點波關注不迷路，一鍵三連好運連連！

先貼上幾個案例，水平高超的同學可以挑戰一下：

從員工集合中篩選出salary大于8000的員工，并放置到新的集合里。

統計員工的最高薪資、平均薪資、薪資之和。

將員工按薪資從高到低排序，同樣薪資者年齡小者在前。

將員工按性別分類，將員工按性別和地區分類，將員工按薪資是否高于8000分為兩部分。

用傳統的迭代處理也不是很難，但代碼就顯得冗余了，跟Stream相比高下立判。

1 Stream概述

Java 8 是一個非常成功的版本，這個版本新增的Stream，配合同版本出現的 Lambda ，給我們操作集合(Collection)提供了極大的便利。

那么什么是Stream？

Stream將要處理的元素集合看作一種流，在流的過程中，借助Stream API對流中的元素進行操作，比如：篩選、排序、聚合等。

Stream可以由數組或集合創建，對流的操作分為兩種：

中間操作，每次返回一個新的流，可以有多個。

終端操作，每個流只能進行一次終端操作，終端操作結束后流無法再次使用。終端操作會產生一個新的集合或值。

另外，Stream有幾個特性：

stream不存儲數據，而是按照特定的規則對數據進行計算，一般會輸出結果。

stream不會改變數據源，通常情況下會產生一個新的集合或一個值。

stream具有延遲執行特性，只有調用終端操作時，中間操作才會執行。

2 Stream的創建

Stream可以通過集合數組創建。

1、通過 java.util.Collection.stream() 方法用集合創建流

List list = Arrays.asList("a", "b", "c");

// 創建一個順序流

Stream stream = list.stream();

// 創建一個并行流

Stream parallelStream = list.parallelStream();

2、使用java.util.Arrays.stream(T[] array)方法用數組創建流

int[] array={1,3,5,6,8};

IntStream stream = Arrays.stream(array);

3、使用Stream的靜態方法：of()、iterate()、generate()

Stream stream = Stream.of(1, 2, 3, 4, 5, 6);

Stream stream2 = Stream.iterate(0, (x) -> x + 3).limit(4);

stream2.forEach(System.out::println); // 0 2 4 6 8 10

Stream stream3 = Stream.generate(Math::random).limit(3);

stream3.forEach(System.out::println);

輸出結果：

0 3 6 9

0.6796156909271994

0.1914314208854283

0.8116932592396652

stream和parallelStream的簡單區分： stream是順序流，由主線程按順序對流執行操作，而parallelStream是并行流，內部以多線程并行執行的方式對流進行操作，但前提是流中的數據處理沒有順序要求。例如篩選集合中的奇數，兩者的處理不同之處：

如果流中的數據量足夠大，并行流可以加快處速度。

除了直接創建并行流，還可以通過parallel()把順序流轉換成并行流：

Optional findFirst = list.stream().parallel().filter(x->x>6).findFirst();

3 Stream的使用

在使用stream之前，先理解一個概念：Optional 。

Optional類是一個可以為null的容器對象。如果值存在則isPresent()方法會返回true，調用get()方法會返回該對象。

更詳細說明請見：菜鳥教程Java 8 Optional類

接下來，大批代碼向你襲來！我將用20個案例將Stream的使用整得明明白白，只要跟著敲一遍代碼，就能很好地掌握。

案例使用的員工類

這是后面案例中使用的員工類：

List personList = new ArrayList();

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; // 薪資

private int age; // 年齡

private String sex; //性別

private String area; // 地區

// 構造方法

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，請自行添加

}

3.1 遍歷/匹配(foreach/find/match)

Stream也是支持類似集合的遍歷和匹配元素的，只是Stream中的元素是以Optional類型存在的。Stream的遍歷、匹配非常簡單。

// import已省略，請自行添加，后面代碼亦是

public class StreamTest {

public static void main(String[] args) {

List list = Arrays.asList(7, 6, 9, 3, 8, 2, 1);

// 遍歷輸出符合條件的元素

list.stream().filter(x -> x > 6).forEach(System.out::println);

