来源：blog.csdn.net/qq_35387940/
article/details/127008965
-
前言
-
正文
-
第一个小玩法
-
第二个小玩法
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
* @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：
