Stream流操作
关于实习中Sraeam流的使用与学习
Stream流操作图解
那么什么是Stream
?
Stream
将要处理的元素集合看作一种流,在流的过程中,借助Stream API
对流中的元素进行操作,比如:筛选、排序、聚合等。
Stream
可以由 数组或集合创建,对流的操作分为两种:
- 中间操作,每次返回一个新的流,可以有多个。(筛选filter、映射map、排序sorted、去重组合skip—limit)
- 终端操作,每个流只能进行一次终端操作,终端操作结束后流无法再次使用。终端操作会产生一个新的集合或值。(遍历foreach、匹配find–match、规约reduce、聚合max–min–count、收集collect)
如何创建Stream流?
Stream
可以通过集合数组创建。
1、通过
java.util.Collection.stream()
方法用集合创建流
List<String> list = Arrays.asList("a", "b", "c");
// 创建一个顺序流,并输出
list.stream().forEach(System.out::println);
// 创建一个并行流
list.parallelStream().forEach(System.out::println);
得到的结论就是parallelStream()每次执行的结果都不相同,与多线程程序中执行的结果类似。如果希望最后顺序是按照原来Stream的数据顺序,那可以调用forEachOrdered()。
2、使用
java.util.Arrays.stream(T[] array)
方法用数组创建流
int array[] = {1,2,3,4,5,6,7};
IntStream stream = Arrays.stream(array);
stream.forEach(System.out::println);
3、使用
Stream
的静态方法:of()、iterate()、generate()
//1.1传入可变参数,字符串,数字等
Stream<String> stringStream = Stream.of("Alian", "boy", "cat", "papa");
//1.2传入对象
Stream<User> userStream = Stream.of(new User("BAT031", "胡一菲", "销售部", 28, 3500));
//1.3传入数字
Stream<Integer> integerStream = Stream.of(1, 2, 3, 4, 5, 6);
//2.1generate方法参数为Function<T, T>函数型接口的子类,比如产生正奇数
//表示 迭代从1开始每次值加2
Stream<Integer> oddStream = Stream.iterate(1, (x) -> x + 2);
oddStream.limit(5).forEach(System.out::println);
//3.1generate方法参数为Supplier<T> 供给型接口,
// 比如生成1-1000的随机数:(int) Math.round(Math.random() * (m - n) + n)
Stream<Integer> generateStream = Stream.generate(() -> (int) Math.round(Math.random() * (1000 - 1) + 1));
generateStream.limit(10).forEach(System.out::println);//打印10个随机数
stream和parallelStream的简单区分: stream
是顺序流,由主线程按顺序对流执行操作,而parallelStream
是并行流,内部以多线程并行执行的方式对流进行操作,但前提是流中的数据处理没有顺序要求。例如筛选集合中的奇数,两者的处理不同之处:
如果流中的数据量足够大,并行流可以加快处速度。
除了直接创建并行流,还可以通过parallel()
把顺序流转换成并行流:
List<Integer> list = Arrays.asList(1, 3, 6, 8, 12, 4);
Optional<Integer> findFirst = list.stream().parallel().filter(x->x>6).findFirst();
System.out.println("使用Stream的静态方法generate:" + findFirst.get());
Stream流的基本使用
4.1 遍历/匹配( foreach、find、match)
Stream
也是支持类似集合的遍历和匹配元素的,只是Stream
中的元素是以Optional
类型存在的。Stream
的遍历、匹配非常简单。
List<Integer> list = Arrays.asList(7, 6, 9, 3, 8, 2, 1);
// 遍历输出符合条件的元素
list.stream().filter(x -> x > 6).forEach(System.out::println);
// 匹配第一个
Optional<Integer> findFirst = list.stream().filter(x -> x > 6).findFirst();
// 匹配任意(适用于并行流)
Optional<Integer> findAny = list.parallelStream().filter(x -> x > 6).findAny();
// 是否包含符合特定条件的元素
boolean anyMatch = list.stream().anyMatch(x -> x > 6);
System.out.println("匹配第一个值:" + findFirst.get());
System.out.println("匹配任意一个值:" + findAny.get());
System.out.println("是否存在大于6的值:" + anyMatch);
4.2 筛选(filter)
筛选,是按照一定的规则校验流中的元素,将符合条件的元素提取到新的流中的操作。
filter
Stream<T> filter(Predicate<? super T> predicate);
案例一:筛选出Integer集合中大于7的元素,并打印出来
List<Integer> list = Arrays.asList(1, 2, 3, 4, 8, 6, 7, 9, 12, 32, 21);
list.stream().filter(integer -> integer > 5).forEach(System.out::println);
案例二: 筛选员工中工资高于8000的人,并形成新的集合。 形成新集合依赖
collect
(收集),后文有详细介绍。
Person实体类:
import lombok.Data;
@Data
class Person {
private String name; // 姓名
private int salary; // 薪资
private int age; // 年龄
private String sex; //性别
private String area; // 地区
// 构造方法
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,请自行添加
}
实现代码:
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"));
// 筛选员工中工资高于8000的人
// 使用map将符合筛选条件的人的,姓名拿出来
// 并使用collect将拿出的姓名 形成新的list集合
List<String> collect = personList.stream().