// 匹配第一個

Optional findFirst = list.stream().filter(x -> x > 6).findFirst();

// 匹配任意(適用于并行流)

Optional findAny = list.parallelStream().filter(x -> x > 6).findAny();

// 是否包含符合特定條件的元素

boolean anyMatch = list.stream().anyMatch(x -> x < 6);

System.out.println("匹配第一個值：" + findFirst.get());

System.out.println("匹配任意一個值：" + findAny.get());

System.out.println("是否存在大于6的值：" + anyMatch);

}

}

3.2 篩選(filter)

篩選，是按照一定的規則校驗流中的元素，將符合條件的元素提取到新的流中的操作。

案例一：篩選出Integer集合中大于7的元素，并打印出來

public class StreamTest {

public static void main(String[] args) {

List list = Arrays.asList(6, 7, 3, 8, 1, 2, 9);

Stream stream = list.stream();

stream.filter(x -> x > 7).forEach(System.out::println);

}

}

預期結果：

8 9

案例二： 篩選員工中工資高于8000的人，并形成新的集合。 形成新集合依賴collect(收集)，后文有詳細介紹。

public class StreamTest {

public static void main(String[] args) {

List personList = new ArrayList();

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 fiterList = personList.stream().filter(x -> x.getSalary() > 8000).map(Person::getName)

.collect(Collectors.toList());

System.out.print("高于8000的員工姓名：" + fiterList);

}

}

運行結果：

高于8000的員工姓名：[Tom, Anni, Owen]

3.3 聚合(max/min/count)

max、min、count這些字眼你一定不陌生，沒錯，在mysql中我們常用它們進行數據統計。Java stream中也引入了這些概念和用法，極大地方便了我們對集合、數組的數據統計工作。

案例一：獲取String集合中最長的元素。

public class StreamTest {

public static void main(String[] args) {

List list = Arrays.asList("adnm", "admmt", "pot", "xbangd", "weoujgsd");

Optional max = list.stream().max(Comparator.comparing(String::length));

System.out.println("最長的字符串：" + max.get());

}

}

輸出結果：

最長的字符串：weoujgsd

案例二：獲取Integer集合中的最大值。

public class StreamTest {

public static void main(String[] args) {

List list = Arrays.asList(7, 6, 9, 4, 11, 6);

// 自然排序

Optional max = list.stream().max(Integer::compareTo);

// 自定義排序

Optional max2 = list.stream().max(new Comparator() {

@Override

public int compare(Integer o1, Integer o2) {

return o1.compareTo(o2);

}

});

System.out.println("自然排序的最大值：" + max.get());

System.out.println("自定義排序的最大值：" + max2.get());

}

}

輸出結果：

自然排序的最大值：11

自定義排序的最大值：11

案例三：獲取員工工資最高的人。

public class StreamTest {

public static void main(String[] args) {

List personList = new ArrayList();

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"));

Optional max = personList.stream().max(Comparator.comparingInt(Person::getSalary));

System.out.println("員工工資最大值：" + max.get().getSalary());

}

}

輸出結果：

員工工資最大值：9500

案例四：計算Integer集合中大于6的元素的個數。

import java.util.Arrays;

import java.util.List;

public class StreamTest {

public static void main(String[] args) {

List list = Arrays.asList(7, 6, 4, 8, 2, 11, 9);

long count = list.stream().filter(x -> x > 6).count();

System.out.println("list中大于6的元素個數：" + count);

}

}

輸出結果：

list中大于6的元素個數：4

3.4 映射(map/flatMap)

映射，可以將一個流的元素按照一定的映射規則映射到另一個流中。分為map和flatMap：

map：接收一個函數作為參數，該函數會被應用到每個元素上，并將其映射成一個新的元素。

flatMap：接收一個函數作為參數，將流中的每個值都換成另一個流，然后把所有流連接成一個流。

案例一：英文字符串數組的元素全部改為大寫。整數數組每個元素+3。

public class StreamTest {

public static void main(String[] args) {

String[] strArr = { "abcd", "bcdd", "defde", "fTr" };

