phpstrarray技巧_常用Lambda 表达式

左侧：指定Lambda表达式须要的所有参数；

右侧：指定了Lambda体，即Lambda表达式要实行的功能。

语法格式一：无参，无返回值，Lambda体只须要一条语句

Runnable runnable = () -> System.out.println("Hello World");runnable.run();

语法格式二：Lambda有一个参数，且无返回值

Consumer<String> com = (x) -> System.out.println(x);com.accept("Hello World");

语法格式三：Lambda有一个参数，参数的小括号可以省略

Consumer<String> com = x -> System.out.println(x);com.accept("Hello World");

语法格式四：Lambda有2个参数，并且有返回值，多条语句时必须加上{}

BinaryOperator<Integer> bi = (x, y) -> {System.out.println("加法"); return x + y;};Integer apply = bi.apply(23, 45);System.out.println(apply);

语法格式五：当Lambda体只有一条语句时，return与大括号可以省略

语法格式六：Lambda的参数列表的类型可以不写，JVM编辑器可以通过高下文进行”类型推断“

BinaryOperator<Integer> bi = (x, y) -> x + y;System.out.println(bi.apply(20, 30));函数式接口

只包含一个抽象方法的接口，称为函数式接口。

可以在任意函数式接口上利用@FunctionalInterface表明，这样可以检讨此接口是否是一个函数式接口，同时javadoc也会包含一条声明，解释这是一个函数式接口。

@FunctionalInterfacepublic interface ICalculate { //有且只有一个抽象函数 int calculate(int x, int y); //可以有默认方法 default void print(int x, int y) { System.out.println(String.format("[x:%d,y:%d]", x, y)); } //可以有静态方法 static int addition(int x, int y) { return x + y; } public static void main(String[] args) { ICalculate c = (x, y) -> 100 x + 10 y; System.out.println(c.calculate(5, 6)); }}

##利用场所

//jdk1.8之前 new Thread(new Runnable() { @Override public void run() { System.out.println("jdk1.8 befare"); } }).start(); System.out.println("============================="); //jdk1.8 new Thread(() -> System.out.println("jdk1.8 lambda")).start();2、对凑集进行迭代

List<String> dict = Arrays.asList("java", "C#", "PHP", "C++"); //jdk1.8之前 for (String lang : dict){ System.out.println(lang); } System.out.println("============================="); //jdk1.8 //dict.forEach(lang -> System.out.println(lang)); dict.forEach(System.out::println);3、对凑集进行过滤

jdk1.8之前

//定义过滤接口public interface FilterProcessor<T> { boolean process(T t);}//实现filter函数public class Filter<T> { List<T> filter(List<T>list, FilterProcessor fp){ List<T> result = new ArrayList<T>(); for (T t : list){ if (fp.process(t)) result.add(t); } return result; }}//利用匿名内部类实现过滤List<Integer> cost = Arrays.asList(1, 3, 5, 6, 7, 10, 20, 100); List<Integer> beferFilterCost = new Filter().filter(cost, new FilterProcessor<Integer>() { @Override public boolean process(Integer i) { if (i > 5) return true; return false; } }); beferFilterCost.forEach(System.out::println);

jdk1.8

List<Integer> cost = Arrays.asList(1, 3, 5, 6, 7, 10, 20, 100); List<Integer> filterCost = cost.stream().filter(x -> x > 5).collect(Collectors.toList()); filterCost.forEach(System.out::println);4、实现map

map函数可以说是函数式编程里最主要的一个方法了。
map的浸染是将一个工具变换为其余一个。

//将cost增加了0,05倍的大小然后输出List<Double> cost = Arrays.asList(10.0, 20.0,30.0);cost.stream().map(x -> x + x0.05).forEach(x -> System.out.println(x));5、实现reduce

reduce实现的是将所有值合并为一个

jdk1.8之前

List<Double> cost = Arrays.asList(10.0, 20.0,30.0);double sum = 0;for(double each:cost) {each += each 0.05; sum += each;}System.out.println(sum);

jdk1.8

List<Double> cost = Arrays.asList(10.0, 20.0,30.0); double allCost = cost.stream().map(x -> x+x0.05).reduce((sum,x) -> sum + x).get(); System.out.println(allCost);6、与函数式接口Predicate合营

