JDK8流的使用

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211

​流的作用，将原先命令式的编程思想转换成声明式编程，是编程思想的改变，应尽快学习利用。 流是从支持数据处理操作的源生成的元素序列，源可以是数组、文件、集合、函数。流不是集合元素，它不是数据结构并不保存数据，它的主要目的在于计算。涉及到以上四种，都可以试着用流处理。 流的作用：中间操作和终端操作 中间操作：包括筛选、排序、去重、限定输出个数、调过流中元素、map映射流（所谓流映射就是将接受的元素映射成另外一个元素。）、元素匹配等。 终端操作：统计元素个数、查找、reduce、获取流中的最大值和最小值 、求和、求平均值、元素遍历、返回集合、通过joining拼接流中的元素、通过groupingBy进行分组、通过partitioningBy进行分区。     一、生成流的5种方式 1.1 通过集合生成       通过集合生成，应用中最常用的一种。   List<String> integerList = Arrays.asList(1, 2, 3, 4, 5); Stream<Integer> stream = integerList.stream(); 1.2 通过数组生成 int[] intArr = new int[]{1, 2, 3, 4, 5}; IntStream stream = Arrays.stream(intArr); 通过Arrays.stream方法生成流，并且该方法生成的流是数值流【即IntStream】而不是Stream<Integer>。补充一点：使用数值流可以避免计算过程中拆箱装箱，提高性能。Stream API提供了mapToInt、mapToDouble、mapToLong三种方式将对象流【即Stream<T>】转换成对应的数值流，同时提供了boxed方法将数值流转换为对象流。 1.3 通过值生成 Stream<Integer> stream = Stream.of(1, 2, 3, 4, 5); Stream<String> s = Stream.of("abcd".split("")); 通过Stream的of方法生成流，通过Stream的empty方法可以生成一个空流     1.4 通过文件生成 Stream<String> lines = Files.lines(Paths.get("data.txt"), Charset.defaultCharset()) 通过Files.line方法得到一个流，并且得到的每个流是给定文件中的一行。     1.5 通过iterate和generate生成 // iterator Stream<Integer> stream = Stream.iterate(0, n->n + 2).limit(5); iterate方法接受两个参数，第一个为初始化值，第二个为进行的函数操作，因为iterator生成的流为无限流，通过limit方法对流进行了截断，只生成5个偶数。 Stream<Double> stream = Stream.generate(Math::random).limit(5); generate方法接受一个参数，方法参数类型为Supplier<T>，由它为流提供值。generate生成的流也是无限流，因此通过limit对流进行了截断。       二、流的操作类型     流的操作类型分为两种：   1、中间操作：一个流可以后面跟随零个或多个中间操作。其目的主要是打开流，做出某种程度的数据映射/过滤，然后返回一个新的流，交给下一个操作使用。这类操作都是堕性化的，仅仅调用到这类方法，并没有真正开始流的遍历，真正的遍历需要等到终端操作。常见的中间操作有filter、map等。   2、终端操作：一个流有且只有一个终端操作，当这个操作执行后，流就被关闭了，无法再被操作。因此一个流只能被遍历一次，若想再遍历需要通过源数据再生成流。终端操作的执行，才会真正开始流的遍历。如count、collect等。   三、流使用方法 3.1 中间操作 filter筛选 List<Integer> integerList = Arrays.asList(1, 1, 2, 3, 4, 5); Stream<Integer> stream = integerList.stream().filter(i -> i > 3); 通过使用filter方法进行条件筛选，filter的方法参数为一个谓词（函数描述符T->boolean），返回类型为Stream<T>。   sorted排序   List<String> lowCaloricDishesName = menu.parallelStream()   .filter(d -> d.getCalories() < 400)   .sorted(comparing(Dishes::getCalories))   .map(Dish::getName)   .collect(toList());   distinct去除重复元素   List<Integer> integerList = Arrays.asList(1, 1, 2, 3, 4, 5); Stream<Integer> stream = integerList.stream().distinct();   通过distinct方法快速去除重复的元素。   limit返回指定流的个数 List<Integer> integerList = Arrays.asList(1, 1, 2, 3, 4, 5); Stream<Integer> stream = integerList.stream().limit(3); 通过limit方法指定返回流的个数，limit的参数值必须>=0，否则将会抛出IllegalArgumentException异常。     skip跳过流中元素 List<Integer> integerList = Arrays.asList(1, 1, 2, 3, 4, 5); Stream<Integer> stream = integerList.stream().skip(2); 通过skip方法跳过流中的元素，上述例子跳过前两个元素，所以打印结果为2,3,4,5，skip的参数值必须>=0，否则将会抛出异常。     map流映射 所谓流映射就是将接受的元素映射成另外一个元素。别忘了'map'做动词时的含义。 List<String> stringList = Arrays.asList("Java 8", "Lambdas",  "In", "Action"); Stream<Integer> stream = stringList.stream().map(String::length); 通过map方法可以完成映射，该例子完成中String -> Integer的映射，之前上面的例子通过map方法完成了Dish->String的映射。       