Java Stream函数式编程管道流结果处理

一、java stream管道数据处理操作

在本号之前写过的文章中，曾经给大家介绍过 java stream管道流是用于简化集合类元素处理的java api。在使用的过程中分为三个阶段。在开始本文之前，我觉得仍然需要给一些新朋友介绍一下这三个阶段，如图：

第一阶段(图中蓝色)：将集合、数组、或行文本文件转换为java stream管道流第二阶段(图中虚线部分)：管道流式数据处理操作，处理管存储卡错误道中的每一个元素。上一个管道中的输出元素作为下一个管道的输入元素。第三阶段(图中绿色)：管道流结果处理操作，也就是本文的将介绍的核心内容。

在开始学习之前，仍然有必要回顾一下我们之前给大家讲过的一个例子：

list<string> namestrs = arrays.aslist("monkey", "lion", "giraffe","lemur");list<string> list = namestrs.stream()        .filter(s -> s.startswith("l"))        .map(string::toupperca)        .sorted()        .collect(tolist());system.out.println(list);

首先使用stream()方法将字符串list转换为管道流stream然后进行管道数据处理操作，先用fliter函数过滤所有大写l开头的字符串，然后将管道中的字符串转换为大写字母toupperca，然后调用sorted方法排序。这些api的用法在本号之前的文章有介绍过。其中还使用到了lamb校园文化建设方案da表达式和函数引用。最后使用collect函数进行结果处理，将java stream管道流转换为list。最终list的输出结果是:[lemur, lion]

如果你不使用java stream管道流的话，想一想你需要多少行代码完成上面的功能呢？回到正题，这篇文章就是要给大家介绍第三阶段：对管道流处理结果都可以做哪些操作呢？下面开始吧！

二、foreach和foreachordered

如果我们只是希望将stream管道流的处理结果打印出来，而不是进行类型转换，我们就可以使用foreach()方法或foreachordered()方法。

stream.of("monkey", "lion", "giraffe", "lemur", "lion")        .parallel()        .foreach(system.out::println);stream.of("monkey", "lion", "giraffe", "lemur", "lion")        .parallel()        .foreachordered(system.out::println);

parallel()函数表示对管道中的元素进行并行处理，而不是串行处理，这样处理速度更快。但是这样就有可能导致管道流中后面的元素先处理，前面的元素后处理，也就是元素的顺序无法保证

foreachordered从名字上看就可以理解，虽然在数据处理顺序上可能无法保障，但是foreachordered方法可以在元素输出的顺序上保证与元素进入管道流的顺序一致。也就是下面的样子（foreach方法则无法保证这个顺序）：

monkey
lion
giraffe
lemur
lion

三、元素的收集collect

java stream 最常见的用法就是：一将集合类转换成管道流，二对管道流数据处理，三将管道流处理结果在转换成集合类。那么collect()方法就为我们提供了这样的功能：将管道流处理结果在转换成集合类。

3.1.收集为t

通过collectors.tot()方法收集stream的处理结果，将所有元素收集到t集合中。

t<string> collecttot = stream.of(   "monkey", "lion", "giraffe", "lemur", "lion") .collect(collectors.tot());//最终collecttot 中的元素是:[monkey, lion, giraffe, lemur]，注意t会去重。

3.2.收集到list

同样，可以将元素收集到list使用tolist()收集器中。

list<string> collecttolist = stream.of(   "monkey", "lion", "giraffe", "lemur", "lion").collect(collectors.tolist());// 最终collecttolist中的元素是: [monkey, lion, giraffe, lemur, lion]

3.3.通用的收集方式

上面为大家介绍的元素收集方式，都是专用的。比如使用collectors.tot()收集为t类型集合；使用collectors.tolist()收集为list类型集合。那么，有没有一种比较通用的数据元素收集方式，将数据收集为任意的collection接口子类型。
所以，这里就像大家介绍一种通用的元素收集方式，你可以将数据元素收集到任意的collection类型：即向所需collection类型提供构造函数的方式。

linkedlist<string> collecttocollection = stream.of(   "monkey", "lion", "giraffe", "lemur", "lion").collect(collectors.tocollection(linkedlist::new));//最终collecttocollection中的元素是: [monkey, lion, giraffe, lemur, lion]

注意：代码中使用了linkedlist::new，实际是调用linkedlist的构造函数，将元素收集到linked list。当然你还可以使用诸如linkedhasht::new和priorityqueue::new将数据元素收集为其他的集合类型，这样就比较通用了。

3.4.收集到array

通过toarray(string[]::new)方法收集stream的处理结果，将所有元素收集到字符串数组中。

string[] toarray = stream.of(   "monkey", "lion", "giraffe", "lemur", "lion") .toarray(string[]::new);//最终toarray字符串数组中的元素是: [monkey, lion, giraffe, lemur, lion]

3.5.收集到map

使用collectors.tomap()方法将数据元素收集到map里面，但是出现一个问题：那就是管道中的元素是作为key，还是作为value。我们用到了一个function教师年度考核.identity()方法，该方法很简单就是返回一个“ t -> t ”（输入巡视条例就是输出的lambda表达式）。另外使用管道流处理函数distinct()来确保map键值的唯一性。

map<string, integer> tomap = stream.of(    "monkey", "lion", "giraffe", "lemur", "lion").distinct().collect(collectors.tomap(       function.identity(),   //元素输入就是输出体检抽血，作为key       s -> (int) s.chars().distinct().count()// 输入元素的不同的字母个数，作为value));// 最终tomap的结果是: {monkey=6, lion=4, lemur=5, giraffe=6}   

3.6.分组收集groupingby

collectors.groupingby用来实现元素的分组收集，下面的代码演示如何根据首字母将不同的数据元素收集到不同的list，并封装为map。

map<character, list<string>> groupingbylist =  stream.of(    "monkey", "lion", "giraffe", "lemur", "lion").collect(collectors.groupingby(       s -> s.charat(0) ,  //根据元素首字母分组，相同的在一组       // counting()        // 加上这一行代码可以实现分组统计));// 最终groupingbylist内的元素: {g=[giraffe], l=[lion, lemur, lion], m=[monkey]}//如果加上counting() ，结果是:  {g=1, l=3, m=1}

四、其他常用方法

boolean containstwo = intstream.of(1, 2, 3).anymatch(i -> i == 2);// 判断管道中是否包含2，结果是: truelong nrofanimals = stream.of(    "monkey", "lion", "giraffe", "lemur").count();// 管道中元素数据总计结果nrofanimals: 4int sum = intstream.of(1, 2, 3).sum();// 管道中元素数据累加结果sum: 6optionaldouble average = intstream.of(1, 2, 3).average();//管道中元素数据平均值average: optionaldouble[2.0]int max = intstream.of(1, 2, 3).max().orel(0);//管道中元素数据最大值max: 3intsummarystatistics statistics = intstream.of(1, 2, 3).summarystatistics();// 全面的统计结果statistics: intsummarystatistics{count=3, sum=6, min=1, average=2.000000, max=3}