杭州旅游网站开发说明书长春做网站wang

当前位置： 首页 > news >正文

杭州旅游网站开发说明书,长春做网站wang,南召微网站建设,dede网站版权信息修改目录 终结操作 将流转换为一个数组#xff08;toArray#xff09; 在每个流元素上应用某个终结操作#xff08;forEach#xff09; 收集操作#xff08;collect#xff09; 组合所有的流元素#xff08;reduce#xff09; 匹配#xff08;*Match#xff09; 选…目录 终结操作 将流转换为一个数组toArray 在每个流元素上应用某个终结操作forEach 收集操作collect 组合所有的流元素reduce 匹配Match 选择一个元素find 获得流相关的信息 本笔记参考自 《On Java 中文版》 终结操作 ||| 终结操作这些操作会接受一个流并生成一个最终结果。 终结操作不会把任何东西发给某个后端的流。因此终结操作总是我们在一个管线内可以做的最后一件事。 将流转换为一个数组toArray 可以通过toArray()操作将流转换为数组 toArray()将流元素转换到适当的数组中。toArray(generator)generator用于在特定情况下分配自己的数组存储。 在流操作生成的内容必须以数组形式进行使用时toArray()就很有用了 【例子将随机数存储在数组中以流的形式复用】 import java.util.Arrays; import java.util.Random; import java.util.stream.IntStream;public class RandInts {private static int[] rints new Random(47).ints(0, 1000).limit(100).toArray();public static IntStream rands() {return Arrays.stream(rints);} } 通过这种方式我们可以保证每次得到的是相同的流。 在每个流元素上应用某个终结操作forEach 有两个很常见的终结操作 forEach(Consumer)forEachOrdered(Consumer)这个版本可以确保forEach对元素的操作顺序是原始的流的顺序。 通过使用parallel()操作可以使forEach以任何顺序操作元素。 parallel()的介绍这一操作会让Java尝试在多个处理器上执行操作。parallel()可以将流进行分割并在不同处理器上运行每个流。 下面的例子通过引入parallel()来展示forEachOrdered(Consumer)的作用。 【例子forEachOrdered(Consumer)的作用】 import static streams.RandInts.*;public class ForEach {static final int SZ 14;public static void main(String[] args) {rands().limit(SZ).forEach(n - System.out.format(%d , n));System.out.println();rands().limit(SZ).parallel().forEach(n - System.out.format(%d , n));System.out.println();rands().limit(SZ).parallel().forEachOrdered(n - System.out.format(%d , n));System.out.println();} } 程序执行的结果是 在第一个流中因为没有使用parallel()所以结果显示的顺序就是它们从rands()中出现的顺序。而在第二个流中parallel()的使用使得输出的顺序发生了变化。这就是因为有多个处理器在处理这个问题若多执行几次会发现输出的顺序会不一样这就是多处理器处理带来的不确定性。 在最后一个流中尽管使用了parallel()但forEachOrdered()使得结果回到了原始的顺序。 所以对非parallel()的流使用forEachOrdered()不会有任何影响。 收集操作collect collect(Collector)使用这个Collector将流元素累加到一个结果集合中。collect(Supplier, BiConsumer, BiConsumer)和上一个collect()不同的地方在于 Supplier会创建一个新的结果集合。第一个BiConsumer用来将下一个元素包含到结果集合中。第二个BiConsumer用来将两个值进行组合。 collect()的第二个版本会在每次被调用时使用Supplier生成一个新的结果集合。这些集合就是通过第二个BiConsumer组合成一个最终结果的。 可以将流元素收集到任何特定种类的集合中。例如假设我们需要把条目最终放入到一个TreeSet中。尽管Collectors中没有特定的toTreeSet()方法但我们可以使用Collectors.toCollection()将任何类型的构造器引用传递给toCollection()。 【例子将提取的单词放入到TreeSet()中】 import java.nio.file.Files; import java.nio.file.Paths; import java.util.Arrays; import java.util.Set; import java.util.TreeSet; import java.util.stream.Collectors;public class TreeSetOfWords {public static void main(String[] arg) throws Exception {SetString words2 Files.lines(Paths.get(TreeSetOfWords.java)).flatMap(s - Arrays.stream(s.split(\W))) .filter(s - !s.matches(\d)) // 删除数字.map(String::trim) // 删除可能存在的留白.filter(s - s.length() 2).limit(100).collect(Collectors.toCollection(TreeSet::new));System.out.println(words2);} } 程序执行的结果是 在这里Arrays.stream(s.split(\W))会将接收的文本行进行分割获得的数组会变为Stream然后其结果又通过flatMap()被展开成一个由单词组成的Stream。 