flatMap流转换 将一个流中的每个值都转换为另一个流。     List<String> wordList = Arrays.asList("Hello", "World"); List<String> strList = wordList.stream()       .map(w -> w.split(""))       .flatMap(Arrays::stream)       .distinct()       .collect(Collectors.toList()); map(w -> w.split(" "))的返回值为Stream<String[]>，我们想获取Stream<String>，可以通过flatMap方法完成Stream<String[]> ->Stream<String>的转换。     元素匹配 三种匹配方式：allMatch匹配所有、anyMatch匹配其中一个、noneMatch全部不匹配。     // allMatch List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5); if (integerList.stream().allMatch(i -> i > 3)) {    System.out.println("值都大于3"); } // anyMatch List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5); if (integerList.stream().anyMatch(i -> i > 3)) {    System.out.println("存在大于3的值"); }​// 等同于 for (Integer i : integerList) {    if (i > 3) {        System.out.println("存在大于3的值");        break;   } } List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5); if (integerList.stream().noneMatch(i -> i > 3)) {    System.out.println("值都小于3"); } 3.2 终端操作 统计流中元素个数 通过count：   List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5); Long result = integerList.stream().count();       通过使用counting()：     List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5); Long result = integerList.stream().collect(counting()); 查找 两种查找方式：findFirst查找第一个   List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5); Optional<Integer> result = integerList.stream().filter(i -> i > 3).findFirst(); // 使用Optional findAny随机查找一个：     List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5); Optional<Integer> result = integerList.stream().filter(i -> i > 3).findAny(); // 使用Optional 通过findAny方法查找到其中一个大于三的元素并打印，因为内部进行优化的原因，当找到第一个满足大于三的元素时就结束，该方法结果和findFirst方法结果一样。提供findAny方法是为了更好的利用并行流，findFirst方法在并行上限制更多。 reduce组合流中元素 Java8之前对集合中的元素求和：     int sum = 0; for (int i : integerList) { sum += i; } Java8中使用reduce来处理：     int sum = integerList.stream().reduce(0, (a, b) -> (a + b)); 或者使用方法引用：     int sum = integerList.stream().reduce(0, Integer::sum); reduce接受两个参数，一个初始值这里是0，一个BinaryOperator<T> accumulator 来将两个元素结合起来产生一个新值， 另外reduce方法还有一个没有初始化值的重载方法。     获取流中最大值最小值 使用min/max：   Optional<Integer> min = menu.stream().map(Dish::getCalories).min(Integer::compareTo); Optional<Integer> max = menu.stream().map(Dish::getCalories).max(Integer::compareTo); 也可以写成：     OptionalInt min = menu.stream().mapToInt(Dish::getCalories).min(); OptionalInt max = menu.stream().mapToInt(Dish::getCalories).max(); min获取流中最小值，max获取流中最大值，方法参数为Comparator<? super T> comparator。   使用minBy/maxBy：   Optional<Integer> min = menu.stream().map(Dish::getCalories).collect(minBy(Integer::compareTo)); Optional<Integer> max = menu.stream().map(Dish::getCalories).collect(maxBy(Integer::compareTo)); minBy获取流中最小值，maxBy获取流中最大值，方法参数为Comparator<? super T>。   