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。
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
// 创建一个顺序流
Stream
// 创建一个并行流
Stream
2、使用java.util.Arrays.stream(T[] array)方法用数组创建流
int[] array={1,3,5,6,8};
IntStream stream = Arrays.stream(array);
3、使用Stream的静态方法：of()、iterate()、generate()
Stream
Stream
stream2.forEach(System.out::println);
Stream
stream3.forEach(System.out::println);
输出结果：
0 3 6 9
0.6796156909271994
0.1914314208854283
0.8116932592396652
stream，parallelStream
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
Stream.generate()
static
该方法主要用于生成一个无限连续的无序流，流中的元素由用户定义的supplier函数生成。
Stream
stream3.forEach(System.out::println);
Stream.generate(new Random()::nextInt).limit(5)
.forEach(System.out::println);
Stream.iterate()
static
static
可以用来生成一个包含无限个元素的流
两个参数的iterate:
第一个参数是新流中的初始元素，然后使用该数据做第二个参数也就是UnaryOperator函数的入参去计算第二元素，然后把新计算得到的第二个元素作为入参继续计算第三个元素，以此循环可以制造无限个元素，在实际使用中一般使用limit（n）方法去获取包含n个的流。看一个例子：
void stream_iterate() {
Stream.iterate(“1”, b -> b+”0”).limit(3).forEach(System.out::println);
}
运行结果：
1
10
100
三个参数的iterate:
这个方法多了一个Predicate函数参数，这个参数的作用就是是否中断往新流中继续生成新的元素，如果函数计算结果是true就继续生成新的元素，如果是false就停止返回新流。
void stream_iterate() {
Stream.iterate(“1”, a -> !”100”.equals(a), b -> b+”0”).limit(3).forEach(System.out::println);
}
运行结果：
1
10
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()方法会返回true，调用get()方法会返回该对象。
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
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
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。
public class StreamTest {
public static void main(String[] args) {
List
_// 遍历输出符合条件的元素_<br /> **list**.stream().filter(x -> x > 6).**forEach**(System.out::println);<br /> _// 匹配第一个_<br /> Optional<Integer> findFirst = **list**.stream().filter(x -> x > 6).findFirst();<br /> _// 匹配任意（适用于并行流）_<br /> Optional<Integer> findAny = **list**.parallelStream().filter(x -> x > 6).findAny();<br /> _// 是否包含符合特定条件的元素_<br /> boolean anyMatch = **list**.stream().anyMatch(x -> x < 6);<br /> System.out.println("匹配第一个值：" + findFirst.get());<br /> System.out.println("匹配任意一个值：" + findAny.get());<br /> System.out.println("是否存在大于6的值：" + anyMatch);<br /> }<br />}
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
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
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)<br /> .collect(Collectors.toList());<br /> System.out.**print**("高于8000的员工姓名：" + fiterList);<br /> }<br />}<br />运行结果：<br />高于8000的员工姓名：[Tom, Anni, Owen]
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
Optional<String> max = **list**.stream().max(Comparator.comparing(String::length));<br /> System.out.println("最长的字符串：" + max.get());<br /> }<br />}<br />输出结果：<br />最长的字符串：weoujgsd<br />**案例二：获取Integer集合中的最大值。**<br />**public** **class** **StreamTest** {<br /> **public** **static** **void** **main**(String[] args) {<br /> List<Integer> list = Arrays.asList(7, 6, 9, 4, 11, 6);
