Java 8 新特性之流—Stream 操作总结（持续更新）

本文主要是介绍Java 8 新特性之流—Stream 操作总结（持续更新），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

---

前言

在我们开发中，经常会对集合进行过滤、映射、去重、排序、聚合、统计、遍历、归集、分组、拼接等常用操作，为了写出高效率、干净、简洁的代码，Java 8 API 提供了流 Stream API 来进行处理。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、生成流

1.集合创建流

List<String> list = Arrays.asList("a", "b", "c", "d", "e","", "f");
Stream<String> stream = list.stream(); 					// 创建一个串行流
Stream<String> parallelStream = list.parallelStream();  // 创建一个并行流

2.数组创建流

int[] array = {1, 2, 3, 4, 5};
IntStream stream = Arrays.stream(array);

3.使用Stream.of() 创建流

Stream<String> stream = Stream.of("a", "b", "c");

二、中间操作

1.filter：用于通过设置的条件过滤出元素

• 筛选出不是 c 的其他字符串，形成新的集合

List<String> list = Arrays.asList("a", "b", "c", "d");
List<String> result = list.stream()            // 转化为一个流.filter(line -> !"c".equals(line))     // 排除 "c".collect(Collectors.toList());         // 把输出流收集回List中
result.forEach(System.out::println);           // 输出 : a, b, d

• 筛选出工资大于10000的非项目经理的职员

List<Employee> newList = list.stream().filter(item -> {return item.getSalary().compareTo(new BigDecimal(10000)) > 0 && !"项目经理".equals(item.getWorkType());}).collect(Collectors.toList());

2.map：对每个元素执行某种操作并返回一个新的Stream

• 取出user对象中name集合，常用操作

List<String> names = users.stream().map(User::getName).collect(Collectors.toList());

• 将字符串全部转为大写，执行的操作不需要返回

List<String> list1 = Arrays.asList("a", "b", "c", "d");
List<String> upper1 = list1.stream().map(String::toUpperCase)					// 第一种.collect(Collectors.toList());
List<String> upper2 = list1.stream().map(o -> o.toUpperCase(Locale.ENGLISH))	// 第二种，与第一种一样，第一种是简写.collect(Collectors.toList());

• 将用户的年龄+1，并返回的是user对象，此时执行的操作是需要返回的，可以使用peek代替

User u1 = new User(); u1.setAge(1); u1.setName("n1");
User u2 = new User(); u2.setAge(2); u2.setName("n2");
List<User> users = new ArrayList<>(); users.add(u1); users.add(u2);
List<User> collect = users.stream().map(o -> {						// 这种有返回值的map操作可以使用peek来代替o.setAge(o.getAge() + 1);return o;					// 将修改的年龄重新赋值，并返回}).collect(Collectors.toList());
// 使用peek来代替返回
List<User> collect = users.stream().peek(o -> o.setAge(o.getAge() + 1)).collect(Collectors.toList());

3.flatMap：将多个Stream组合成一个Stream

List<String> list = Arrays.asList("a,b,c,d", "1,2,3,4");
List<String> listNew = list.stream().flatMap(s -> {// 将每个元素转换成一个streamString[] split = s.split(",");return Arrays.stream(split);}).collect(Collectors.toList());System.out.println(listNew);	// [a, b, c, d, 1, 2, 3, 4]

4.concat：合并两个流

String[] arr1 = { "a", "b", "c", "d" };
String[] arr2 = { "d", "e", "f", "g" };
//创建两个流
Stream<String> stream1 = Stream.of(arr1);
Stream<String> stream2 = Stream.of(arr2);
Stream<String> concatStream = Stream.concat(stream1, stream2);

5.distinct：去除重复元素

List<String> collect = list.stream().distinct().collect(Collectors.toList());
System.out.println(list);		// [a, b, c, d, d, e, f, g]
System.out.println(collect);	// [a, b, c, d, e, f, g]

6.sorted：排序

• 按年龄升序排序（自然排序）

List<User> newList = users.stream().sorted(Comparator.comparing(User::getAge)).collect(Collectors.toList());

• 按年龄降序排序（reversed）

List<User> newList2 = users.stream().sorted(Comparator.comparing(User::getAge).reversed()).collect(Collectors.toList());

• 先按年龄排，再按工资排，升序（thenComparing）

List<User> newList3 = users.stream().sorted(Comparator.comparing(User::getAge).thenComparing(User::getSalary)).collect(Collectors.toList());