通过reduce获取最大值最小值：   Optional<Integer> min = menu.stream().map(Dish::getCalories).reduce(Integer::min); Optional<Integer> max = menu.stream().map(Dish::getCalories).reduce(Integer::max); 求和 通过summingInt：   int sum = menu.stream().collect(summingInt(Dish::getCalories)); 如果数据类型为double、long，则通过summingDouble、summingLong方法进行求和。   通过reduce：   int sum = menu.stream().map(Dish::getCalories).reduce(0, Integer::sum); 通过sum：     int sum = menu.stream().mapToInt(Dish::getCalories).sum(); 在上面求和、求最大值、最小值的时候，对于相同操作有不同的方法可以选择执行。可以选择collect、reduce、min/max/sum方法，推荐使用min、max、sum方法。因为它们最简洁易读，同时通过mapToInt将对象流转换为数值流，避免了装箱和拆箱操作。   averagingInt求平均值 double average = menu.stream().collect(averagingInt(Dish::getCalories)); 如果数据类型为double、long，则通过averagingDouble、averagingLong方法进行求平均。   通过summarizingInt同时求总和、平均值、最大值、最小值：   IntSummaryStatistics intSummaryStatistics = menu.stream().collect(summarizingInt(Dish::getCalories)); double average = intSummaryStatistics.getAverage();  //获取平均值 int min = intSummaryStatistics.getMin();  //获取最小值 int max = intSummaryStatistics.getMax();  //获取最大值 long sum = intSummaryStatistics.getSum();  //获取总和 如果数据类型为double、long，则通过summarizingDouble、summarizingLong方法。     foreach元素遍历 List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5); integerList.stream().forEach(System.out::println); 返回集合 List<String> strings = menu.stream().map(Dish::getName).collect(toList()); Set<String> sets = menu.stream().map(Dish::getName).collect(toSet()); java8之前：     List<String> stringList = new ArrayList<>();    Set<String> stringSet = new HashSet<>();    for (Dish dish : menu) {        stringList.add(dish.getName());        stringSet.add(dish.getName()); } 通过遍历和返回集合的使用发现流只是把原来的外部迭代放到了内部进行，这也是流的主要特点之一。内部迭代可以减少好多代码量。     通过joining拼接流中的元素 String result = menu.stream().map(Dish::getName).collect(Collectors.joining(", ")); 默认如果不通过map方法进行映射处理拼接的toString方法返回的字符串，joining的方法参数为元素的分界符，如果不指定生成的字符串将是一串的，可读性不强。   通过groupingBy进行分组 Map<Type, List<Dish>> result = dishList.stream().collect(groupingBy(Dish::getType)); 在collect方法中传入groupingBy进行分组，其中groupingBy的方法参数为分类函数。还可以通过嵌套使用groupingBy进行多级分类：     Map<Type, List<Dish>> result = menu.stream().collect(groupingBy(Dish::getType,        groupingBy(dish -> {            if (dish.getCalories() <= 400) return CaloricLevel.DIET;                else if (dish.getCalories() <= 700) return CaloricLevel.NORMAL;                else return CaloricLevel.FAT;       }))); 通过partitioningBy进行分区 Map<Boolean, List<Dish>> result = menu.stream().collect(partitioningBy(Dish :: isVegetarian)) 分区是特殊的分组，它分类依据是true和false，所以返回的结果最多可以分为两组。   等同于：   Map<Boolean, List<Dish>> result = menu.stream().collect(groupingBy(Dish :: isVegetarian)) 这个例子可能并不能看出分区和分类的区别，甚至觉得分区根本没有必要，换个明显一点的例子：     List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5); Map<Boolean, List<Integer>> result = integerList.stream().collect(partitioningBy(i -> i < 3)); 返回值的键仍然是布尔类型，但是它的分类是根据范围进行分类的，分区比较适合处理根据范围进行分类。     总结 通过使用Stream API可以简化代码，同时提高了代码可读性，赶紧在项目里用起来。   只是想提一点，用stream在处理集合的时候，如果你只是想着把以前的for循环改为stream里的forEach，那你还不如不用stream。   你得从思想上该改变，一个是命令式编程，一个是声明式编程（可能更进一步说是函数式编程）。