_// 自然排序_<br /> Optional<Integer> max = list.stream().max(Integer::compareTo);<br /> _// 自定义排序_<br /> Optional<Integer> max2 = list.stream().max(**new** Comparator<Integer>() {<br /> @Override<br /> **public** **int** compare(Integer o1, Integer o2) {<br /> **return** o1.compareTo(o2);<br /> }<br /> });<br /> Optional<Integer> max4 = list.stream().max(Comparator._naturalOrder_());<br /> Optional<Integer> min = list.stream().max(Comparator._reverseOrder_());<br /> System.out.println("自然排序的最大值：" + max.get());<br /> System.out.println("自定义排序的最大值：" + max2.get());<br /> }<br />}<br />输出结果：<br />自然排序的最大值：11<br />自定义排序的最大值：11<br />**案例三：获取员工工资最高的人。**<br />**public** **class** **StreamTest** {<br /> **public** **static** void main(String[] args) {<br /> **List**<Person> personList = **new** ArrayList<Person>();<br /> personList.add(**new** Person("Tom", 8900, 23, "male", "New York"));<br /> personList.add(**new** Person("Jack", 7000, 25, "male", "Washington"));<br /> personList.add(**new** Person("Lily", 7800, 21, "female", "Washington"));<br /> personList.add(**new** Person("Anni", 8200, 24, "female", "New York"));<br /> personList.add(**new** Person("Owen", 9500, 25, "male", "New York"));<br /> personList.add(**new** Person("Alisa", 7900, 26, "female", "New York"));
Optional<Person> max = personList.stream().max(Comparator.comparingInt(Person::getSalary));<br /> System.out.println("员工工资最大值：" + max.get().getSalary());<br /> }<br />}<br />输出结果：<br />员工工资最大值：9500<br />**案例四：计算Integer集合中大于6的元素的个数。**<br />**import** java.util.Arrays;<br />**import** java.util.List;
public class StreamTest {
public static void main(String[] args) {
List
**long** count = list.stream().filter(x -> x > 6).count();<br /> System.out.println("list中大于6的元素个数：" + count);<br /> }<br />}<br />输出结果：<br />list中大于6的元素个数：4
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
**List**<Integer> intList = Arrays.asList(1, 3, 5, 7, 9, 11);<br /> **List**<Integer> intListNew = intList.stream().map(x -> x + 3).collect(Collectors.toList());
System.out.println("每个元素大写：" + strList);<br /> System.out.println("每个元素+3：" + intListNew);<br /> }<br />}<br />输出结果：<br />每个元素大写：[ABCD, BCDD, DEFDE, FTR]<br />每个元素+3：[4, 6, 8, 10, 12, 14]<br />**案例二：将员工的薪资全部增加1000。**<br />**public** **class** **StreamTest** {<br /> **public** **static** **void** **main**(String[] args) {<br /> List<Person> personList = **new** ArrayList<Person>();<br /> personList.**add**(**new** Person("Tom", 8900, 23, "male", "New York"));<br /> personList.**add**(**new** Person("Jack", 7000, 25, "male", "Washington"));<br /> personList.**add**(**new** Person("Lily", 7800, 21, "female", "Washington"));<br /> personList.**add**(**new** Person("Anni", 8200, 24, "female", "New York"));<br /> personList.**add**(**new** Person("Owen", 9500, 25, "male", "New York"));<br /> personList.**add**(**new** Person("Alisa", 7900, 26, "female", "New York"));
_// 不改变原来员工集合的方式_<br /> List<Person> personListNew = personList.stream().map(person -> {<br /> Person personNew = **new** Person(person.getName(), 0, 0, null, null);<br /> personNew.setSalary(person.getSalary() + 10000);<br /> **return** personNew;<br /> }).collect(Collectors.toList());<br /> System.**out**.println("一次改动前：" + personList.**get**(0).getName() + "-->" + personList.**get**(0).getSalary());<br /> 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_<br /> List<Person> personListNew2 = personList.stream().map(person -> {<br /> person.setSalary(person.getSalary() + 10000);<br /> **return** person;<br /> }).collect(Collectors.toList());<br /> System.**out**.println("二次改动前：" + personList.**get**(0).getName() + "-->" + personListNew.**get**(0).getSalary());<br /> System.**out**.println("二次改动后：" + personListNew2.**get**(0).getName() + "-->" + personListNew2.