除了在措辞层面支持函数式编程风格，Java 8也添加了一个包，叫做java.util.function。
它包含了很多类，用来支持Java的函数式编程。
个中一个便是Predicate，利用 java.util.function.Predicate 函数式接口以及lambda表达式，可以向API方法添加逻辑，用更少的代码支持更多的动态行为。
Predicate接口非常适用于做过滤。

public static void filterTest(List<String> languages, Predicate<String> condition) { languages.stream().filter(x -> condition.test(x)).forEach(x -> System.out.println(x + " "));}public static void main(String[] args) { List<String> languages = Arrays.asList("Java","Python","scala","Shell","R"); System.out.println("Language starts with J: "); filterTest(languages,x -> x.startsWith("J")); System.out.println("\nLanguage ends with a: "); filterTest(languages,x -> x.endsWith("a")); System.out.println("\nAll languages: "); filterTest(languages,x -> true); System.out.println("\nNo languages: "); filterTest(languages,x -> false); System.out.println("\nLanguage length bigger three: "); filterTest(languages,x -> x.length() > 4);}StreamStream定义

Java 8 中的 Stream 是对凑集（Collection）工具功能的增强，它专注于对凑集工具进行各种非常便利、高效的聚合操作（aggregate operation），或者大批量数据操作 (bulk data operation)。

Stream API 借助于同样新涌现的 Lambda 表达式，极大的提高编程效率和程序可读性。

同时它供应串行和并行两种模式进行汇聚操作，并发模式能够充分利用多核处理器的上风，利用 fork/join 并行办法来拆分任务和加速处理过程。

Stream 不是凑集元素，它不是数据构造并不保存数据，它是有关算法和打算的，它更像一个高等版本的 Iterator。

Stream 就如同一个迭代器（Iterator），单向，不可往来来往，数据只能遍历一次，遍历过一次后即用尽了，就好比流水从面前流过，一去不复返。

而和迭代器又不同的是，Stream 可以并行化操作，迭代器只能命令式地、串行化操作。

Stream 的其余一大特点是，数据源本身可以是无限的。

stream的构成

当我们利用一个流的时候，常日包括三个基本步骤：

获取一个数据源（source）→ 数据转换→实行操作获取想要的结果，每次转换原有 Stream 工具不改变，返回一个新的 Stream 工具（可以有多次转换），这就许可对其操作可以像链条一样排列，变成一个管道。


有多种办法天生 Stream Source：

stream操作类型分为两种：

还有一种操作被称为 short-circuiting。
用以指：

stream操作示例

int sum = widgets.stream().filter(w -> w.getColor() == RED) .mapToInt(w -> w.getWeight()) .sum();

stream() 获取当前小物件的 source，filter 和 mapToInt 为 intermediate 操作，进行数据筛选和转换，末了一个 sum() 为 terminal 操作，对符合条件的全部小物件作重量求和。

大略说，对 Stream 的利用便是实现一个 filter-map-reduce 过程，产生一个终极结果，或者导致一个副浸染（side effect）。

布局stream的几种常见方法

// 1. Individual valuesStream stream = Stream.of("a", "b", "c");// 2. ArraysString [] strArray = new String[] {"a", "b", "c"};stream = Stream.of(strArray);stream = Arrays.stream(strArray);// 3. CollectionsList<String> list = Arrays.asList(strArray);stream = list.stream();

须要把稳的是，对付基本数值型，目前有三种对应的包装类型 Stream：IntStream、LongStream、DoubleStream。

当然我们也可以用 Stream、Stream >、Stream，但是 boxing 和 unboxing 会很耗时，以是特殊为这三种基本数值型供应了对应的 Stream。

数据流的布局

IntStream.of(new int[]{1, 2, 3}).forEach(System.out::println);IntStream.range(1, 3).forEach(System.out::println);IntStream.rangeClosed(1, 3).forEach(System.out::println);

stream转换为其它数据构造

// 1. ArrayString[] strArray1 = stream.toArray(String[]::new);// 2. CollectionList<String> list1 = stream.collect(Collectors.toList());List<String> list2 = stream.collect(Collectors.toCollection(ArrayList::new));Set set1 = stream.collect(Collectors.toSet());Stack stack1 = stream.collect(Collectors.toCollection(Stack::new));// 3. StringString str = stream.collect(Collectors.joining()).toString();

一个 Stream 只可以利用一次，上面的代码为了简洁而重复利用了数次。

当把一个数据构造包装成 Stream 后，就要开始对里面的元素进行各种操作了。
常见的操作可以归类如下。

转换大写

List<String> output = wordList.stream().map(String::toUpperCase).collect(Collectors.toList());

