一、Stream类中的collect方法
概述
collect方法为java.util.Stream类的内部方法，有两种重载形式（Java 1.8），主要用于将Stream中的元素通过一定的计算过程转化为另外的表现形式
重载形式说明
1.接受supplier,accumulator,combiner
方法定义
<R> R collect(Supplier<R> supplier, BiConsumer<R, ? super T> accumulator, BiConsumer<R, R> combiner);
入参：
supplier：出参的supplier，由于会被不确定次地调用，因此要求每次调用supplier返回的值均为新的
accumulator:BiConsumer类型，接收一个R类型的入参和T类型的入参，负责主要的入参转化为结果的工作
combiner:BiConsumer类型，接收一个R类型的入参和T类型的入参，负责将多个R类型合并为一个R类型
出参：
R类型的实例
方法运行过程
private static <R,T> R simuCollect(Stream<T> stream, Supplier<R> supplier, BiConsumer<R,T> accumulator,BiConsumer<R,R> combiner){
// 获得一个R类型的Result，此方法执行不确定次
R midResult1 = supplier.get();
R midResult2 = supplier.get();
// 遍历stream,填充到result中，此方法遍历到哪些stream内部元素，取决于实现方法
stream.forEach((element)->accumulator.accept(midResult1, element));
stream.forEach((element)->accumulator.accept(midResult2, element));
// 将多个R类型的result合并以生成最终结果
combiner.accept(midResult1,midResult2);
return midResult1;
}
代码示例
单词计数器
public static void main(String[] args) {
Stream<String> words = Stream.of("GNU","not","Unix","GNU");
HashMap<String,Integer> count = words.collect(
HashMap::new,
(map,word)->map.merge(word,1,(ori,newVal)->ori+newVal),
Map::putAll
);
System.out.println(count);//输出： {Unix=1, not=1, GNU=2}
}
2.接受一个Collector型入参
方法定义
<R, A> R collect(Collector<? super T, A, R> collector);
入参为一个Collector实例对象
方法运行过程
@Override
@SuppressWarnings("unchecked")
public final <R, A> R collect(Collector<? super P_OUT, A, R> collector) {
A container;
if (isParallel()
&& (collector.characteristics().contains(Collector.Characteristics.CONCURRENT))
&& (!isOrdered() || collector.characteristics().contains(Collector.Characteristics.UNORDERED))) {
container = collector.supplier().get();
BiConsumer<A, ? super P_OUT> accumulator = collector.accumulator();
forEach(u -> accumulator.accept(container, u));
}
else {
container = evaluate(ReduceOps.makeRef(collector));
}
return collector.characteristics().contains(Collector.Characteristics.IDENTITY_FINISH)
? (R) container
: collector.finisher().apply(container);
}
evaluate(ReduceOps.makeRef(collector))基本运行过程与重载格式1一致，区别在于Collector类允许额外定义一个finisher函数，以在Result完全计算完成以后，还可以将Result转化成另外的格式
代码示例
单词计数器2见下述Collectors类与Collector类
二、Collectors接口与Collector类
1.Collector接口介绍
Collector接口主要保存以下信息
- supplier：出参的supplier，由于会被不确定次地调用，因此要求每次调用supplier返回的值均为新的
- accumulator:BiConsumer类型，接收一个R类型的入参和T类型的入参，负责主要的入参转化为结果的工作
- combiner:BiConsumer类型，接收一个R类型的入参和T类型的入参，负责将多个R类型合并为一个R类型
- finisher:Function类型，接收一个R类型的入参，负责将入参转化为A类型
- characteristics:内部枚举类型，存储本对象是否并发、是否无序、finisher是否出入参类型一致等信息
2.Collectors类介绍
Collectors类作为Collector接口对应的工具类，除提供了对应的实现类（CollectorImpl)以外,还提供了各种快速生成Collector实例的工具方法
三、Collectors类中的工具方法
1. toList/toSet/(toCollection)
- 无入参