**get**(0).getSalary());<br /> }<br />}<br />输出结果：<br />一次改动前：Tom–>8900<br />一次改动后：Tom–>18900<br />二次改动前：Tom–>18900<br />二次改动后：Tom–>18900<br />**案例三：将两个字符数组合并成一个新的字符数组。**<br />**public** **class** **StreamTest** {<br /> **public** **static** void main(String[] args) {<br /> **List**<String> **list** = Arrays.asList("m,k,l,a", "1,3,5,7");<br /> **List**<String> listNew = **list**.stream().flatMap(s -> {<br /> _// 将每个元素转换成一个stream_<br /> String[] split = s.split(",");<br /> Stream<String> s2 = Arrays.stream(split);<br /> **return** s2;<br /> }).collect(Collectors.toList());
System.out.println("处理前的集合：" + **list**);<br /> System.out.println("处理后的集合：" + listNew);<br /> }<br />}<br />输出结果：<br />处理前的集合：[m-k-l-a, 1-3-5]<br />处理后的集合：[m, k, l, a, 1, 3, 5]
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
// 求和方式1
Optional
// 求和方式2
Optional
// 求和方式3
Integer sum3 = list.stream().reduce(0, Integer::sum);
// 求乘积
Optional
_// 求最大值方式1_<br /> Optional<Integer> max = **list**.stream().reduce((x, y) -> x > y ? x : y);<br /> _// 求最大值写法2_<br /> Integer max2 = **list**.stream().reduce(1, Integer::max);
System.out.println("list求和：" + sum.get() + "," + sum2.get() + "," + sum3);<br /> System.out.println("list求积：" + product.get());<br /> System.out.println("list求和：" + max.get() + "," + max2);<br /> }<br />}<br />输出结果：<br />list求和：29,29,29<br />list求积：2112<br />list求和：11,11<br />**案例二：求所有员工的工资之和和最高工资。**<br />public **class** **StreamTest** {<br /> public static void main(String[] args) {<br /> List<Person> personList = **new** ArrayList<Person>();<br /> personList.add(**new** Person("Tom", 8900, 23, "male", "New York"));<br /> personList.add(**new** Person("Jack", 7000, 25, "male", "Washington"));<br /> personList.add(**new** Person("Lily", 7800, 21, "female", "Washington"));<br /> personList.add(**new** Person("Anni", 8200, 24, "female", "New York"));<br /> personList.add(**new** Person("Owen", 9500, 25, "male", "New York"));<br /> personList.add(**new** Person("Alisa", 7900, 26, "female", "New York"));
// 求工资之和方式1：<br /> Optional<Integer> sumSalary = personList.stream().map(Person::getSalary).reduce(Integer::sum);<br /> // 求工资之和方式2：<br /> Integer sumSalary2 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(),<br /> (sum1, sum2) -> sum1 + sum2);<br /> // 求工资之和方式3：<br /> Integer sumSalary3 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(), Integer::sum);
// 求最高工资方式1：<br /> Integer maxSalary = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(),<br /> Integer::max);<br /> // 求最高工资方式2：<br /> Integer maxSalary2 = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(),<br /> (max1, max2) -> max1 > max2 ? max1 : max2);
System.out.println("工资之和：" + sumSalary.get() + "," + sumSalary2 + "," + sumSalary3);<br /> System.out.println("最高工资：" + maxSalary + "," + maxSalary2);<br /> }<br />}<br />输出结果：<br />工资之和：49300,49300,49300<br />最高工资：9500,9500
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。
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
List
Set
List<Person> personList = **new** ArrayList<Person>();<br /> personList.add(**new** Person("Tom", 8900, 23, "male", "New York"));<br /> personList.add(**new** Person("Jack", 7000, 25, "male", "Washington"));<br /> personList.add(**new** Person("Lily", 7800, 21, "female", "Washington"));<br /> personList.add(**new** Person("Anni", 8200, 24, "female", "New York"));<br /> <br /> Map<?, Person> map = personList.stream().filter(p -> p.getSalary() > 8000)<br /> .collect(Collectors.toMap(Person::getName, p -> p));<br /> System.out.println("toList:" + listNew);<br /> System.out.println("toSet:" + set);<br /> System.out.println("toMap:" + map);<br /> }<br />}<br />运行结果：<br />toList：[6, 4, 6, 6, 20]<br />toSet：[4, 20, 6]<br />toMap：{Tom=mutest.Person@5fd0d5ae, Anni=mutest.Person@2d98a335}