【例子从流生成一个Map】 import java.util.Iterator; import java.util.Map; import java.util.Random; import java.util.stream.Collectors; import java.util.stream.Stream;class Pair { // 一个基本的数据对象Pairpublic final Character c;public final Integer i;public Pair(Character c, Integer i) {this.c c;this.i i;}public Character getC() {return c;}public Integer getI() {return i;}Overridepublic String toString() {return Pair{ c c , i i };} }class RandomPair {Random rand new Random(47);// 这是一个无限大的迭代器指向随机生成的大写字母IteratorCharacter capChars rand.ints(65, 91) // 65~91即大写字母对应的ASCII值.mapToObj(i - (char) i).iterator();public StreamPair stream() { // 生成一个Pair流return rand.ints(100, 1000).distinct() // 移除流中的重复元素.mapToObj(i - new Pair(capChars.next(), i)); // 组合成Pair对象的流} }public class MapCollector {public static void main(String[] args) {MapInteger, Character map new RandomPair().stream().limit(8).collect(Collectors.toMap(Pair::getI, Pair::getC));System.out.println(map);} } 程序执行的结果是 在大多数情况下java.util.stream.Collectors中都会存在我们所需的Collector。而如果找不到我们所需要的这时候就可以使用collect()的第二种形式。 【例子collect()的第二种形式】 import java.util.ArrayList;public class SpecialCollector {public static void main(String[] arg) throws Exception {ArrayListString words FileToWords.stream(Cheese.dat).collect(ArrayList::new, // 创建新的结果集合ArrayList::add, // 将下一个元素加入集合中ArrayList::addAll); // 组合所有的ArrayListwords.stream().filter(s - s.equals(cheese)).forEach(System.out::println);} } 程序执行的结果是 组合所有的流元素reduce reduce(BinaryOperator)使用BinaryOperator来组合所有的元素。若流为空返回一个Optional。reduce(identity, BinaryOperator)和上述一致不同之处在于会将identity作为这个组合的初始值。因此若流为空会得到一个identity作为结果。reduce(identity, BiFuncton, BinaryOperator)BiFunction提供累加器BinaryOperator提供组合函数。这种形式会更为高效。但若只论效果可以通过组合显式的map()和reduce()操作来替代。 这些操作之所以使用reduce命名是因为它们会获取一系列的输入元素并将它们组合简化成一个单一的汇总结果。 【例子reduce()操作的演示】 import java.util.Random; import java.util.stream.Stream;class Frobnitz {int size;Frobnitz(int sz) {size sz;}Overridepublic String toString() {return Frobnitz{ size size };}// 生成器static Random rand new Random(47);static final int BOUND 100;static Frobnitz supply() {return new Frobnitz(rand.nextInt(BOUND));} }public class Reduce {public static void main(String[] args) {Stream.generate(Frobnitz::supply).limit(10).peek(System.out::println).reduce((fr0, fr1) - fr0.size 50 ? fr0 : fr1) // 若fr0的size小于50接受fr0否则接受fr1.ifPresent(System.out::println);} } 程序执行的结果是 Forbnitz有一个自己的生成器叫做supply()。在上述例子中我们把方法引用Frobnitz::supply传递给了Stream.generate因为它和SupplierFrobnitz是签名兼容的又称结构一致性。 Supplier是一个函数式接口。在这里SupplierFrobnitz相当于一个返回Frobnitz对象的无参函数。 在使用reduce()时我们没有使用identity作为初始值。这意味着reduce()会生成一个Optional当结果不为empty时才会执行ConsumerFrobnitz即lambda表达式。再看lambda表达式本身 (fr0, fr1) - fr0.size 50 ? fr0 : fr1 其中的第一个参数fr0是上次调用这个reduce()时带回的结果第二个参数fr1是来自流中的新值。 匹配*Match allMatch(Predicate)通过Predicate检测流中的元素若每一个元素结果都为true则返回true。若遇到false则发生短路 —— 在遇到第一个false后停止计算。anyMatch(Predicate)同样使用Predicate进行检测若任何一个元素得到true则返回true。在遇到第一个true时发生短路。noneMatch(Predicate)进行检测若没有元素得到true则返回true。在遇到第一个true时发生短路。 