©2020-2024 ioDraw All rights reserved,
Privacy Policy
前言
本身我是一个比较偏向少使用Stream的人，因为调试比较不方便。
但是, 不得不说，stream确实会给我们编码带来便捷。
所以还是忍不住想分享一些奇技淫巧。
正文
Stream流 其实操作分三大块 ：
创建
处理
收集
我今天想分享的是 收集 这part的玩法。
OK，开始结合代码示例一起玩下：
lombok依赖引入，代码简洁一点：
<dependency> <groupId>org.projectlombok</groupId>
<artifactId>lombok</artifactId> <version>1.18.20</version>
<scope>compile</scope> </dependency>
准备一个UserDTO.java
/** * @Author: JCccc * @Date: 2022-9-20 01:25 * @Description: */ @Data public
class UserDTO { /** * 姓名 */ private String name; /** * 年龄 */ private Integer
age; /** * 性别 */ private String sex; /** * 是否有方向 */ private Boolean
hasOrientation; }
准备一个模拟获取List的函数：
private static List<UserDTO> getUserList() { UserDTO userDTO = new UserDTO();
userDTO.setName("小冬"); userDTO.setAge(18); userDTO.setSex("男");
userDTO.setHasOrientation(false); UserDTO userDTO2 = new UserDTO();
userDTO2.setName("小秋"); userDTO2.setAge(30); userDTO2.setSex("男");
userDTO2.setHasOrientation(true); UserDTO userDTO3 = new UserDTO();
userDTO3.setName("春"); userDTO3.setAge(18); userDTO3.setSex("女");
userDTO3.setHasOrientation(true); List<UserDTO> userList = new ArrayList<>();
userList.add(userDTO); userList.add(userDTO2); userList.add(userDTO3); return
userList; }
第一个小玩法
将集合通过Stream.collect() 转换成其他集合/数组：
现在拿List<UserDTO> 做例子
转成 HashSet<UserDTO> ：
List<UserDTO> userList = getUserList(); Stream<UserDTO> usersStream =
userList.stream(); HashSet<UserDTO> usersHashSet =
usersStream.collect(Collectors.toCollection(HashSet::new));
转成 Set<UserDTO> usersSet ：
List<UserDTO> userList = getUserList(); Stream<UserDTO> usersStream =
userList.stream(); Set<UserDTO> usersSet =
usersStream.collect(Collectors.toSet());
转成 ArrayList<UserDTO> ：
List<UserDTO> userList = getUserList(); Stream<UserDTO> usersStream =
userList.stream(); ArrayList<UserDTO> usersArrayList =
usersStream.collect(Collectors.toCollection(ArrayList::new));
转成 Object[] objects ：
List<UserDTO> userList = getUserList(); Stream<UserDTO> usersStream =
userList.stream(); Object[] objects = usersStream.toArray();
转成 UserDTO[] users ：
List<UserDTO> userList = getUserList(); Stream<UserDTO> usersStream =
userList.stream(); UserDTO[] users = usersStream.toArray(UserDTO[]::new); for
(UserDTO user : users) { System.out.println(user.toString()); }
第二个小玩法
聚合（求和、最小、最大、平均值、分组）
找出年龄最大：
stream.max（）
写法 1：
List<UserDTO> userList = getUserList(); Stream<UserDTO> usersStream =
userList.stream(); Optional<UserDTO> maxUserOptional = usersStream.max((s1, s2)
-> s1.getAge() - s2.getAge()); if (maxUserOptional.isPresent()) { UserDTO
masUser = maxUserOptional.get(); System.out.println(masUser.toString()); }
写法2：
List<UserDTO> userList = getUserList(); Stream<UserDTO> usersStream =
userList.stream(); Optional<UserDTO> maxUserOptionalNew =
usersStream.max(Comparator.comparingInt(UserDTO::getAge)); if
(maxUserOptionalNew.isPresent()) { UserDTO masUser = maxUserOptionalNew.get();
System.out.println(masUser.toString()); }
效果：
输出：
UserDTO(name=小秋, age=30, sex=男, hasOrientation=true)
找出年龄最小：
stream.min（）
写法 1：
Optional<UserDTO> minUserOptional =
usersStream.min(Comparator.comparingInt(UserDTO::getAge)); if
(minUserOptional.isPresent()) { UserDTO minUser = minUserOptional.get();
System.out.println(minUser.toString()); }
写法2：
Optional<UserDTO> min = usersStream.collect(Collectors.minBy((s1, s2) ->
s1.getAge() - s2.getAge()));
求平均值：
List<UserDTO> userList = getUserList(); Stream<UserDTO> usersStream =
userList.stream(); Double avgScore =
usersStream.collect(Collectors.averagingInt(UserDTO::getAge));
效果：
求和：
写法1：
Integer reduceAgeSum = usersStream.map(UserDTO::getAge).reduce(0,
Integer::sum);
写法2：
int ageSumNew = usersStream.mapToInt(UserDTO::getAge).sum();
统计数量：
long countNew = usersStream.count();
简单分组：
按照具体年龄分组:
//按照具体年龄分组 Map<Integer, List<UserDTO>> ageGroupMap =
usersStream.collect(Collectors.groupingBy((UserDTO::getAge)));
效果：
分组过程加写判断逻辑：
//按照性别 分为"男"一组 "女"一组 Map<Integer, List<UserDTO>> groupMap =
usersStream.collect(Collectors.groupingBy(s -> { if (s.getSex().equals("男")) {
return 1; } else { return 0; } }));
效果：
多级复杂分组：
//多级分组 // 1.先根据年龄分组 // 2.然后再根据性别分组 Map<Integer, Map<String, Map<Integer,
List<UserDTO>>>> moreGroupMap = usersStream.collect(Collectors.groupingBy(
//1.KEY(Integer) VALUE (Map<String, Map<Integer, List<UserDTO>>)
UserDTO::getAge, Collectors.groupingBy( //2.KEY(String) VALUE (Map<Integer,
List<UserDTO>>) UserDTO::getSex, Collectors.groupingBy((userDTO) -> { if
(userDTO.getSex().equals("男")) { return 1; } else { return 0; } }))));
效果：