平方数

List<Integer> nums = Arrays.asList(1, 2, 3, 4);List<Integer> squareNums = nums.stream().map(n -> n n).collect(Collectors.toList());

map天生的是个 1:1 映射，每个输入元素，都按照规则转换成为其余一个元素。

一对多

Stream<List<Integer>> inputStream = Stream.of(Arrays.asList(1), Arrays.asList(2, 3), Arrays.asList(4, 5, 6));Stream<Integer> outputStream = inputStream.flatMap((childList) -> childList.stream());

flatMap把 input Stream 中的层级构造扁平化，便是将最底层元素抽出来放到一起，终极 output 的新 Stream 里面已经没有 List 了，都是直接的数字。

filter

//取偶数Integer[] sixNums = {1, 2, 3, 4, 5, 6};Integer[] evens =Stream.of(sixNums).filter(n -> n%2 == 0).toArray(Integer[]::new);/ 挑单词 把每行的单词用 flatMap 整理到新的 Stream，然后保留长度不为 0 的，便是整篇文章中的全部单词了/List<String> output = reader.lines(). flatMap(line -> Stream.of(line.split(REGEXP))). filter(word -> word.length() > 0). collect(Collectors.toList());

forEach

// Java 8roster.stream() .filter(p -> p.getGender() == Person.Sex.MALE) .forEach(p -> System.out.println(p.getName()));// Pre-Java 8for (Person p : roster) { if (p.getGender() == Person.Sex.MALE) { System.out.println(p.getName()); }}

forEach是为 Lambda而设计的，保持了最紧凑的风格。

当须要为多核系统优化时，可以parallelStream().forEach()，只是此时原有元素的次序没法担保，并行的情形下将改变串行时操作的行为，此时 forEach本身的实现不须要调度，而 Java8 以前的 for 循环 code 可能须要加入额外的多线程逻辑。

其余一点须要把稳，forEach是 terminal操作，因此它实行后，Stream 的元素就被“消费”掉了，你无法对一个 Stream 进行两次 terminal运算。
下面的代码是缺点的：

stream.forEach(element -> doOneThing(element));stream.forEach(element -> doAnotherThing(element));

相反，具有相似功能的 intermediate 操作 peek 可以达到上述目的 。

//peek 对每个元素实行操作并返回一个新的 StreamStream.of("one", "two", "three", "four") .filter(e -> e.length() > 3) .peek(e -> System.out.println("Filtered value: " + e)) .map(String::toUpperCase) .peek(e -> System.out.println("Mapped value: " + e)) .collect(Collectors.toList());

forEach不能修正自己包含确当地变量值，也不能用 break/return 之类的关键字提前结束循环。

findFirst

这是一个 termimal兼 short-circuiting 操作，它总是返回 Stream 的第一个元素，或者空。

比较重点的是它的返回值类型：Optional。
这也是一个模拟 Scala 措辞中的观点，作为一个容器，它可能含有某值，或者不包含。
利用它的目的是尽可能避免 NullPointerException。

Optional 的两个用例

String strA = " abcd ", strB = null;print(strA);print("");print(strB);getLength(strA);getLength("");getLength(strB);public static void print(String text) { // Java 8 Optional.ofNullable(text).ifPresent(System.out::println); // Pre-Java 8 if (text != null) { System.out.println(text); } }public static int getLength(String text) { // Java 8 return Optional.ofNullable(text).map(String::length).orElse(-1); // Pre-Java 8 // return if (text != null) ? text.length() : -1; };

Stream 中的 findAny、max/min、reduce等方法等返回 Optional值。
还有例如 IntStream.average() 返回 OptionalDouble等等。

reduce

这个方法的紧张浸染是把 Stream 元素组合起来。
它供应一个起始值（种子），然后依照运算规则（BinaryOperator），和前面 Stream 的第一个、第二个、第 n 个元素组合。
从这个意义上说，字符串拼接、数值的 sum、min、max、average都是分外的 reduce。

例如 Stream 的 sum 就相称于

Integer sum = integers.reduce(0, (a, b) -> a+b); //或Integer sum = integers.reduce(0, Integer::sum);