• 自定义排序，先按工资排，再按年龄排（降序）

List<User> newList4 = users.stream().sorted((p1, p2) -> {if (p1.getSalary().equals(p2.getSalary())) {return p2.getAge() - p1.getAge();} else {return p2.getSalary() - p1.getSalary();}}).collect(Collectors.toList());

7.limit：截取Stream的前n个元素

List<String> collect = list.stream().limit(2).collect(Collectors.toList());

8.skip：跳过Stream的前n个元素

List<String> collect = list.stream().skip(2).collect(Collectors.toList());

三、终止操作

1.forEach：遍历Stream中的每个元素

users.forEach(o -> {o.setSalary(1);System.out.println(o);});

• 遍历集合等价于 for 循环或增强 for 循环

IntStream.range(0, list.size()).forEach(i -> list.get(i).setOrderNum(i));
// 等价于
for (int i = 0; i < list.size(); i++) {list.get(i).setOrderNum(i);
}

2.count：统计元素的个数

long count = list.stream().map(User::getAge).count();

3.max&min：查找最大/最小元素

• max：查找最大元素

Optional<User> max = list.stream().max(Comparator.comparing(User::getAge));
Optional<Integer> max = list.stream().map(User::getAge).max(Integer::compare);

• min：查找最小元素

Optional<User> max = list.stream().min(Comparator.comparing(User::getAge));

4.reduce：对元素进行计算，得到值并返回

//求和1
Stream<Integer> stream1 = Stream.of(1,2,3,4);
System.out.println("sum:" + stream1.reduce(0, Integer::sum));//求和2
Stream<Integer> stream2 = Stream.of(1,2,3,4);
Optional<Integer> reduce = stream2.reduce(Integer::sum);
reduce.ifPresent(integer -> System.out.println("sum:" + integer));//求最大值
Stream<Integer> stream3 = Stream.of(1,2,3,4);
System.out.println("max:" + stream3.reduce(0, (a, b) -> (a >= b ? a : b)));

5.allMatch&anyMatch&noneMatch：判断是否存在匹配条件的元素

• allMatch：若所有的元素都匹配条件，则结果为 true

Stream<Integer> stream1 = Stream.of(1,2,3,4);
System.out.println("result1:" + stream1.allMatch(i -> i > 0)); // 都大于0，true

• anyMatch：只要有一个元素匹配条件，则结果为 true

Stream<Integer> stream2 = Stream.of(1,2,3,4);
System.out.println("result2:" + stream2.anyMatch(i -> i > 3)); // 有一个4大于3，true

• noneMatch：若所有的元素都不匹配条件，则结果为 true

Stream<Integer> stream3 = Stream.of(1,2,3,4);
System.out.println("result3:" + stream3.noneMatch(i -> i > 3)); // 只有一个不匹配，false

6.collect：将Stream中的元素聚合到一个新的集合中

• 归集collect（toList、toSet、toMap）

List<Integer> listNew = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toList());Map<String, Person> map = list.stream().filter(p -> p.getSalary() > 8000).collect(Collectors.toMap(Person::getName, p -> p));

7.findFirst&findAny：返回Stream中的某个元素

• findFirst：返回Stream中的第一个元素

Stream<Integer> stream1 = Stream.of(1,2,3,4);//获取第一个值
Optional<Integer> first = stream1.findFirst();
System.out.println("first:" + first.get());

• findAny：返回Stream中的任意一个元素

Stream<Integer> stream2 = Stream.of(1,2,3,4);//获取任意一个值, 但是正常情况下一般会取第一个元素，在并行流的情况下会随机取一个元素
Optional<Integer> any = stream2.parallel().findAny();
System.out.println("any:" + any.get());

8.averagingInt&averagingLong&averagingDouble：求平均值

// 求平均年龄
Double average = list.stream().collect(Collectors.averagingInt(User::getAge));

9.summingInt&summingLong&summingDouble：求和

// 求年龄之和
Integer sum = list.stream().collect(Collectors.summingInt(User::getAge));// 推荐使用下面这种方式：.mapToInt + sum
Integer sum = list.stream().mapToInt(User::getAge).sum();

10.joining：拼接

List<String> list = Arrays.asList("1","2","3","4");// 以空字符拼接，输出 1234
String result1 = list.stream().collect(Collectors.joining());// 以“-”符号拼接，输出 1-2-3-4
String result2 = list.stream().collect(Collectors.joining("-"));// 传多个参数，输出 [1-2-3-4]
String result= list.stream().collect(Collectors.joining("-", "[", "]"));

