先贴上几个案例，水平高超的同学可以挑战一下：

1. 从员工集合中筛选出salary大于8000的员工，并放置到新的集合里。

2. 统计员工的最高薪资、平均薪资、薪资之和。

3. 将员工按薪资从高到低排序，同样薪资者年龄小者在前。

4. 将员工按性别分类，将员工按性别和地区分类，将员工按薪资是否高于8000分为两部分。

用传统的迭代处理也不是很难，但代码就显得冗余了，跟Stream相比高下立判。Java 8 是一个非常成功的版本，这个版本新增的 Stream ，配合同版本出现的  Lambda  ，给我们操作集合（Collection）提供了极大的便利。

更多 Java实战教程可以关注微信公众号「Java后端」，搜索 Java 关键字即可。

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：

1. 中间操作，每次返回一个新的流，可以有多个。

2. 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。

另外， Stream 有几个特性：

1. stream不存储数据，而是按照特定的规则对数据进行计算，一般会输出结果。

2. stream不会改变数据源，通常情况下会产生一个新的集合或一个值。

3. stream具有延迟执行特性，只有调用终端操作时，中间操作才会执行。

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

Stream<String> stream =  list .stream();

// 创建一个并行流

list

.parallelStream();

2、使用 java.util.Arrays.stream(T[] array) 方法用数组创建流

int []  array ={ 1 , 3 , 5 , 6 , 8 };

array

);

3、使用 Stream 的静态方法： of()、iterate()、generate()

Stream<Integer> stream = Stream.of( 1 ,  2 ,  3 ,  4 ,  5 ,  6 );

Stream<Integer> stream2 = Stream.iterate( 0 , (x) -> x +  3 ).limit( 4 );

stream2. forEach (System.out::println);

Stream<Double> stream3 = Stream.generate(Math::random).limit( 3 );

forEach

(System.out::println);

输出结果：

0 3 6 9

0.6796156909271994

0.1914314208854283

0.8116932592396652

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：

Optional<Integer> findFirst =  list .stream().parallel().filter(x->x> 6 ).findFirst();

在使用stream之前，先理解一个概念： Optional  。

Optional 类是一个可以为 null 的容器对象。如果值存在则 isPresent() 方***返回 true ，调用 get()

方***返回该对象。

更详细说明请见：菜鸟教程Java 8 Optional类

接下来，大批代码向你袭来！我将用20个案例将Stream的使用整得明明白白，只要跟着敲一遍代码，就能很好地掌握。

案例使用的员工类

这是后面案例中使用的员工类：

List<Person> personList =  new ArrayList<Person>();

personList. add ( new Person( "Tom" ,  8900 ,  "male" ,  "New York" ));

personList. add ( new Person( "Jack" ,  7000 ,  "male" ,  "Washington" ));

personList. add ( new Person( "Lily" ,  7800 ,  "female" ,  "Washington" ));

personList. add ( new Person( "Anni" ,  8200 ,  "female" ,  "New York" ));

personList. add ( new Person( "Owen" ,  9500 ,  "male" ,  "New York" ));

personList. add ( new Person( "Alisa" ,  7900 ,  "female" ,  "New York" ));

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

}

3.1 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。

// import已省略，请自行添加，后面代码亦是

public class   StreamTest   {

public static void main(String[] args) {

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);

}

}

3.2 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。

案例一：筛选出 Integer 集合中大于7的元素，并打印出来

public class   StreamTest   {

public static void main(String[] args) {

List <Integer>  list = Arrays.asList( 6 ,  7 ,  3 ,  8 ,  1 ,  2 ,  9 );

Stream<Integer> stream =  list .stream();

stream.filter(x -> x >  7 ). forEach (System.out::println);

}

}

预期结果：

8 9

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。

public class   StreamTest   {

public static void main(String[] args) {

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" ));

List <String> fiterList = personList.stream().filter(x -> x.getSalary() >  8000 ).map(Person::getName)

.collect(Collectors.toList());

System.out. print ( "高于8000的员工姓名：" + fiterList);

}

}

运行结果：

高于8000的员工姓名：[Tom, Anni, Owen]

3.3 聚合（max/min/count)

max 、 min 、 count 这些字眼你一定不陌生，没错，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。

public class   StreamTest   {

public static void main(String[] args) {

List <String>  list = Arrays.asList( "adnm" ,  "admmt" ,  "pot" ,  "xbangd" ,  "weoujgsd" );

Optional<String> max =  list .stream().max(Comparator.comparing(String::length));

System.out.println( "最长的字符串：" + max.get());