List strList = Arrays.stream(strArr).map(String::toUpperCase).collect(Collectors.toList());

List intList = Arrays.asList(1, 3, 5, 7, 9, 11);

List intListNew = intList.stream().map(x -> x + 3).collect(Collectors.toList());

System.out.println("每個元素大寫：" + strList);

System.out.println("每個元素+3：" + intListNew);

}

}

輸出結果：

每個元素大寫：[ABCD, BCDD, DEFDE, FTR]

每個元素+3：[4, 6, 8, 10, 12, 14]

案例二：將員工的薪資全部增加1000。

public class StreamTest {

public static void main(String[] args) {

List personList = new ArrayList();

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"));

// 不改變原來員工集合的方式

List personListNew = personList.stream().map(person -> {

Person personNew = new Person(person.getName(), 0, 0, null, null);

personNew.setSalary(person.getSalary() + 10000);

return personNew;

}).collect(Collectors.toList());

System.out.println("一次改動前：" + personList.get(0).getName() + "-->" + personList.get(0).getSalary());

System.out.println("一次改動后：" + personListNew.get(0).getName() + "-->" + personListNew.get(0).getSalary());

// 改變原來員工集合的方式

List personListNew2 = personList.stream().map(person -> {

person.setSalary(person.getSalary() + 10000);

return person;

}).collect(Collectors.toList());

System.out.println("二次改動前：" + personList.get(0).getName() + "-->" + personListNew.get(0).getSalary());

System.out.println("二次改動后：" + personListNew2.get(0).getName() + "-->" + personListNew.get(0).getSalary());

}

}

輸出結果：

一次改動前：Tom–>8900

一次改動后：Tom–>18900

二次改動前：Tom–>18900

二次改動后：Tom–>18900

案例三：將兩個字符數組合并成一個新的字符數組。

public class StreamTest {

public static void main(String[] args) {

List list = Arrays.asList("m,k,l,a", "1,3,5,7");

List listNew = list.stream().flatMap(s -> {

// 將每個元素轉換成一個stream

String[] split = s.split(",");

Stream s2 = Arrays.stream(split);

return s2;

}).collect(Collectors.toList());

System.out.println("處理前的集合：" + list);

System.out.println("處理后的集合：" + listNew);

}

}

輸出結果：

處理前的集合：[m-k-l-a, 1-3-5]

處理后的集合：[m, k, l, a, 1, 3, 5]

3.5 歸約(reduce)

歸約，也稱縮減，顧名思義，是把一個流縮減成一個值，能實現對集合求和、求乘積和求最值操作。

案例一：求Integer集合的元素之和、乘積和最大值。

public class StreamTest {

public static void main(String[] args) {

List list = Arrays.asList(1, 3, 2, 8, 11, 4);

// 求和方式1

Optional sum = list.stream().reduce((x, y) -> x + y);

// 求和方式2

Optional sum2 = list.stream().reduce(Integer::sum);

// 求和方式3

Integer sum3 = list.stream().reduce(0, Integer::sum);

// 求乘積

Optional product = list.stream().reduce((x, y) -> x * y);

// 求最大值方式1

Optional max = list.stream().reduce((x, y) -> x > y ? x : y);

// 求最大值寫法2

Integer max2 = list.stream().reduce(1, Integer::max);

System.out.println("list求和：" + sum.get() + "," + sum2.get() + "," + sum3);

System.out.println("list求積：" + product.get());

System.out.println("list求和：" + max.get() + "," + max2);

}

}

輸出結果：

list求和：29,29,29

list求積：2112

list求和：11,11

案例二：求所有員工的工資之和和最高工資。

public class StreamTest {

public static void main(String[] args) {

List personList = new ArrayList();

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"));

// 求工資之和方式1：

Optional sumSalary = personList.stream().map(Person::getSalary).reduce(Integer::sum);

// 求工資之和方式2：

Integer sumSalary2 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(),

(sum1, sum2) -> sum1 + sum2);

// 求工資之和方式3：

Integer sumSalary3 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(), Integer::sum);