- 返回Collector,其中supplier为new方法，accumulator为返回类的add方法，combiner为返回类的addAll方法，collector执行后的结果为ArrayList/HashSet，
- toCollection的入参为Collection的supplier，出参中supplier为入参
- 示例
words = Stream.of("GNU","not","Unix","GNU");
System.out.println(words.collect(Collectors.toSet()));//[Unix, not, GNU]
2. summingLong、summingInt、summingDouble
- 入参为一个将流内元素映射到long/int/double的Function
- 返回Collector,accumulator为入参，combiner为值加和，collect的结果为入参映射后的值的和
// 统计字母数
Stream<String> words = Stream.of("GNU","not","Unix","GNU");
int count = words.collect(Collectors.summingInt(String::length));
System.out.println(count);//13
3. averagingInt/averagingDouble/averagingLong
- 入参为一个将流内元素映射到long/int/double的Function
- 返回Collector,accumulator为入参，combiner为值加和，collect的结果为入参映射后的值的平均值
4. summarizingInt/summarizingLong/summarizingDouble
- 入参为一个将流内元素映射到long/int/double的Function
- 返回Collector,accumulator为入参，combiner为值加和，collect的结果为IntSummaryStatistics...实例，此类实例内部包含count、sum、max、min信息
// 统计字母数出现次数数据
Stream<String> words = Stream.of("GNU","not","Unix","GNU");
IntSummaryStatistics summaryStatistics = words.collect(Collectors.summarizingInt(String::length));
System.out.println(summaryStatistics);//IntSummaryStatistics{count=4, sum=13, min=3, average=3.250000, max=4}
5. toMap/toConcurrentMap及各种重载形式
此两类方法之间为是否并发的区别,最终结果分别为HashMap和ConcurrentHashMap,同时各自有三种重载形式，
全入参非并发的方法定义如下
public static <T, K, U, M extends Map<K, U>>
Collector<T, ?, M> toMap(Function<? super T, ? extends K> keyMapper,
Function<? super T, ? extends U> valueMapper,
BinaryOperator<U> mergeFunction,
Supplier<M> mapSupplier) {
BiConsumer<M, T> accumulator
= (map, element) -> map.merge(keyMapper.apply(element),
valueMapper.apply(element), mergeFunction);
return new CollectorImpl<>(mapSupplier, accumulator, mapMerger(mergeFunction), CH_ID);
}
①入参说明
keyMapper:将stream内部元素映射为key的表达式
valueMapper:将stream内部元素映射为value的表达式
mergeFunction:当同一个key对应的value冲突时，重新映射的表达式
mapSupplier:map的supplier
②出参说明
见方法实现，其中mapMerger中解决冲突时同样调用mergeFunction解决
③重构形式
- 不传入mapSupplier，mapSupplier默认为HashMap::new
- 不传入mapSupplier和mergeFunction,mapSupplier默认为HashMap::new,在发生value冲突时会报错
- 示例
Stream<String> words = Stream.of("GNU","not","Unix","GNU");
// 统计各单词出现次数
Map<String, Integer> count = words.collect(Collectors.toMap(
Function.identity(),
(word)->1,
(x,y)->x+y)
);
System.out.println(count);//输出{Unix=1, not=1, GNU=2}
6.joining及其重载形式
CharSequence类连接方法，非并发
全入参非并发的方法定义如下
public static Collector<CharSequence, ?, String> joining(CharSequence delimiter,CharSequence prefix,CharSequence suffix);
①入参说明
delimiter:分隔符，默认空
prefix:前缀，默认空
suffix:后缀，默认空
Stream<String> words = Stream.of("GNU","not","Unix","GNU");
System.out.println(words.collect(Collectors.joining("---","Result is:","。")));
// Result is:GNU---not---Unix---GNU。
7. reducing及其重载形式，maxBy,minBy