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
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_<br /> Long count = personList.stream().collect(Collectors.counting());<br /> _// 求平均工资_<br /> Double average = personList.stream().collect(Collectors.averagingDouble(Person::getSalary));<br /> _// 求最高工资_<br />Optional<Integer> max = personList.stream().map(Person::getSalary)<br />.collect(Collectors.maxBy(Integer::compare));<br /> _// 求工资之和_<br /> Integer sum = personList.stream().collect(Collectors.summingInt(Person::getSalary));<br /> _// 一次性统计所有信息_<br /> DoubleSummaryStatistics collect = personList.stream()<br />.collect(Collectors.summarizingDouble(Person::getSalary));
System.out.println("员工总数：" + count);<br /> System.out.println("员工平均工资：" + average);<br /> System.out.println("员工工资总和：" + sum);<br /> System.out.println("员工工资所有统计：" + collect);<br /> }<br />}<br />运行结果：<br />员工总数：3<br />员工平均工资：7900.0<br />员工工资总和：23700<br />员工工资所有统计：DoubleSummaryStatistics{count=3, sum=23700.000000,min=7000.000000, average=7900.000000, max=8900.000000}
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
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
.collect(Collectors.partitioningBy(x -> x.getSalary() > 8000));
Map
.collect(Collectors.groupingBy(x -> x.getSalary() > 8000));
// 将员工按性别分组
Map
.collect(Collectors.groupingBy(Person::getSex));
// 将员工先按性别分组，再按地区分组
Map
.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=[Person{name=’Jack’, salary=7000, age=23, sex=’male’, area=’Washington’}, Person{name=’Lily’, salary=7800, age=23, sex=’female’, area=’Washington’}, Person{name=’Alisa’, salary=7900, age=23, sex=’female’, area=’New York’}], true=[Person{name=’Tom’, salary=8900, age=23, sex=’male’, area=’New York’}, Person{name=’Anni’, salary=8200, age=23, sex=’female’, area=’New York’}, Person{name=’Owen’, salary=9500, age=23, sex=’male’, area=’New York’}]}
员工按性别分组情况：{female=[Person{name=’Lily’, salary=7800, age=23, sex=’female’, area=’Washington’}, Person{name=’Anni’, salary=8200, age=23, sex=’female’, area=’New York’}, Person{name=’Alisa’, salary=7900, age=23, sex=’female’, area=’New York’}], male=[Person{name=’Tom’, salary=8900, age=23, sex=’male’, area=’New York’}, Person{name=’Jack’, salary=7000, age=23, sex=’male’, area=’Washington’}, Person{name=’Owen’, salary=9500, age=23, sex=’male’, area=’New York’}]}
员工按性别、地区：{female={New York=[Person{name=’Anni’, salary=8200, age=23, sex=’female’, area=’New York’}, Person{name=’Alisa’, salary=7900, age=23, sex=’female’, area=’New York’}], Washington=[Person{name=’Lily’, salary=7800, age=23, sex=’female’, area=’Washington’}]}, male={New York=[Person{name=’Tom’, salary=8900, age=23, sex=’male’, area=’New York’}, Person{name=’Owen’, salary=9500, age=23, sex=’male’, area=’New York’}], Washington=[Person{name=’Jack’, salary=7000, age=23, sex=’male’, area=’Washington’}]}}
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
