：去重
  List<String> newList = Stream.concat(stream1, stream2).distinct().collect(Collectors.toList());
  // limit：限制從流中獲得前n個數(shù)據(jù)
  List<Integer> collect = Stream.iterate(1, x -> x + 2).limit(10).collect(Collectors.toList());
  // skip：跳過前n個數(shù)據(jù)
  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);
 }
}

運(yùn)行結(jié)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]

作者 | 云深i不知處

來源 | csdn.net/mu_wind/article/details/109516995

76套java從入門到精通實(shí)戰(zhàn)課程分享
阿里大佬整理的常用正則表達(dá)式大全
MySQL面試之靈魂拷問
阿里分布式事務(wù)Seata實(shí)戰(zhàn)視頻教程
基于SpringBoot+Vue可視化拖拽編輯大屏項(xiàng)目

加鋒哥微信: java3459

圍觀鋒哥朋友圈，每天推送Java干貨！

20 個實(shí)例玩轉(zhuǎn) Java 8 Stream

1 Stream概述

2 Stream的創(chuàng)建

3 Stream的使用

案例使用的員工類

3.1 遍歷/匹配（foreach/find/match）

3.2 篩選（filter）

3.3 聚合（max/min/count)

3.4 映射(map/flatMap)

3.5 歸約(reduce)

3.6 收集(collect)

3.6.1 歸集(toList/toSet/toMap)

3.6.2 統(tǒng)計(jì)(count/averaging)

3.6.3 分組(partitioningBy/groupingBy)

3.6.4 接合(joining)

3.6.5 歸約(reducing)

3.7 排序(sorted)

3.8 提取/組合

76套java從入門到精通實(shí)戰(zhàn)課程分享

阿里大佬整理的常用正則表達(dá)式大全

MySQL面試之靈魂拷問

阿里分布式事務(wù)Seata實(shí)戰(zhàn)視頻教程

基于SpringBoot+Vue可視化拖拽編輯大屏項(xiàng)目