reducing方法在被collect方法调用时，通过给定的初值、映射和值累加器，返回与初值相同类型的新值
全入参非并发的方法定义如下
public static <T, U>
Collector<T, ?, U> reducing(U identity,
Function<? super T, ? extends U> mapper,
BinaryOperator<U> op) {
return new CollectorImpl<>(
boxSupplier(identity),
(a, t) -> { a[0] = op.apply(a[0], mapper.apply(t)); },
(a, b) -> { a[0] = op.apply(a[0], b[0]); return a; },
a -> a[0], CH_NOID);
}
①入参说明
U:结果类型
identity：初值，当stream空时直接返回本值
mapper:将stream内部类型映射为U类型的方法
op：两个U类型值合并的方法
②出参说明
见方法实现，结果为U类型
③重构形式
- 不传入mapper，则stream值不映射，且出参与stream内类型一致
- 不传入mapper和identity,则当steam内类型为T时，collect结果为Optional<T>
④minBy和maxBy
特殊的reducing方法，接受comparator表达式作为op
⑤示例
// 最简用法：返回最长的单词
Stream<String> words = Stream.of("GNU","not","Unix","Longest","GNU");
System.out.println(words.collect(Collectors.reducing(BinaryOperator.maxBy(Comparator.comparingInt(String::length)))));
// 上述方法等同于
// System.out.println(words.reduce(BinaryOperator.maxBy(Comparator.comparingInt(String::length))));
// 输出：Optional[Longest]
// 复杂用法：根据输入的最大值，返回各随机数的和
Random random = new Random();
Stream<Integer> lengths = Stream.of(3,5,1,6);
System.out.println(lengths.collect(Collectors.reducing(0,(length)-> random.nextInt(length),(x, y)->x+y)));
8. groupingBy/groupingByConcurrent及其重载形式
全入参非并发的方法定义如下
public static <T, K, D, A, M extends Map<K, D>>
Collector<T, ?, M> groupingBy(Function<? super T, ? extends K> classifier,
Supplier<M> mapFactory,
Collector<? super T, A, D> downstream) ；
groupingBy方法返回一个Collector，此Collector在调用时返回Map<K,D>型，其中Map的初始状态由mapFactory指定，调用如下处理
- 生成键值对：根据classifier将T类型映射为K类型作为Key，Value默认为根据downstream中的supplier中获取的值，后续中根据downstream中的accumulator(原始值，stream中的元素t)累积处理，形成Map
- 第二步：Map的合并根据downstream中的combiner完成
- 第三步：downstream如果有finisher，则执行
①入参说明
M extends Map<K, D>:结果类型
classifier：将T类型映射为K类型作为Key的方法
mapFactory: 作为最终返回的Collector的supplier,map初始化的方法
downstream：定义结果map中值如何一步一步accumulate
②出参说明
见方法实现，结果为U类型
③重构形式
- 不传入mapFactory，则默认为HashMap::new/ConcurrentHashMap::new
- 不传入mapFactory和downstream,则downstream默认supplier为ArrayList::new，accumulator为List::add，combiner为addAll方法
④示例
// 返回各单词出线的频次,频次统计中忽略大小写，所以单词一律全大写再统计
Stream<String> words = Stream.of("GNU","not","Unix","Matter","Gnu","NOT");
Map<String,Long> stat = words.collect(Collectors.groupingBy(String::toUpperCase,Collectors.counting()));
// 上述等同于
// Map<String,Long> stat = words.collect(Collectors.groupingBy(
// String::toUpperCase,
// Collectors.reducing(0L,(word)->1L,(x, y)->x+y)
// ));
System.out.println(stat);
// 输出: {MATTER=1, NOT=2, UNIX=1, GNU=2}
9. 其他工具方法简述
- counting():返回流内元素数量
- mapping(Function<? super T, ? extends U> mapper,Collector<? super U, A, R> downstream)：类似groupingBy
- partitioningBy(Predicate<? super T> predicate,Collector<? super T, A, D> downstream)：根据predicate表达式，以根据流内容进行分片
网友评论