本文實例講述了Java 8 Stream 的終極技巧――Collectors 功能與操作方法。分享給大家供大家參考，具體如下：
昨天在 Collection移除元素操作 相關的文章中提到了 Collectors 。相信很多同學對這個比較感興趣，那我們今天就來研究一下 Collectors 。
Collectors 是 Java 8 加入的操作類，位於 java.util.stream 包下。它會根據不同的策略將元素收集歸納起來，比如最簡單常用的是將元素裝入Map、Set、List 等可變容器中。特別對於 Java 8 Stream Api 來說非常有用。它提供了collect() 方法來對 Stream 流進行終結操作派生出基於各種策略的結果集。我們就藉助於 Stream 來熟悉一下 Collectors 吧。我們依然用昨天的例子：
Listservers = new ArrayList<>(); servers.add("Felordcn"); servers.add("Tomcat"); servers.add("Jetty"); servers.add("Undertow"); servers.add("Resin");
Collectors 提供了一系列的靜態方法供我們使用，通常情況我們靜態導入即可使用。接下來我們來看看都提供了哪些方法吧。
這是一個系列，作用是將元素分別歸納進可變容器 List、Map、Set、Collection 或者ConcurrentMap 。
Collectors.toList(); Collectors.toMap(); Collectors.toSet(); Collectors.toCollection(); Collectors.toConcurrentMap();
我們可以根據以上提供的 API 使用 Stream 的 collect 方法中的轉換為熟悉的集合容器。非常簡單這裡不再演示。
將元素以某種規則連接起來。該方法有三種重載 joining(CharSequence delimiter) 和 joining(CharSequence delimiter,CharSequence prefix,CharSequence suffix)
// 輸出 FelordcnTomcatJettyUndertowResin servers.stream().collect(Collectors.joining()); // 輸出 Felordcn,Tomcat,Jetty,Undertow,Resin servers.stream().collect(Collectors.joining("," )); // 輸出 [Felordcn,Tomcat,Jetty,Undertow,Resin] servers.stream().collect(Collectors.joining(",", "[", "]"));
用的比較多的是讀取 HttpServletRequest 中的 body ：
HttpServletRequest.getReader().lines().collect(Collectors.joining());
該方法先執行了一個歸納操作，然後再對歸納的結果進行 Function 函數處理輸出一個新的結果。
// 比如我們將servers joining 然後轉成大寫，結果為： FELORDCN,TOMCAT,JETTY,UNDERTOW,RESIN servers.stream.collect(Collectors.collectingAndThen(Collectors.joining(","), String::toUpperCase));
按照條件對元素進行分組，和 SQL 中的 group by 用法有異曲同工之妙，通常也建議使用 Java 進行分組處理以減輕數據庫壓力。groupingBy 也有三個重載方法
我們將 servers 按照長度進行分組:
// 按照字符串長度進行分組 符合條件的元素將組成一個 List 映射到以條件長度為key 的 Map<Integer, List> 中 servers.stream.collect(Collectors.groupingBy(String::length))
如果我不想 Map 的 value 為 List 怎麼辦？ 上面的實現實際上調用了下面的方式：
//Map<Integer, Set> servers.stream.collect(Collectors.groupingBy(String::length, Collectors.toSet()))
我要考慮同步安全問題怎麼辦？ 當然使用線程安全的同步容器啊，那前兩種都用不成了吧！ 別急！ 我們來推斷一下，其實第二種等同於下面的寫法:
Supplier<Map<Integer,Set>> mapSupplier = HashMap::new; Map<Integer,Set> collect = servers.stream.collect(Collectors.groupingBy(String::length, mapSupplier, Collectors.toSet()));
這就非常好辦了，我們提供一個同步 Map 不就行了，於是問題解決了：
Supplier<Map<Integer, Set>> mapSupplier = () -> Collections.synchronizedMap(new HashMap<>()); Map<Integer, Set> collect = servers.stream.collect(Collectors.groupingBy(String::length, mapSupplier, Collectors.toSet()));
其實同步安全問題 Collectors 的另一個方法 groupingByConcurrent 給我們提供瞭解決方案。用法和 groupingBy 差不多。
partitioningBy 我們在本文開頭的提到的文章中已經見識過了，可以看作 groupingBy 的一個特例，基於斷言（Predicate）策略分組。這裡不再舉例說明。
該方法歸納元素的的數量，非常簡單，不再舉例說明。
這兩個方法分別提供了查找大小元素的操作，它們基於比較器接口 Comparator 來比較 ，返回的是一個 Optional 對象。 我們來獲取 servers 中最小長度的元素:
// Jetty Optionalmin = servers.stream.collect(Collectors.minBy(Comparator.comparingInt(String::length)));
這裡其實 Resin 長度也是最小，這裡遵循了 "先入為主" 的原則 。當然 Stream.min() 可以很方便的獲取最小長度的元素。maxBy 同樣的道理。