}

}

输出结果：

最长的字符串：weoujgsd

案例二：获取 Integer 集合中的最大值。

public class   StreamTest  {

public static void main (String[] args) {

List<Integer>  list = Arrays.asList( 7 ,  6 ,  9 ,  4 ,  11 ,  6 );

// 自然排序

Optional<Integer> max =  list .stream().max(Integer::compareTo);

// 自定义排序

Optional<Integer> max2 =  list .stream().max( new Comparator<Integer>() {

@Override

public int compare(Integer o1, Integer o2) {

return o1.compareTo(o2);

}

});

System.out.println( "自然排序的最大值：" + max.get());

System.out.println( "自定义排序的最大值：" + max2.get());

}

}

输出结果：

自然排序的最大值：11

自定义排序的最大值：11

案例三：获取员工工资最高的人。

public class   StreamTest   {

public static void main(String[] args) {

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> max = personList.stream().max(Comparator.comparingInt(Person::getSalary));

System.out.println( "员工工资最大值：" + max.get().getSalary());

}

}

输出结果：

员工工资最大值：9500

案例四：计算 Integer 集合中大于6的元素的个数。

import java.util.Arrays;

import java.util.List;

public class   StreamTest  {

public static void main (String[] args) {

List<Integer>  list = Arrays.asList( 7 ,  6 ,  4 ,  8 ,  2 ,  11 ,  9 );

long count =  list .stream().filter(x -> x >  6 ).count();

System.out.println( "list中大于6的元素个数：" + count);

}

}

输出结果：

list中大于6的元素个数：4

3.4 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。

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。

public class   StreamTest   {

public static void main(String[] args) {

String[] strArr = {  "abcd" ,  "bcdd" ,  "defde" ,  "fTr" };

List <String> strList = Arrays.stream(strArr).map(String::toUpperCase).collect(Collectors.toList());

List <Integer> intList = Arrays.asList( 1 ,  3 ,  5 ,  7 ,  9 ,  11 );

List <Integer> intListNew = intList.stream().map(x -> x +  3 ).collect(Collectors.toList());

System.out.println( "每个元素大写：" + strList);

System.out.println( "每个元素+3：" + intListNew);

}

}

输出结果：

每个元素大写：[ABCD, BCDD, DEFDE, FTR]

每个元素+3：[4, 6, 8, 10, 12, 14]

案例二：将员工的薪资全部增加1000。

public class StreamTest {
  public static void main(String[] args) {
    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"));

    // 不改变原来员工集合的方式
    List<Person> personListNew = personList.stream().map(person -> {
      Person personNew = new Person(person.getName(), 0, 0, null, null);
      personNew.setSalary(person.getSalary() + 10000);
      return personNew;
    }).collect(Collectors.toList());
    System.out.println("一次改动前：" + personList.get(0).getName() + "-->" + personList.get(0).getSalary());
    System.out.println("一次改动后：" + personListNew.get(0).getName() + "-->" + personListNew.get(0).getSalary());

    // 改变原来员工集合的方式
    List<Person> personListNew2 = personList.stream().map(person -> {
      person.setSalary(person.getSalary() + 10000);
      return person;
    }).collect(Collectors.toList());
    System.out.println("二次改动前：" + personList.get(0).getName() + "-->" + personListNew.get(0).getSalary());
    System.out.println("二次改动后：" + personListNew2.get(0).getName() + "-->" + personListNew.get(0).getSalary());
  }
}

输出结果：

一次改动前：Tom–>8900

一次改动后：Tom–>18900

二次改动前：Tom–>18900

二次改动后：Tom–>18900

案例三：将两个字符数组合并成一个新的字符数组。

public class   StreamTest   {

public static void main(String[] args) {

List <String>  list = Arrays.asList( "m,k,l,a" ,  "1,3,5,7" );

List <String> listNew =  list .stream().flatMap(s -> {

// 将每个元素转换成一个stream

String[] split = s.split( "," );

Stream<String> s2 = Arrays.stream(split);

return s2;

}).collect(Collectors.toList());

System.out.println( "处理前的集合：" +  list );

System.out.println( "处理后的集合：" + listNew);

}

}

输出结果：

处理前的集合：[m-k-l-a, 1-3-5]

处理后的集合：[m, k, l, a, 1, 3, 5]

3.5 归约(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。

案例一：求 Integer 集合的元素之和、乘积和最大值。

public class   StreamTest   {

public static void main(String[] args) {

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);