// 求最高工資方式1：

Integer maxSalary = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(),

Integer::max);

// 求最高工資方式2：

Integer maxSalary2 = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(),

(max1, max2) -> max1 > max2 ? max1 : max2);

System.out.println("工資之和：" + sumSalary.get() + "," + sumSalary2 + "," + sumSalary3);

System.out.println("最高工資：" + maxSalary + "," + maxSalary2);

}

}

輸出結果：

工資之和：49300,49300,49300

最高工資：9500,9500

3.6 收集(collect)

collect，收集，可以說是內容最繁多、功能最豐富的部分了。從字面上去理解，就是把一個流收集起來，最終可以是收集成一個值也可以收集成一個新的集合。

collect主要依賴java.util.stream.Collectors類內置的靜態方法。

3.6.1 歸集(toList/toSet/toMap)

因為流不存儲數據，那么在流中的數據完成處理后，需要將流中的數據重新歸集到新的集合里。toList、toSet和toMap比較常用，另外還有toCollection、toConcurrentMap等復雜一些的用法。

下面用一個案例演示toList、toSet和toMap：

public class StreamTest {

public static void main(String[] args) {

List list = Arrays.asList(1, 6, 3, 4, 6, 7, 9, 6, 20);

List listNew = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toList());

Set set = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toSet());

List personList = new ArrayList();

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"));

Map, Person> map = personList.stream().filter(p -> p.getSalary() > 8000)

.collect(Collectors.toMap(Person::getName, p -> p));

System.out.println("toList:" + listNew);

System.out.println("toSet:" + set);

System.out.println("toMap:" + map);

}

}

運行結果：

toList：[6, 4, 6, 6, 20]

toSet：[4, 20, 6]

toMap：{Tom=mutest.Person@5fd0d5ae, Anni=mutest.Person@2d98a335}

3.6.2 統計(count/averaging)

Collectors提供了一系列用于數據統計的靜態方法：

計數：count

平均值：averagingInt、averagingLong、averagingDouble

最值：maxBy、minBy

求和：summingInt、summingLong、summingDouble

統計以上所有：summarizingInt、summarizingLong、summarizingDouble

案例：統計員工人數、平均工資、工資總額、最高工資。

public class StreamTest {

public static void main(String[] args) {

List personList = new ArrayList();

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"));

// 求總數

Long count = personList.stream().collect(Collectors.counting());

// 求平均工資

Double average = personList.stream().collect(Collectors.averagingDouble(Person::getSalary));

// 求最高工資

Optional max = personList.stream().map(Person::getSalary).collect(Collectors.maxBy(Integer::compare));

// 求工資之和

Integer sum = personList.stream().collect(Collectors.summingInt(Person::getSalary));

// 一次性統計所有信息

DoubleSummaryStatistics collect = personList.stream().collect(Collectors.summarizingDouble(Person::getSalary));

System.out.println("員工總數：" + count);

System.out.println("員工平均工資：" + average);

System.out.println("員工工資總和：" + sum);

System.out.println("員工工資所有統計：" + collect);

}

}

運行結果：

員工總數：3

員工平均工資：7900.0

員工工資總和：23700

員工工資所有統計：DoubleSummaryStatistics{count=3, sum=23700.000000,min=7000.000000, average=7900.000000, max=8900.000000}

3.6.3 分組(partitioningBy/groupingBy)

分區：將stream按條件分為兩個Map，比如員工按薪資是否高于8000分為兩部分。

分組：將集合分為多個Map，比如員工按性別分組。有單級分組和多級分組。

案例：將員工按薪資是否高于8000分為兩部分；將員工按性別和地區分組

public class StreamTest {

public static void main(String[] args) {

List personList = new ArrayList();

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"));

// 將員工按薪資是否高于8000分組

Map> part = personList.stream().collect(Collectors.partitioningBy(x -> x.getSalary() > 8000));

// 將員工按性別分組

Map> group = personList.stream().collect(Collectors.groupingBy(Person::getSex));