用來做累加計算。計算元素某個屬性的總和,類似 Mysql 的 sum 函數，比如計算各個項目的盈利總和、計算本月的全部工資總和等等。我們這裡就計算一下 servers 中字符串的長度之和 （為了舉例不考慮其它寫法）。
// 總長度 32 servers.stream.collect(Collectors.summingInt(s -> s.length()));
如果我們對 3.6章節-3.8章節 的操作結果都要怎麼辦？難不成我們搞5個 Stream 流嗎？ 所以就有了 summarizingInt、summarizingDouble、summarizingLong 三個方法。
這三個方法通過對元素某個屬性的提取，會返回對元素該屬性的統計數據對象，分別對應 IntSummaryStatistics、DoubleSummaryStatistics、LongSummaryStatistics。我們對 servers 中元素的長度進行統計：
DoubleSummaryStatistics doubleSummaryStatistics = servers.stream.collect(Collectors.summarizingDouble(String::length)); // {count=5, sum=32.000000, min=5.000000, average=6.400000, max=8.000000} System.out.println("doubleSummaryStatistics.toString() = " + doubleSummaryStatistics.toString());
結果 DoubleSummaryStatistics 中包含了 總數，總和，最小值，最大值，平均值 五個指標。
該方法是先對元素使用 Function 進行再加工操作，然後用另一個Collector 歸納。比如我們先去掉 servers 中元素的首字母，然後將它們裝入 List 。
// [elordcn, omcat, etty, ndertow, esin] servers.stream.collect(Collectors.mapping(s -> s.substring(1), Collectors.toList()));
有點類似 Stream 先進行了 map 操作再進行 collect ：
servers.stream.map(s -> s.substring(1)).collect(Collectors.toList());
這個方法非常有用！但是如果要了解這個就必須瞭解其參數 BinaryOperator 。 這是一個函數式接口，是給兩個相同類型的量，返回一個跟這兩個量相同類型的一個結果，偽表達式為 (T,T) -> T。默認給了兩個實現 maxBy 和 minBy ，根據比較器來比較大小並分別返回最大值或者最小值。當然你可以靈活定製。然後 reducing 就很好理解了，元素兩兩之間進行比較根據策略淘汰一個，隨著輪次的進行元素個數就是 reduce 的。那這個有什麼用處呢？ Java 官方給了一個例子：統計每個城市個子最高的人。
ComparatorbyHeight = Comparator.comparing(Person::getHeight); Map<String, Optional> tallestByCity = people.stream() .collect(Collectors.groupingBy(Person::getCity, Collectors.reducing(BinaryOperator.maxBy(byHeight))));
結合最開始給的例子你可以使用 reducing 找出最長的字符串試試。
上面這一層是根據 Height 屬性找最高的 Person ，而且如果這個屬性沒有初始化值或者沒有數據，很有可能拿不到結果所以給出的是 Optional。 如果我們給出了 identity 作一個基準值，那麼我們首先會跟這個基準值進行 BinaryOperator 操作。
比如我們給出高於 2 米 的人作為 identity。 我們就可以統計每個城市不低於 2 米 而且最高的那個人，當然如果該城市沒有人高於 2 米則返回基準值identity ：
ComparatorbyHeight = Comparator.comparing(Person::getHeight); Person identity= new Person(); identity.setHeight(2.); identity.setName("identity"); Mapcollect = persons.stream() .collect(Collectors.groupingBy(Person::getCity, Collectors.reducing(identity, BinaryOperator.maxBy(byHeight))));
這時候就確定一定會返回一個 Person 了，最起碼會是基準值identity 不再是 Optional 。
還有些情況，我們想在 reducing 的時候把 Person 的身高先四捨五入一下。這就需要我們做一個映射處理。定義一個 Function mapper 來幹這個活。那麼上面的邏輯就可以變更為：
ComparatorbyHeight = Comparator.comparing(Person::getHeight); Person identity = new Person(); identity.setHeight(2.); identity.setName("identity"); // 定義映射 處理 四捨五入 Functionmapper = ps -> { Double height = ps.getHeight(); BigDecimal decimal = new BigDecimal(height); Double d = decimal.setScale(1, BigDecimal.ROUND_HALF_UP).doubleValue(); ps.setHeight(d); return ps; }; Mapcollect = persons.stream() .collect(Collectors.groupingBy(Person::getCity, Collectors.reducing(identity, mapper, BinaryOperator.maxBy(byHeight))));
今天我們對 Java 8 中的 Collectors 進行了詳細的講解。如果你熟悉了 Collectors 操作 Stream 會更加得心應手。當然在 Java 8 之後的 Java 9 和 Java 12 中 Collectors 都有新增的功能， 後面有時間我們會繼續進行講解。敬請關注！
[madbeef ] Java 8 Stream 的終極技巧――Collectors 功能與操作方法詳解已經有240次圍觀