也有没有起始值的情形，这时会把 Stream 的前面两个元素组合起来，返回的是 Optional。

reduce示例

// 字符串连接，concat = "ABCD"String concat = Stream.of("A", "B", "C", "D").reduce("", String::concat); // 求最小值，minValue = -3.0double minValue = Stream.of(-1.5, 1.0, -3.0, -2.0).reduce(Double.MAX_VALUE, Double::min); // 求和，sumValue = 10, 有起始值int sumValue = Stream.of(1, 2, 3, 4).reduce(0, Integer::sum);// 求和，sumValue = 10, 无起始值sumValue = Stream.of(1, 2, 3, 4).reduce(Integer::sum).get();// 过滤，字符串连接，concat = "ace"concat = Stream.of("a", "B", "c", "D", "e", "F"). filter(x -> x.compareTo("Z") > 0). reduce("", String::concat);

limit/skip

limit返回 Stream 的前面 n 个元素；skip则是扔掉前 n 个元素（它是由一个叫 subStream的方法改名而来）。

public void testLimitAndSkip() { List<Person> persons = new ArrayList(); for (int i = 1; i <= 10000; i++) { Person person = new Person(i, "name" + i); persons.add(person); } List<String> personList2 = persons.stream(). map(Person::getName).limit(10).skip(3).collect(Collectors.toList()); System.out.println(personList2);} private class Person { public int no; private String name; public Person (int no, String name) { this.no = no; this.name = name;} public String getName() { System.out.println(name); return name; }}

有一种情形是 limit/skip 无法达到 short-circuiting目的的，便是把它们放在 Stream 的排序操作后，缘故原由跟 sorted 这个 intermediate操作有关：此时系统并不知道 Stream 排序后的次序如何，以是 sorted中的操作看上去就像完备没有被 limit或者 skip一样。

List<Person> persons = new ArrayList(); for (int i = 1; i <= 5; i++) { Person person = new Person(i, "name" + i); persons.add(person); }List<Person> personList2 = persons.stream().sorted((p1, p2) -> p1.getName().compareTo(p2.getName())).limit(2).collect(Collectors.toList());System.out.println(personList2);

输出结果

name2name1name3name2name4name3name5name4[stream.StreamDW$Person@816f27d, stream.StreamDW$Person@87aac27]

有一点须要把稳的是，对一个 parallel的 Steam 管道来说，如果其元素是有序的，那么 limit操作的本钱会比较大，由于它的返回工具必须是前 n 个也有一样次序的元素。
取而代之的策略是取消元素间的次序，或者不要用 parallel Stream。

sorted

对 Stream 的排序通过 sorted 进行，它比数组的排序更强之处在于你可以首先对 Stream 进行各种 map、filter、limit、skip 乃至 distinct 来减少元素数量后，再排序，这能帮助程序明显缩短实行韶光。

//优化：排序提高行 limit 和 skipList<Person> persons = new ArrayList(); for (int i = 1; i <= 5; i++) { Person person = new Person(i, "name" + i); persons.add(person); }List<Person> personList2 = persons.stream().limit(2).sorted((p1, p2) -> p1.getName().compareTo(p2.getName())).collect(Collectors.toList());System.out.println(personList2);

这种优化是有 business logic 上的局限性的：即不哀求排序后再取值。

min/max/distinct

min和 max的功能也可以通过对 Stream 元素先排序，再 findFirst来实现，但前者的性能会更好，为 O(n)，而 sorted的本钱是 O(n log n)。
同时它们作为分外的 reduce方法被独立出来也是由于求最大最小值是很常见的操作。

//找出最长一行的长度BufferedReader br = new BufferedReader(new FileReader("c:\\SUService.log"));int longest = br.lines(). mapToInt(String::length). max(). getAsInt();br.close();System.out.println(longest);//找出全文的单词，转小写，并排序List<String> words = br.lines(). flatMap(line -> Stream.of(line.split(" "))). filter(word -> word.length() > 0). map(String::toLowerCase). distinct(). sorted(). collect(Collectors.toList());br.close();System.out.println(words);

Match

Stream 有三个 match 方法，从语义上说：

它们都不是要遍历全部元素才能返回结果。
例如 allMatch只要一个元素不知足条件，就 skip剩下的所有元素，返回 false。

List<Person> persons = new ArrayList();persons.add(new Person(1, "name" + 1, 10));persons.add(new Person(2, "name" + 2, 21));persons.add(new Person(3, "name" + 3, 34));persons.add(new Person(4, "name" + 4, 6));persons.add(new Person(5, "name" + 5, 55));boolean isAllAdult = persons.stream(). allMatch(p -> p.getAge() > 18);System.out.println("All are adult? " + isAllAdult);boolean isThereAnyChild = persons.stream(). anyMatch(p -> p.getAge() < 12);System.out.println("Any child? " + isThereAnyChild);总结

Stream特性可归纳为：