filter(person -> person.getSalary() > 8000).
map(Person::getName).
collect(Collectors.toList());
System.out.println(collect);
4.3 聚合(max、min、count)
max
、min
、count
这些一定不陌生,在mysql中我们常用它们进行数据统计。Java stream中也引入了这些概念和用法,极大地方便了我们对集合、数组的数据统计工作。
案例一:获取String集合中最长的元素。
List<String> list = Arrays.asList("adnm", "admmt", "pot", "xbangd", "weoujgsd");
Optional<String> max = list.stream().max(Comparator.comparing(String::length));
System.out.println(max.get());
案例二:获取Integer集合中的最大值。
List<Integer> list = Arrays.asList(2, 4, 5, 3, 7, 8, 34, 21);
//自然排序
Optional<Integer> max = list.stream().max(Integer::compareTo);
System.out.println(max.get());
//自定义排序
Optional<Integer> max1 = list.stream().max(new Comparator<Integer>() {
@Override
public int compare(Integer integer, Integer t1) {
return integer.compareTo(t1);
}
});
System.out.println(max1.get());
案例三:获取员工工资最高的人。
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> person = personList.stream().max(Comparator.comparing(Person::getSalary));
System.out.println(person.get().getName()+":"+person.get().getSalary());
案例四:计算Integer集合中大于6的元素的个数。
List<Integer> list = Arrays.asList(1, 9, 6, 5, 12, 23, 11, 9, 88, 10);
long count = list.stream().filter(integer -> integer > 6).count();
System.out.println("值大于6的有"+count+"个");
4.4 映射(map、flatMap)
映射,可以将一个流的元素按照一定的映射规则映射到另一个流中。分为map
和flatMap
:
map
:接收一个函数作为参数,该函数会被应用到每个元素上,并将其映射成一个新的元素。flatMap
:接收一个函数作为参数,将流中的每个值都换成另一个流,然后把所有流连接成一个流。
map
<R> Stream<R> map(Function<? super T, ? extends R> mapper);
flatMap
<R> Stream<R> flatMap(Function<? super T, ? extends Stream<? extends R>> mapper);
案例一:英文字符串数组的元素全部改为大写。整数数组每个元素+3。
String arrayStr[] = {"whl", "iswhl", "zhou"};
//将list中的字符串全部转为大写
List<String> collect = Arrays.stream(arrayStr).map(String::toUpperCase).collect(Collectors.toList());
System.out.println("大写转化后:"+collect.toString());
//将list中的所有数字加1
List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5, 6);
List<Integer> collect1 = integerList.stream().map(integer -> integer + 1).collect(Collectors.toList());
System.out.println("加1后:"+collect1.toString());
案例二:将员工的薪资全部增加1000。
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"));
//在不改变原来对象的情况下,将所有员工的工资加5000
List<Person> collect = personList.stream().map(person -> {
Person person1 = new Person(person.getName(), person.getSalary() + 5000, 0, null, null);
return person1;
}).collect(Collectors.toList());
System.out.println(personList.toString());
System.out.println(collect.toString());
//改变原来对象的情况下增加5000
List<Person> collect1 = personList.stream().map(person -> {
person.setSalary(person.getSalary() + 5000);
return person;
}).collect(Collectors.toList());
System.out.println(personList.toString());
System.out.println(collect1.toString());
案例三:将两个字符数组合并成一个新的字符数组。
List<String> list = Arrays.asList("w,h,l", "z,j");
List<String> collect = list.stream().flatMap(s -> {
//将每个元素转换为stream
String[] split = s.split(",");
Stream<String> stream = Arrays.stream(split);
return stream;
}).collect(Collectors.toList());
System.out.println("处理前的list:"+list.toString());
System.out.println("处理后的list:"+collect.toString());
4.5 规约(reduce)
归约,也称缩减,顾名思义,是把一个流缩减成一个值,能实现对集合求和、求乘积和求最值操作。
reduce
Optional reduce(BinaryOperator accumulator):第一次执行时,accumulator函数的第一个参数为流中的第一个元素,第二个参数为流中元素的第二个元素;第二次执行时,第一个参数为第一次函数执行的结果,第二个参数为流中的第三个元素;依次类推。
