在开发过程中，经常或忽略流的使用，导致用的不熟练，于是抽时间系统的学习下stream的使用，找了哔哩哔哩的教程跟着看看练练。
准备工作
创建Book、Aurhor实体类，初始化数据
public static List<Author> getAuthors() {Author author1 = new Author(1L, "蒙多", 33, "一个从菜刀中明悟哲理的祖安人", null);Author author2 = new Author(2L, "亚拉索", 15, "狂风也追逐不上他的思考速度", null);Author author3 = new Author(3L, "易", 14, "是这个世界在限制他的思维", null);Author author4 = new Author(3L, "易", 14, "是这个世界在限制他的思维", null);List<Book> books1 = new ArrayList<>();List<Book> books2 = new ArrayList<>();List<Book> books3 = new ArrayList<>();books1.add(new Book(1L, "刀的两侧是光明与黑暗", "哲学，爱情", 88, "用一把刀划分了爱情"));books1.add(new Book(2L, "一个人不能死在同一把刀下", "个人成长，爱情", 99, "讲述如何成功"));books2.add(new Book(3L, "那风吹不到的地方", "哲学", 85, "带你用思维去领略世界的尽头"));books2.add(new Book(3L, "那风吹不到的地方", "哲学", 85, "带你用思维去领略世界的尽头"));books2.add(new Book(4L, "吹或不吹", "爱情，个人传记", 65, "一个哲学家的恋爱观注定很难"));books3.add(new Book(5L, "你的剑就是我的剑", "爱情", 56, "无法想象一个武者"));books3.add(new Book(5L, "风与剑", "个人传记", 100, "两个哲学家灵魂与肉体的碰撞"));books3.add(new Book(5L, "风与剑", "个人传记", 100, "两个哲学家灵魂与肉体的碰撞"));author1.setBooks(books1);author2.setBooks(books2);author3.setBooks(books3);author4.setBooks(books3);List<Author> authors = new ArrayList<>(Arrays.asList(author1, author2, author3, author4));return authors;}
创建流
// 1.单列集合
private static void test01(List<Author> authors) {authors.stream().distinct().filter(author -> author.getAge()<18).forEach(author -> System.out.println(author.getName()));
}
// 2.数组流
private static void test02() {Integer[] arr = {1,2,3,4,5};
// IntStream stream = Arrays.stream(arr);Stream<Integer> stream = Stream.of(arr);stream.distinct().filter(value -> value > 2).forEach(value -> System.out.println(value));
}
// 3.双列集合 map流
private static void test03() {Map<String, Integer> map = new HashMap<>();map.put("张三", 18);map.put("李四", 33);map.put("王五", 25);Stream<Map.Entry<String, Integer>> stream = map.entrySet().stream();stream.filter(entry -> entry.getValue()>20).forEach(entry -> System.out.println(entry.getKey()));
}
中间操作
- filter 对流中的操作进行过滤，符合条件的返回
使用的函数式接口是：Predicate，参数是一个实体，拥有抽象方法：boolean test(T t);
authors.stream().filter(new Predicate<Author>() {@Override// 匿名内部类的test方法，将传入的author进行判断，返回符合条件的public boolean test(Author author) {return author.getName().length() > 1;}
}).forEach(author -> System.out.println(author.getName()));
该操作将作者名字长度>1 的作者名列出来
- map 把流中元素进行计算或转换
使用的函数式接口是：Function<T, R>，参数是一个实体，和一个要将实体转化的结果result，拥有抽象方法：R apply(T t);
（1）进行转换，该操作将作者名字列出来
private static void test05(List<Author> authors) {authors.stream().map(new Function<Author, String>() {@Override// 匿名内部类的apply方法，将传入的author进行需要的结果返回public String apply(Author author) {return author.getName();}}).forEach(s -> System.out.println(s));
}
（2）进行计算，该操作将作者年龄分别+10
authors.stream().map(author -> author.getAge()).map(new Function<Integer, Integer>() {@Overridepublic Integer apply(Integer age) {return age + 10;}}).forEach(s -> System.out.println(s));
第一个map是获取作者的年龄，然后第二个map则将年龄转换为年龄，只是经过了+10计算，我们打断点看看
流经过第一个map后转换为了Integer
经过第二个map后将第一个Integer进行+10计算，类型不变
- distinct 将元素进行去重操作
注意：distinct 依赖Object 的equals方法来判断对象是否相同，对象要重写equals方法。
authors.stream().distinct().forEach(author -> { System.out.println(author.getName()); });
该操作直接通过distinct去重
当然也可以使用前面的map提取出名字，再去重，比上面的麻烦些