11.groupingBy&partitioningBy：分组及分区

• 将员工按性别分组

Map<String, List<User>> group = list.stream().collect(Collectors.groupingBy(User::getSex));

• 多条件分组：将员工先按性别分组，再按地区分组

Map<String, Map<String, List<User>>> group2 = list.stream().collect(Collectors.groupingBy(User::getSex, Collectors.groupingBy(User::getArea)));

• 将员工按薪资是否高于8000分为两个组

Map<Boolean, List<User>> part = list.stream().collect(Collectors.partitioningBy(x -> x.getSalary() > 8000));

四、常用场景

1.list转map

场景1：将 user 集合转换成以 id 为 key，以 name 为 value 的 map

注意事项：(k1, k2) -> k2 避免键重复(会报错Duplicate key xxx) k1-取第一个数据；k2-取最后一条数据

其中 item -> item.getName() 如果没有其他操作（比如value为name_age需拼接），可以转化为 User::getName

Map<Integer, String> userMap = userList.stream().collect(Collectors.toMap(User::getId, item -> item.getName(), (k1, k2) -> k1));

场景2：将 user 集合转换成以 name_age 为 key，user对象为 value 的 map
key：name_age，value：user对象，其中 item -> item 可以也换为 Function.identity()

Map<String, User> userMap = userList.stream().collect(Collectors.toMap(item -> item.getName() + "_" + item.getAge(),item -> item, (k1, k2) -> k1));

2.map转list

场景3：在map里面构造数据 return什么数据就转成什么类型的list

List<Employee> collect = map.entrySet().stream().map(item -> {Employee employee = new Employee();employee.setId(item.getKey());employee.setEmpName(item.getValue());return employee;}).collect(Collectors.toList());

3.求和&极值

场景4：经常会用到 bigdecimal 进行求值操作

//Bigdecimal求和/极值:
BigDecimal sum = list.stream().map(Employee::getSalary).reduce(BigDecimal.ZERO, BigDecimal::add);
BigDecimal max = list.stream().map(Employee::getSalary).reduce(BigDecimal.ZERO, BigDecimal::max);//基本数据类型求和/极值:
Integer sum = list.stream().mapToInt(Employee::getId).sum();
Long sum = list.stream().mapToLong(Employee::getId).sum();
Double sum = list.stream().mapToDouble(Employee::getId).sum();

4.去重&拼接

场景5：对 list 进行去重 或 去重后按指定形式拼接返回

String userName = userList.stream().map(User::getName).distinct().collect(Collectors.joining(","));
List<String> collect = userList.stream().map(User::getName).distinct().collect(Collectors.toList());// 按多个字段去重
ArrayList<User> collect = userList.stream().collect(Collectors.collectingAndThen(Collectors.toCollection(() -> new TreeSet<>(Comparator.comparing(p -> p.getName() + "_" + p.getAge()))), ArrayList::new));

5.统计：和、数量、最大值、最小值、平均值

场景6：对 list 中数据进行相关统计

IntSummaryStatistics collect = userList.stream().collect(Collectors.summarizingInt(User::getAge));
System.out.println("和："     + collect.getSum());
System.out.println("数量："   + collect.getCount());
System.out.println("最大值：" + collect.getMax());
System.out.println("最小值：" + collect.getMin());
System.out.println("平均值：" + collect.getAverage());// 平均值
OptionalDouble average = list.stream().mapToInt(Employee::getId).average();
average.getAsDouble();

6.某个值的数量

场景7：计算得到某个薪水的个数，如：5000元的有2个（5000, 2）

Map<Integer, Long> collect = userList.stream().collect(Collectors.groupingBy(User::getSalary, Collectors.counting()));

7.根据订单号+订单行号进行分组

场景8：根据订单号+订单行号分组后进行数据处理

// 按照 age 进行分组
Map<Integer, List<User>> collect = userList.stream().collect(Collectors.groupingBy(User::getAge));// 按照 age_salary 进行分组
Map<String, List<User>> collect = userList.stream().collect(Collectors.groupingBy(o -> o.getAge() + "_" + o.getSalary()));

---

总结

该有的迟早会有，过分强求也无谓。该失去的，也迟早会失去，正如人生百年，终有一死。倒不如珍惜眼前的平凡生活，享受生活带来的苦乐。

这篇关于Java 8 新特性之流—Stream 操作总结（持续更新）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---