【例子Match引发的短路行为】 import java.util.function.BiPredicate; import java.util.function.Predicate; import java.util.stream.IntStream; import java.util.stream.Stream;interface Matcher extends // 能够匹配所有的Stream::Match函数的模式BiPredicateStreamInteger, PredicateInteger { }public class Matching {static void show(Matcher match, int val) {System.out.println(match.test(IntStream.rangeClosed(1, 9) // 返回一个从1~9递增的Integer序列.boxed().peek(n - System.out.format(%d , n)),n - n val));}public static void main(String[] args) {show(Stream::allMatch, 10);show(Stream::allMatch, 4);show(Stream::anyMatch, 2);show(Stream::anyMatch, 0);show(Stream::noneMatch, 5);show(Stream::noneMatch, 0);} } 程序执行的结果是 BiPredicate是一个二元谓词所以他会接受两个参数并返回true和false。其中第一个参数是我们要测试的数值的流第二个参数是谓词Predicate本身。 选择一个元素find findFirst()返回一个Optional其中包含了流中的第一个元素。若流中没有元素则返回Optional.empty。findAny()返回一个Optional其中包含了流中的某个元素。若流中没有元素则返回Optional.empty。 【例子find操作的使用】 import static streams.RandInts.;public class SelectElement {public static void main(String[] args) {System.out.println(rands().findFirst().getAsInt());System.out.println(rands().parallel().findFirst().getAsInt());System.out.println(rands().findAny().getAsInt());System.out.println(rands().parallel().findAny().getAsInt());} } 程序执行的结果是 无论流是否并行findFirst()总会选择流中的第一个元素。但findAny()有些不同在非并行的流中findAny()会选择第一个元素而当这个流是并行流时findAny()有可能选择第一个元素之外的元素。 若需要某个流中的最后一个元素可以使用reduce() 【例子选择流中的最后一个元素】 import java.util.Optional; import java.util.OptionalInt; import java.util.stream.IntStream; import java.util.stream.Stream;public class LastElement {public static void main(String[] args) {OptionalInt last IntStream.range(10, 20).reduce((n1, n2) - n2);System.out.println(last.orElse(-1));// 对于非数值对象OptionalString lastobj Stream.of(one, two, three).reduce((n1, n2) - n2);System.out.println(lastobj.orElse(不存在任何元素));} } 程序执行的结果是 reduce((n1, n2) - n2)语句可以用两个元素这的后一个替换这两个元素通过这种方式就可以获得流中的最后一个元素了。 获得流相关的信息 count()获得流中元素的数量。max(Comparator)通过Comparator确定这个流中的“最大元素”。min(Comparator)确定这个流中的“最小元素”。 【例子使用String预设的Comparator获取信息】 public class Informational {public static void main(String[] args) throws Exception {System.out.println(FileToWords.stream(Cheese.dat).count());System.out.println(FileToWords.stream(Cheese.dat).min(String.CASE_INSENSITIVE_ORDER).orElse(NONE));System.out.println(FileToWords.stream(Cheese.dat).max(String.CASE_INSENSITIVE_ORDER).orElse(NONE));} } 程序执行的结果是 其中max()和min()都会返回Optional这里出现的orElse()是用来获取其中的值的。 获得数值化流相关的信息 average()获得平均值。max()和min()因为处理的是数值化的流所以不需要Comparator。sum()将流中的数值进行累加。summaryStatistics()返回可能有用的摘要数据但我们也可以使用直接方法获取这些数据。 【例子数值化流的信息获取以IntStream为例】 import static streams.RandInts.*;public class NumericStreamInfo {public static void main(String[] args) {System.out.println(rands().average().getAsDouble());System.out.println(rands().max().getAsInt());System.out.println(rands().min().getAsInt());System.out.println(rands().sum());System.out.println(rands().summaryStatistics());} } 程序执行的结果是