T reduce(T identity, BinaryOperator accumulator):流程跟上面一样,只是第一次执行时,accumulator函数的第一个参数为identity,而第二个参数为流中的第一个元素。
T reduce(T identity, BinaryOperator<T> accumulator);
@Override
public final P_OUT reduce(final P_OUT identity, final BinaryOperator<P_OUT> accumulator) {
return evaluate(ReduceOps.makeRef(identity, accumulator, accumulator));
}
Optional<T> reduce(BinaryOperator<T> accumulator);
@Override
public final Optional<P_OUT> reduce(BinaryOperator<P_OUT> accumulator) {
return evaluate(ReduceOps.makeRef(accumulator));
}
<U> U reduce(U identity,
BiFunction<U, ? super T, U> accumulator,
BinaryOperator<U> combiner);
@Override
public final <R> R reduce(R identity, BiFunction<R, ? super P_OUT, R> accumulator, BinaryOperator<R> combiner) {
return evaluate(ReduceOps.makeRef(identity, accumulator, combiner));
}
案例一:求Integer集合的元素之和、乘积和最大值。
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);
// 求乘积
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);
// 求最大值写法2
Integer max2 = list.stream().reduce(1, Integer::max);
System.out.println("list求和:" + sum.get() + "," + sum2.get() + "," + sum3);
System.out.println("list求积:" + product.get());
System.out.println("list求和:" + max.get() + "," + max2);
案例二:求所有员工的工资之和和最高工资。
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"));
// 求工资之和方式1:
Optional<Integer> sumSalary = personList.stream()
.map(Person::getSalary)
.reduce(Integer::sum);
// 求工资之和方式2:
Integer sumSalary2 = personList
.stream()
.reduce(0, (sum, p) -> sum += p.getSalary(), (sum1, sum2) -> sum1 + sum2);
// 求工资之和方式3:
Integer sumSalary3 = personList
.stream()
.reduce(0, (sum, p) -> sum += p.getSalary(), Integer::sum);
// 求最高工资方式1:
Integer maxSalary = personList
.stream()
.reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(),
Integer::max);
// 求最高工资方式2:
Integer maxSalary2 = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(),
(max1, max2) -> max1 > max2 ? max1 : max2);
System.out.println("工资之和:" + sumSalary.get() + "," + sumSalary2 + "," + sumSalary3);
System.out.println("最高工资:" + maxSalary + "," + maxSalary2);
4.6 收集(collect)
collect
,收集,可以说是内容最繁多、功能最丰富的部分了。从字面上去理解,就是把一个流收集起来,最终可以是收集成一个值也可以收集成一个新的集合。
collect
主要依赖java.util.stream.Collectors
类内置的静态方法。
4.6.1 归集(toList、toSet、toMap)
因为流不存储数据,那么在流中的数据完成处理后,需要将流中的数据重新归集到新的集合里。toList
、toSet
和toMap
比较常用,另外还有toCollection
、toConcurrentMap
等复杂一些的用法。
下面用一个案例演示
toList
、toSet
和toMap
:
List<Integer> list = Arrays.asList(1, 6, 3, 4, 6, 7, 9, 6, 20);
//toList()
List<Integer> listNew = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toList());
//toSet()
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"));
//toMap()
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);
4.6.2 统计(count、averaging)
Collectors
提供了一系列用于数据统计的静态方法:
- 计数:count
- 平均值:averagingInt、averagingLong、averagingDouble
- 最值:maxBy、minBy
- 求和:summingInt、summingLong、summingDouble
- 统计以上所有:summarizingInt、summarizingLong、summarizingDouble
案例:统计员工人数、平均工资、工资总额、最高工资。
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"));
// 求总数
Long count = personList.stream().collect(Collectors.counting());
// 求平均工资 averagingDouble
Double average = personList.stream().collect(Collectors.averagingDouble(Person::getSalary));
// 求最高工资 maxBy