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(","));<br /> System.**out**.println("所有员工的姓名：" + names);<br /> List<String> list = Arrays.asList("A", "B", "C");<br /> String **string** = list.stream().collect(Collectors.joining("-"));<br /> System.**out**.println("拼接后的字符串：" + **string**);<br /> }<br />}<br />运行结果：<br />所有员工的姓名：Tom,Jack,Lily<br />拼接后的字符串：A-B-C
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
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）_<br /> Integer sum = personList.stream().collect(Collectors.reducing(0, Person::getSalary, (i, j) -> (i + j - 5000)));<br /> System.out.println("员工扣税薪资总和：" + sum);
_// stream的reduce_<br /> Optional<Integer> sum2 = personList.stream().map(Person::getSalary).reduce(Integer::sum);<br /> System.out.println("员工薪资总和：" + sum2.get());<br /> }<br />}<br />运行结果：<br />员工扣税薪资总和：8700<br />员工薪资总和：23700
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
personList.add(**new** Person("Sherry", 9000, 24, "female", "New York"));<br /> personList.add(**new** Person("Tom", 8900, 22, "male", "Washington"));<br /> personList.add(**new** Person("Jack", 9000, 25, "male", "Washington"));<br /> personList.add(**new** Person("Lily", 8800, 26, "male", "New York"));<br /> personList.add(**new** Person("Alisa", 9000, 26, "female", "New York"));
_// 按工资升序排序（自然排序）_<br /> **List**<String> newList = personList.stream().sorted(Comparator.comparing(Person::getSalary)).map(Person::getName)<br /> .collect(Collectors.toList());<br /> _// 按工资倒序排序_<br /> **List**<String> newList2 = personList.stream().sorted(Comparator.comparing(Person::getSalary).reversed())<br /> .map(Person::getName).collect(Collectors.toList());<br /> _// 先按工资再按年龄升序排序_<br /> **List**<String> newList3 = personList.stream()<br /> .sorted(Comparator.comparing(Person::getSalary).thenComparing(Person::getAge)).map(Person::getName)<br /> .collect(Collectors.toList());<br /> _// 先按工资再按年龄自定义排序（降序）_<br /> **List**<String> newList4 = personList.stream().sorted((p1, p2) -> {<br /> **if** (p1.getSalary() == p2.getSalary()) {<br /> **return** p2.getAge() - p1.getAge();<br /> } **else** {<br /> **return** p2.getSalary() - p1.getSalary();<br /> }<br /> }).map(Person::getName).collect(Collectors.toList());
System.out.println("按工资升序排序：" + newList);<br /> System.out.println("按工资降序排序：" + newList2);<br /> System.out.println("先按工资再按年龄升序排序：" + newList3);<br /> System.out.println("先按工资再按年龄自定义降序排序：" + newList4);<br /> }<br />}<br />运行结果：<br />按工资升序排序：[Lily, Tom, Sherry, Jack, Alisa]<br />按工资降序排序：[Sherry, Jack, Alisa, Tom, Lily]<br />先按工资再按年龄升序排序：[Lily, Tom, Sherry, Jack, Alisa]<br />先按工资再按年龄自定义降序排序：[Alisa, Jack, Sherry, Tom, Lily]
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);<br /> Stream<String> stream2 = Stream.of(arr2);<br /> _// concat:合并两个流 distinct：去重_<br /> List<String> newList = Stream.concat(stream1, stream2).distinct().collect(Collectors.toList());<br /> _// limit：限制从流中获得前n个数据_<br /> List<Integer> collect = Stream.iterate(1, x -> x + 2).limit(10).collect(Collectors.toList());<br /> _// skip：跳过前n个数据_<br /> List<Integer> collect2 = Stream.iterate(1, x -> x + 2).skip(1).limit(5).collect(Collectors.toList());
System.out.println("流合并：" + newList);<br /> System.out.println("limit：" + collect);<br /> System.out.println("skip：" + collect2);<br /> }<br />}<br />运行结果：<br />流合并：[a, b, c, d, e, f, g]<br />limit：[1, 3, 5, 7, 9, 11, 13, 15, 17, 19]<br />skip：[3, 5, 7, 9, 11]
若有收获，就点个赞吧
0 人点赞