　　

​流的作用，将原先命令式的编程思想转换成声明式编程，是编程思想的改变，应尽快学习利用。

流是从支持数据处理操作的源生成的元素序列，源可以是数组、文件、集合、函数。流不是集合元素，它不是数据结构并不保存数据，它的主要目的在于计算。涉及到以上四种，都可以试着用流处理。

流的作用：中间操作和终端操作

中间操作：包括筛选、排序、去重、限定输出个数、调过流中元素、map映射流（所谓流映射就是将接受的元素映射成另外一个元素。）、元素匹配等。

终端操作：统计元素个数、查找、reduce、获取流中的最大值和最小值 、求和、求平均值、元素遍历、返回集合、通过joining拼接流中的元素、通过groupingBy进行分组、通过partitioningBy进行分区。

一、生成流的5种方式

 

 

1.1 通过集合生成

通过集合生成，应用中最常用的一种。

List<String> integerList = Arrays.asList(1, 2, 3, 4, 5); Stream<Integer> stream = integerList.stream();

1.2 通过数组生成

int[] intArr = new int[]{1, 2, 3, 4, 5}; IntStream stream = Arrays.stream(intArr);

通过Arrays.stream方法生成流，并且该方法生成的流是数值流【即IntStream】而不是Stream<Integer>。补充一点：使用数值流可以避免计算过程中拆箱装箱，提高性能。Stream API提供了mapToInt、mapToDouble、mapToLong三种方式将对象流【即Stream<T>】转换成对应的数值流，同时提供了boxed方法将数值流转换为对象流。

1.3 通过值生成

Stream<Integer> stream = Stream.of(1, 2, 3, 4, 5); Stream<String> s = Stream.of("abcd".split(""));

通过Stream的of方法生成流，通过Stream的empty方法可以生成一个空流

 

 

1.4 通过文件生成

Stream<String> lines = Files.lines(Paths.get("data.txt"), Charset.defaultCharset())

通过Files.line方法得到一个流，并且得到的每个流是给定文件中的一行。

 

 

1.5 通过iterate和generate生成

// iterator Stream<Integer> stream = Stream.iterate(0, n->n + 2).limit(5);

iterate方法接受两个参数，第一个为初始化值，第二个为进行的函数操作，因为iterator生成的流为无限流，通过limit方法对流进行了截断，只生成5个偶数。

Stream<Double> stream = Stream.generate(Math::random).limit(5);

generate方法接受一个参数，方法参数类型为Supplier<T>，由它为流提供值。generate生成的流也是无限流，因此通过limit对流进行了截断。

 

二、流的操作类型

 

 

流的操作类型分为两种：

1、中间操作：一个流可以后面跟随零个或多个中间操作。其目的主要是打开流，做出某种程度的数据映射/过滤，然后返回一个新的流，交给下一个操作使用。这类操作都是堕性化的，仅仅调用到这类方法，并没有真正开始流的遍历，真正的遍历需要等到终端操作。常见的中间操作有filter、map等。

2、终端操作：一个流有且只有一个终端操作，当这个操作执行后，流就被关闭了，无法再被操作。因此一个流只能被遍历一次，若想再遍历需要通过源数据再生成流。终端操作的执行，才会真正开始流的遍历。如count、collect等。

三、流使用方法

3.1 中间操作

filter筛选

List<Integer> integerList = Arrays.asList(1, 1, 2, 3, 4, 5); Stream<Integer> stream = integerList.stream().filter(i -> i > 3);

通过使用filter方法进行条件筛选，filter的方法参数为一个谓词（函数描述符T->boolean），返回类型为Stream<T>。

sorted排序

List<String> lowCaloricDishesName = menu.parallelStream()   .filter(d -> d.getCalories() < 400)   .sorted(comparing(Dishes::getCalories))   .map(Dish::getName)   .collect(toList());

distinct去除重复元素

List<Integer> integerList = Arrays.asList(1, 1, 2, 3, 4, 5); Stream<Integer> stream = integerList.stream().distinct();

通过distinct方法快速去除重复的元素。

limit返回指定流的个数

List<Integer> integerList = Arrays.asList(1, 1, 2, 3, 4, 5); Stream<Integer> stream = integerList.stream().limit(3);

通过limit方法指定返回流的个数，limit的参数值必须>=0，否则将会抛出IllegalArgumentException异常。

 