Optional<Integer> max = personList.stream().map(Person::getSalary).collect(Collectors.maxBy(Integer::compare));
// 求工资之和 summingInt
Integer sum = personList.stream().collect(Collectors.summingInt(Person::getSalary));
// 一次性统计所有信息
DoubleSummaryStatistics collect = personList.stream().collect(Collectors.summarizingDouble(Person::getSalary));
System.out.println("员工总数:" + count);
System.out.println("员工平均工资:" + average);
System.out.println("员工工资总和:" + sum);
System.out.println("员工工资所有统计:" + "总数:"+collect.getCount()
+"平均数:"+collect.getAverage()+"最大值:"+collect.getMax()
+"最小值:"+collect.getMin()+"总和:"+collect.getSum());
4.6.3 分组(partitioningBy、groupingBy)
- 分区:将
stream
按条件分为两个Map
,比如员工按薪资是否高于8000分为两部分。 - 分组:将集合分为多个Map,比如员工按性别分组。有单级分组和多级分组。
partitioningBy
public static <T>
Collector<T, ?, Map<Boolean, List<T>>> partitioningBy(Predicate<? super T> predicate) {
return partitioningBy(predicate, toList());
}
groupingBy
public static <T, K> Collector<T, ?, Map<K, List<T>>>
groupingBy(Function<? super T, ? extends K> classifier) {
return groupingBy(classifier, toList());
}
案例:将员工按薪资是否高于8000分为两部分;将员工按性别和地区分组
List<Person> personList = new ArrayList<Person>();
personList.add(new Person("Tom", 8900, 21,"male", "New York"));
personList.add(new Person("Jack", 7000,29 ,"male", "Washington"));
personList.add(new Person("Lily", 7800, 45,"female", "Washington"));
personList.add(new Person("Anni", 8200, 34,"female", "New York"));
personList.add(new Person("Owen", 9500, 22,"male", "New York"));
personList.add(new Person("Alisa", 7900, 23,"female", "New York"));
// 将员工按薪资是否高于8000分组
//partitioningBy
Map<Boolean, List<Person>> part = personList
.stream()
.collect(Collectors.partitioningBy(x -> x.getSalary() > 8000));
// 将员工按性别分组
//groupingBy
Map<String, List<Person>> group = personList
.stream()
.collect(Collectors.groupingBy(Person::getSex));
// 将员工先按性别分组,再按地区分组
// groupingBy
Map<String, Map<String, List<Person>>> group2 = personList
.stream()
.collect(Collectors.groupingBy(Person::getSex, Collectors.groupingBy(Person::getArea)));
System.out.println("员工按薪资是否大于8000分组情况:" + part);
System.out.println("员工按性别分组情况:" + group);
System.out.println("员工按性别、地区:" + group2);
4.6.4 接合(joining)
joining
可以将stream中的元素用特定的连接符(没有的话,则直接连接)连接成一个字符串。
joining
public static Collector<CharSequence, ?, String> joining(CharSequence delimiter) {
return joining(delimiter, "", "");
}
拿到所有员工的消息,并将员工姓名拼接为一个list
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("所有员工的姓名:" + 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);
4.6.5 规约(reducing)
Collectors
类提供的reducing
方法,相比于stream
本身的reduce
方法,增加了对自定义归约的支持。
reducing
public static <T> Collector<T, ?, Optional<T>>
reducing(BinaryOperator<T> op) {
class OptionalBox implements Consumer<T> {
T value = null;
boolean present = false;
@Override
public void accept(T t) {
if (present) {
value = op.apply(value, t);
}
else {
value = t;
present = true;
}
}
}
return new CollectorImpl<T, OptionalBox, Optional<T>>(
OptionalBox::new, OptionalBox::accept,
(a, b) -> { if (b.present) a.accept(b.value); return a; },
a -> Optional.ofNullable(a.value), CH_NOID);
}
每个员工减去起征点后的薪资之和(这个例子并不严谨,但一时没想到好的例子)
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"));
// 每个员工减去起征点后的薪资之和(这个例子并不严谨,但一时没想到好的例子)