}

}

输出结果：

list求和：29,29,29

list求积：2112

list求和：11,11

案例二：求所有员工的工资之和和最高工资。

public  class StreamTest {

public static void main(String[] args) {

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);

}

}

输出结果：

工资之和：49300,49300,49300

最高工资：9500,9500

3.6 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。

3.6.1 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 ：

public class   StreamTest  {

public static void main (String[] args) {

List<Integer>  list = Arrays.asList( 1 ,  6 ,  3 ,  4 ,  6 ,  7 ,  9 ,  6 ,  20 );

List<Integer> listNew =  list .stream().filter(x -> x %  2 ==  0 ).collect(Collectors.toList());

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" ));

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 );

}

}

运行结果：

toList：[6, 4, 6, 6, 20]

toSet：[4, 20, 6]

toMap：{Tom=mutest.Person@5fd0d5ae, Anni=mutest.Person@2d98a335}

3.6.2 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。

public class   StreamTest   {

public static void main(String[] args) {

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

Double average = personList.stream().collect(Collectors.averagingDouble(Person::getSalary));

// 求最高工资

Optional<Integer> max = personList.stream().map(Person::getSalary).collect(Collectors.maxBy(Integer::compare));

// 求工资之和

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：" + collect);

}

}

运行结果：

员工总数：3

员工平均工资：7900.0

员工工资总和：23700

员工工资所有统计：DoubleSummaryStatistics{count=3, sum=23700.000000,min=7000.000000, average=7900.000000, max=8900.000000}

3.6.3 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。

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

public class StreamTest {
  public static void main(String[] args) {
    List<Person> personList = new ArrayList<Person>();
    personList.add(new Person("Tom", 8900, "male", "New York"));
    personList.add(new Person("Jack", 7000, "male", "Washington"));
    personList.add(new Person("Lily", 7800, "female", "Washington"));
    personList.add(new Person("Anni", 8200, "female", "New York"));
    personList.add(new Person("Owen", 9500, "male", "New York"));
    personList.add(new Person("Alisa", 7900, "female", "New York"));

    // 将员工按薪资是否高于8000分组
        Map<Boolean, List<Person>> part = personList.stream().collect(Collectors.partitioningBy(x -> x.getSalary() > 8000));
        // 将员工按性别分组
        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
        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);
  }
}

输出结果：

员工按薪资是否大于 8000 分组情况：{ false =[mutest.Person@2d98a335, mutest.Person@16b98e56, mutest.Person@7ef20235],  true =[mutest.Person@27d6c5e0, mutest.Person@4f3f5b24, mutest.Person@15aeb7ab]}

员工按性别分组情况：{female=[mutest.Person@16b98e56, mutest.Person@4f3f5b24, mutest.Person@7ef20235], male=[mutest.Person@27d6c5e0, mutest.Person@2d98a335, mutest.Person@15aeb7ab]}

员工按性别、地区：{female={New York=[mutest.Person@4f3f5b24, mutest.Person@7ef20235], Washington=[mutest.Person@16b98e56]}, male={New York=[mutest.Person@27d6c5e0, mutest.Person@15aeb7ab], Washington=[mutest.Person@2d98a335]}}

3.6.4 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。

public class StreamTest {

public static void main ( String[] args )  {

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 );

}

}

运行结果：

所有员工的姓名：Tom,Jack,Lily

拼接后的字符串：A-B-C

3.6.5 归约(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。

public class   StreamTest   {

public static void main(String[] args) {

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());

}

}

运行结果：

员工扣税薪资总和：8700

员工薪资总和：23700

3.7 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

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

public class   StreamTest   {

public static void main(String[] args) {

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

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);

}

}

运行结果：

按工资升序排序：[Lily, Tom, Sherry, Jack, Alisa]

按工资降序排序：[Sherry, Jack, Alisa, Tom, Lily]

先按工资再按年龄升序排序：[Lily, Tom, Sherry, Jack, Alisa]

先按工资再按年龄自定义降序排序：[Alisa, Jack, Sherry, Tom, Lily]

3.8 提取/组合

流也可以进行合并、去重、限制、跳过等操作。

public class StreamTest {

public static void main( String [] args) {

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

List<Integer> collect = Stream.iterate( 1 , x -> x +  2 ).limit( 10 ).collect(Collectors.toList());

// skip：跳过前n个数据

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);

}

}

运行结果：

流合并：[a, b, c, d, e, f, g]

limit：[1, 3, 5, 7, 9, 11, 13, 15, 17, 19]

skip：[3, 5, 7, 9, 11]

好，以上就是全部内容，能坚持看到这里，你一定很有收获。