 

skip跳过流中元素

List<Integer> integerList = Arrays.asList(1, 1, 2, 3, 4, 5); Stream<Integer> stream = integerList.stream().skip(2);

通过skip方法跳过流中的元素，上述例子跳过前两个元素，所以打印结果为2,3,4,5，skip的参数值必须>=0，否则将会抛出异常。

 

 

map流映射

所谓流映射就是将接受的元素映射成另外一个元素。别忘了'map'做动词时的含义。

 

 

List<String> stringList = Arrays.asList("Java 8", "Lambdas",  "In", "Action"); Stream<Integer> stream = stringList.stream().map(String::length);

通过map方法可以完成映射，该例子完成中String -> Integer的映射，之前上面的例子通过map方法完成了Dish->String的映射。

 

 

flatMap流转换

将一个流中的每个值都转换为另一个流。

 

 

List<String> wordList = Arrays.asList("Hello", "World"); List<String> strList = wordList.stream()       .map(w -> w.split(""))       .flatMap(Arrays::stream)       .distinct()       .collect(Collectors.toList());

map(w -> w.split(" "))的返回值为Stream<String[]>，我们想获取Stream<String>，可以通过flatMap方法完成Stream<String[]> ->Stream<String>的转换。

 

 

元素匹配

三种匹配方式：allMatch匹配所有、anyMatch匹配其中一个、noneMatch全部不匹配。

 

 

// allMatch List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5); if (integerList.stream().allMatch(i -> i > 3)) {    System.out.println("值都大于3"); }

// anyMatch List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5); if (integerList.stream().anyMatch(i -> i > 3)) {    System.out.println("存在大于3的值"); }​// 等同于 for (Integer i : integerList) {    if (i > 3) {        System.out.println("存在大于3的值");        break;   } }

List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5); if (integerList.stream().noneMatch(i -> i > 3)) {    System.out.println("值都小于3"); }

3.2 终端操作

统计流中元素个数

通过count：

List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5); Long result = integerList.stream().count();

 

通过使用counting()：

List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5); Long result = integerList.stream().collect(counting());

查找

两种查找方式：findFirst查找第一个

List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5); Optional<Integer> result = integerList.stream().filter(i -> i > 3).findFirst(); // 使用Optional

findAny随机查找一个：

 

 

List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5); Optional<Integer> result = integerList.stream().filter(i -> i > 3).findAny(); // 使用Optional

通过findAny方法查找到其中一个大于三的元素并打印，因为内部进行优化的原因，当找到第一个满足大于三的元素时就结束，该方法结果和findFirst方法结果一样。提供findAny方法是为了更好的利用并行流，findFirst方法在并行上限制更多。

reduce组合流中元素

Java8之前对集合中的元素求和：

 

 

int sum = 0; for (int i : integerList) { sum += i; }

Java8中使用reduce来处理：

 

 

int sum = integerList.stream().reduce(0, (a, b) -> (a + b));

或者使用方法引用：

 

 

int sum = integerList.stream().reduce(0, Integer::sum);

reduce接受两个参数，一个初始值这里是0，一个BinaryOperator<T> accumulator 来将两个元素结合起来产生一个新值， 另外reduce方法还有一个没有初始化值的重载方法。

 

 

获取流中最大值最小值

使用min/max：

Optional<Integer> min = menu.stream().map(Dish::getCalories).min(Integer::compareTo); Optional<Integer> max = menu.stream().map(Dish::getCalories).max(Integer::compareTo);

也可以写成：

 

 

OptionalInt min = menu.stream().mapToInt(Dish::getCalories).min(); OptionalInt max = menu.stream().mapToInt(Dish::getCalories).max();

min获取流中最小值，max获取流中最大值，方法参数为Comparator<? super T> comparator。

使用minBy/maxBy：

Optional<Integer> min = menu.stream().map(Dish::getCalories).collect(minBy(Integer::compareTo)); Optional<Integer> max = menu.stream().map(Dish::getCalories).collect(maxBy(Integer::compareTo));

minBy获取流中最小值，maxBy获取流中最大值，方法参数为Comparator<? super T>。

通过reduce获取最大值最小值：

Optional<Integer> min = menu.stream().map(Dish::getCalories).reduce(Integer::min); Optional<Integer> max = menu.stream().map(Dish::getCalories).reduce(Integer::max);