authors.stream().distinct().map(new Function<Author, String>() {@Overridepublic String apply(Author author) {return author.getName();}}).forEach(name -> { System.out.println(name); });// 一样
authors.stream().distinct().map(author -> author.getName()).forEach(name -> { System.out.println(name); });
该操作先使用map将Author对象转换为姓名的String，然后在去重
- flatMap
上面的Map是把一个对象转换成另一个对象作为流中的元素，而flatMap是把一个对象转换为多个对象作为流中的元素
使用的函数式接口是：new Function<T, R>，将一个对象转换成Stream对象
（1）打印所有书籍的名字，要求对重复的元素进行去重。
authors.stream().flatMap(new Function<Author, Stream<Book>>() {// 这里可以通过idea进行lambda转换，为了清晰就不转了@Overridepublic Stream<Book> apply(Author author) {return author.getBooks().stream();}}).distinct().forEach(name -> { System.out.println(name); });
如果使用Map，将作者对象提取出书籍对象，还需要再对书籍对象List进行遍历去重，比较麻烦。
首先使用flatMap将每个作者对象中的书籍对象流提取出来，然后直接在书籍对象流中进行去重，输出书籍名称。
（2）打印现有数据的所有分类，要求对分类进行去重，不能出现这种格式：哲学，爱情，需要转成两个分类
authors.stream().flatMap(author -> author.getBooks().stream()).distinct()// 将分类进行分割成数组后，转成流进行去重.flatMap(book -> Arrays.stream(book.getCategory().split("，"))).distinct().forEach(category -> System.out.println(category));
第一次使用flatmap将作者对象转换成多个书籍对象流
第二次使用flatmap将书籍对象的分类转换成多个分类流
终结操作
- forEach 对流中元素进行遍历操作
- count 获取当前流中元素的个数
（1）打印这些作家所出书籍的数目，注意删除重复元素
因为count属于终结操作，会有返回值
long count = authors.stream().flatMap(author -> author.getBooks().stream()).distinct().count();
System.out.println("书籍count = " + count);
使用flatMap获取每个书籍对象，去重计算
- min和max 求流中的最值
（1）获取这些作家的所出书籍的最高分和最低分
Optional<Integer> max = authors.stream().flatMap(author -> author.getBooks().stream()).map(book -> book.getScore()).max(new Comparator<Integer>() {@Overridepublic int compare(Integer score1, Integer score2) {return score1 - score2;}});
System.out.println("书籍评分max = " + max.get());Optional<Integer> min = authors.stream().flatMap(author -> author.getBooks().stream()).map(book -> book.getScore()).min(new Comparator<Integer>() {@Overridepublic int compare(Integer score1, Integer score2) {return score1 - score2;}});
System.out.println("书籍评分min = " + min .get());
先使用flatMap将作者对象转换成多个书籍对象流，然后用map获取书籍对象中的评分对象，进行max和min计算
- collect 把当前流转换成一个集合
（1）获取一个存放所有作者名字的List集合
List<String> list = authors.stream().map(author -> author.getName()).distinct().collect(Collectors.toList());System.out.println("list = " + list);
（2）获取一个所有书名的set集合
Set<String> set = authors.stream().flatMap(author -> author.getBooks().stream()).map(book -> book.getName()).collect(Collectors.toSet());System.out.println("set = " + set);
（3）获取一个map集合，key为作者名，value为List
Map<String, List<Book>> map = authors.stream()// 去重避免key重复.distinct().collect(Collectors.toMap(new Function<Author, String>() {@Override // 这里的匿名内部类将传入作者对象，获取作者名作为keypublic String apply(Author author) { return author.getName(); }}, new Function<Author, List<Book>>() {@Override // 这里的匿名内部类将传入作者对象，获取书籍list作为valuepublic List<Book> apply(Author author) { return author.getBooks(); }}));System.out.println("map = " + map);
简化lambda表达式
Map<String, List<Book>> map = authors.stream()// 去重避免key重复.distinct().collect(Collectors.toMap(author -> author.getName(), author -> author.getBooks()));System.out.println("map = " + map);
- anyMatch 判断流中是否有任意符合匹配条件的元素，符合返回true
boolean b = authors.stream().anyMatch(author -> author.getAge() > 29);System.out.println("b = " + b);