Integer sum = personList.stream().collect(Collectors.reducing(0, Person::getSalary, (i, j) -> (i + j - 5000)));
System.out.println("员工扣税薪资总和:" + sum);
// stream的reduce
Optional<Integer> sum2 = personList.stream().map(Person::getSalary).reduce(Integer::sum);
System.out.println("员工薪资总和:" + sum2.get());
4.7 排序(sorted)
sorted,中间操作。有两种排序:
- sorted():自然排序,流中元素需实现Comparable接口
- sorted(Comparator com):Comparator排序器自定义排序
sorted
Stream<T> sorted();
@Override
public final Stream<P_OUT> sorted() {
return SortedOps.makeRef(this);
}
sorted(Comparator com)
Stream<T> sorted(Comparator<? super T> comparator);
@Override
public final Stream<P_OUT> sorted(Comparator<? super P_OUT> comparator) {
return SortedOps.makeRef(this, comparator);
}
案例:将员工按工资由高到低(工资一样则按年龄由大到小)排序
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"));
// 按工资升序排序(自然排序)
List<String> newList = personList.stream().sorted(Comparator.comparing(Person::getSalary)).map(Person::getName)
.collect(Collectors.toList());
// 按工资倒序排序
List<String> newList2 = personList.stream().sorted(Comparator.comparing(Person::getSalary).reversed())
.map(Person::getName).collect(Collectors.toList());
// 先按工资再按年龄升序排序
// comparing:先按照**排序 thenComparing:再按照**排序
List<String> newList3 = personList.stream()
.sorted(Comparator.comparing(Person::getSalary).thenComparing(Person::getAge))
.map(Person::getName)
.collect(Collectors.toList());
// 先按工资再按年龄自定义排序(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("按工资升序排序:" + newList);
System.out.println("按工资降序排序:" + newList2);
System.out.println("先按工资再按年龄升序排序:" + newList3);
System.out.println("先按工资再按年龄自定义降序排序:" + newList4);
4.8 去重、合并(distinct、skip、limit、concat)
流也可以进行合并、去重、限制、跳过等操作。
distinct(去重)
Stream<T> distinct();
@Override
public final Stream<P_OUT> distinct() {
return DistinctOps.makeRef(this);
}
skip(跳过)
Stream<T> skip(long n);
@Override
public final Stream<P_OUT> skip(long n) {
if (n < 0)
throw new IllegalArgumentException(Long.toString(n));
if (n == 0)
return this;
else
return SliceOps.makeRef(this, n, -1);
}
limit
Stream<T> limit(long maxSize);
@Override
public final Stream<P_OUT> limit(long maxSize) {
if (maxSize < 0)
throw new IllegalArgumentException(Long.toString(maxSize));
return SliceOps.makeRef(this, 0, maxSize);
}
concat 合并两个流
static <T> Stream<T> concat(Stream<? extends T> a, Stream<? extends T> b) {
Objects.requireNonNull(a);
Objects.requireNonNull(b);
Spliterator<T> split = new java.util.stream.Streams.ConcatSpliterator.OfRef(a.spliterator(), b.spliterator());
Stream<T> stream = StreamSupport.stream(split, a.isParallel() || b.isParallel());
return (Stream)stream.onClose(Streams.composedClose(a, b));
}
例子:
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:合并两个流 distinct:去重
List<String> newList = Stream.concat(stream1, stream2).distinct().collect(Collectors.toList());
// limit:限制从流中获得前n个数据
// 下面的表示从1开始 后面每个值在上一个值的基础上+2,输出10个值后,并转为list
List<Integer> collect = Stream.iterate(1, x -> x + 2).limit(10).collect(Collectors.toList());
// skip:跳过前n个数据
// 这里的1代表把 跳过第一个值,这里的第一个值为 1
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);
这里我再推荐一篇很详细的博客:
Java8新特性:Stream详细使用
CSDN-Ada助手: MySQL入门 技能树或许可以帮到你:https://edu.csdn.net/skill/mysql?utm_source=AI_act_mysql
零初秋: 感谢老铁,这maven真的搞死人,设置了电脑端的仓库的设置镜像都没用,看来是idea内置的在搞事情
三横同学: 我也不清楚 可以自己网上找找解决办法