求和

通过summingInt：

int sum = menu.stream().collect(summingInt(Dish::getCalories));

如果数据类型为double、long，则通过summingDouble、summingLong方法进行求和。

通过reduce：

int sum = menu.stream().map(Dish::getCalories).reduce(0, Integer::sum);

通过sum：

 

 

int sum = menu.stream().mapToInt(Dish::getCalories).sum();

在上面求和、求最大值、最小值的时候，对于相同操作有不同的方法可以选择执行。可以选择collect、reduce、min/max/sum方法，推荐使用min、max、sum方法。因为它们最简洁易读，同时通过mapToInt将对象流转换为数值流，避免了装箱和拆箱操作。

averagingInt求平均值

double average = menu.stream().collect(averagingInt(Dish::getCalories));

如果数据类型为double、long，则通过averagingDouble、averagingLong方法进行求平均。

通过summarizingInt同时求总和、平均值、最大值、最小值：

IntSummaryStatistics intSummaryStatistics = menu.stream().collect(summarizingInt(Dish::getCalories)); double average = intSummaryStatistics.getAverage();  //获取平均值 int min = intSummaryStatistics.getMin();  //获取最小值 int max = intSummaryStatistics.getMax();  //获取最大值 long sum = intSummaryStatistics.getSum();  //获取总和

如果数据类型为double、long，则通过summarizingDouble、summarizingLong方法。

 

 

foreach元素遍历

List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5); integerList.stream().forEach(System.out::println);

返回集合

List<String> strings = menu.stream().map(Dish::getName).collect(toList()); Set<String> sets = menu.stream().map(Dish::getName).collect(toSet());

java8之前：

 

 

List<String> stringList = new ArrayList<>();    Set<String> stringSet = new HashSet<>();    for (Dish dish : menu) {        stringList.add(dish.getName());        stringSet.add(dish.getName()); }

通过遍历和返回集合的使用发现流只是把原来的外部迭代放到了内部进行，这也是流的主要特点之一。内部迭代可以减少好多代码量。

 

 

通过joining拼接流中的元素

String result = menu.stream().map(Dish::getName).collect(Collectors.joining(", "));

默认如果不通过map方法进行映射处理拼接的toString方法返回的字符串，joining的方法参数为元素的分界符，如果不指定生成的字符串将是一串的，可读性不强。

通过groupingBy进行分组

Map<Type, List<Dish>> result = dishList.stream().collect(groupingBy(Dish::getType));

在collect方法中传入groupingBy进行分组，其中groupingBy的方法参数为分类函数。还可以通过嵌套使用groupingBy进行多级分类：

 

 

Map<Type, List<Dish>> result = menu.stream().collect(groupingBy(Dish::getType,        groupingBy(dish -> {            if (dish.getCalories() <= 400) return CaloricLevel.DIET;                else if (dish.getCalories() <= 700) return CaloricLevel.NORMAL;                else return CaloricLevel.FAT;       })));

通过partitioningBy进行分区

Map<Boolean, List<Dish>> result = menu.stream().collect(partitioningBy(Dish :: isVegetarian))

分区是特殊的分组，它分类依据是true和false，所以返回的结果最多可以分为两组。

等同于：

Map<Boolean, List<Dish>> result = menu.stream().collect(groupingBy(Dish :: isVegetarian))

这个例子可能并不能看出分区和分类的区别，甚至觉得分区根本没有必要，换个明显一点的例子：

List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5); Map<Boolean, List<Integer>> result = integerList.stream().collect(partitioningBy(i -> i < 3));

返回值的键仍然是布尔类型，但是它的分类是根据范围进行分类的，分区比较适合处理根据范围进行分类。

 

 

总结

通过使用Stream API可以简化代码，同时提高了代码可读性，赶紧在项目里用起来。

只是想提一点，用stream在处理集合的时候，如果你只是想着把以前的for循环改为stream里的forEach，那你还不如不用stream。

你得从思想上该改变，一个是命令式编程，一个是声明式编程（可能更进一步说是函数式编程）。