判断是否有年龄在29以上的作家
- allMatch 判断流中元素是否都符合条件，都符合为true，否则为false
boolean b = authors.stream().allMatch(author -> author.getAge() >= 18);
System.out.println("b = " + b);
判断是否所有作家都是成年人
- noneMatch 判断流中元素是否都不符合条件，是为true，否为false
boolean b = authors.stream().noneMatch(author -> author.getAge() > 100);
System.out.println("b = " + b);
判断作家是否都没有超过100岁的
- findAny 获取流中符合条件的任意一个元素，不保证为流中的第一个元素
Optional<Author> au = authors.stream().filter(author -> author.getAge() > 18).findAny();System.out.println("名字：" + au.get().getName());
这里用的get方法获取数据，但是可能出现找不到符合条件的数据，这时候get就会报错，如：
所以改成：
Optional<Author> au = authors.stream().filter(author -> author.getAge() > 98).findAny();au.ifPresent(author -> System.out.println(author.getName()));
获取任意一个大于18的作家，输出名字
- findFirst 获取流中的第一个元素
Optional<Author> author = authors.stream().sorted((o1, o2) -> o1.getAge() - o2.getAge()).findFirst();author.ifPresent(author1 -> System.out.println(author1.getName()));
获取年龄最小的作家，输出名字
- reduce归并 对流中的数据按照指定的计算方式计算出一个结果（缩减操作）
把stream中的元素组合起来，传入初始化值，按照指定的计算方式和元素进行计算，计算结果再和下一个元素进行计算，依次计算完
reduce有三种重载方式
- 2个参数的
T reduce(T identity, BinaryOperator accumulator);
T result = identity;
for (T element : this stream) {result = accumulator.apply(result, element)
}
return result;
传入初始化值作为第一个参数identity，传入计算方法accumulator.apply 进行初始化值和元素的计算
例子：
（1）使用reduce对作者年龄进行求和
Integer result = authors.stream().distinct().map(author -> author.getAge())// 传入初识值和计算方法.reduce(0, new BinaryOperator<Integer>() {@Overridepublic Integer apply(Integer result, Integer element) {return result + element;}});System.out.println("result = " + result);
lambda写
Integer result = authors.stream().distinct().map(author -> author.getAge())// 传入初识值和计算方法.reduce(0, (result1, element) -> result1 + element);System.out.println("result = " + result);
（2）使用reduce求所有作者年龄最大值
Integer max = authors.stream().distinct().map(author -> author.getAge()).reduce(Integer.MIN_VALUE, new BinaryOperator<Integer>() {@Overridepublic Integer apply(Integer result, Integer element) {return result > element ? result : element;}});
System.out.println("max = " + max);
（3）使用reduce求所有作者年龄最小值
Integer min = authors.stream().distinct().map(author -> author.getAge()).reduce(Integer.MAX_VALUE, new BinaryOperator<Integer>() {@Overridepublic Integer apply(Integer result, Integer element) {return result > element ? element : result;}});System.out.println("min = " + min);
- 1个参数的
Optional reduce(BinaryOperator accumulator);
boolean foundAny = false;
T result = null;
for (T element : this stream) {if (!foundAny) {foundAny = true;result = element;} else {result = accumulator.apply(result, element);}
}return foundAny ? Optional.of(result) : Optional.empty();
该方法只传入了一个计算方式，根据实现方法，可以看到将流中的第一个元素作为了第一个元素result，然后后续进行else内部的计算
例如：
Optional<Integer> optional = authors.stream().distinct().map(author -> author.getAge())// 直接传入计算方法.reduce((result, element) -> result > element ? element : result);optional.ifPresent(integer -> System.out.println(integer));
![[Bug解决] Invalid bound statement (not found)出现原因和解决方法](https://img-blog.csdnimg.cn/img_convert/977efe88ed87c280ee516a6d907617b9.png)
![[OpenAI]继ChatGPT后发布的Sora模型解析与体验通道](https://img-blog.csdnimg.cn/direct/6f21b60b46e84e9aaec5932e802046ae.jpeg)