// 將員工先按性別分組，再按地區分組

Map>> group2 = personList.stream().collect(Collectors.groupingBy(Person::getSex, Collectors.groupingBy(Person::getArea)));

System.out.println("員工按薪資是否大于8000分組情況：" + part);

System.out.println("員工按性別分組情況：" + group);

System.out.println("員工按性別、地區：" + group2);

}

}

輸出結果：

員工按薪資是否大于8000分組情況：{false=[mutest.Person@2d98a335, mutest.Person@16b98e56, mutest.Person@7ef20235], true=[mutest.Person@27d6c5e0, mutest.Person@4f3f5b24, mutest.Person@15aeb7ab]}

員工按性別分組情況：{female=[mutest.Person@16b98e56, mutest.Person@4f3f5b24, mutest.Person@7ef20235], male=[mutest.Person@27d6c5e0, mutest.Person@2d98a335, mutest.Person@15aeb7ab]}

員工按性別、地區：{female={New York=[mutest.Person@4f3f5b24, mutest.Person@7ef20235], Washington=[mutest.Person@16b98e56]}, male={New York=[mutest.Person@27d6c5e0, mutest.Person@15aeb7ab], Washington=[mutest.Person@2d98a335]}}

3.6.4 接合(joining)

joining可以將stream中的元素用特定的連接符(沒有的話，則直接連接)連接成一個字符串。

public class StreamTest {

public static void main(String[] args) {

List personList = new ArrayList();

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(","));

System.out.println("所有員工的姓名：" + names);

List list = Arrays.asList("A", "B", "C");

String string = list.stream().collect(Collectors.joining("-"));

System.out.println("拼接后的字符串：" + string);

}

}

運行結果：

所有員工的姓名：Tom,Jack,Lily

拼接后的字符串：A-B-C

3.6.5 歸約(reducing)

Collectors類提供的reducing方法，相比于stream本身的reduce方法，增加了對自定義歸約的支持。

public class StreamTest {

public static void main(String[] args) {

List personList = new ArrayList();

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"));

// 每個員工減去起征點后的薪資之和(這個例子并不嚴謹，但一時沒想到好的例子)

Integer sum = personList.stream().collect(Collectors.reducing(0, Person::getSalary, (i, j) -> (i + j - 5000)));

System.out.println("員工扣稅薪資總和：" + sum);

// stream的reduce

Optional sum2 = personList.stream().map(Person::getSalary).reduce(Integer::sum);

System.out.println("員工薪資總和：" + sum2.get());

}

}

運行結果：

員工扣稅薪資總和：8700

員工薪資總和：23700

3.7 排序(sorted)

sorted，中間操作。有兩種排序：

sorted()：自然排序，流中元素需實現Comparable接口

sorted(Comparator com)：Comparator排序器自定義排序

案例：將員工按工資由高到低(工資一樣則按年齡由大到小)排序

public class StreamTest {

public static void main(String[] args) {

List personList = new ArrayList();

personList.add(new Person("Sherry", 9000, 24, "female", "New York"));

personList.add(new Person("Tom", 8900, 22, "male", "Washington"));

personList.add(new Person("Jack", 9000, 25, "male", "Washington"));

personList.add(new Person("Lily", 8800, 26, "male", "New York"));

personList.add(new Person("Alisa", 9000, 26, "female", "New York"));

// 按工資升序排序(自然排序)

List newList = personList.stream().sorted(Comparator.comparing(Person::getSalary)).map(Person::getName)

.collect(Collectors.toList());

// 按工資倒序排序

List newList2 = personList.stream().sorted(Comparator.comparing(Person::getSalary).reversed())

.map(Person::getName).collect(Collectors.toList());

// 先按工資再按年齡升序排序

List newList3 = personList.stream()

.sorted(Comparator.comparing(Person::getSalary).thenComparing(Person::getAge)).map(Person::getName)

.collect(Collectors.toList());

// 先按工資再按年齡自定義排序(降序)

List newList4 = personList.stream().sorted((p1, p2) -> {

if (p1.getSalary() == p2.getSalary()) {

return p2.getAge() - p1.getAge();

} else {

return p2.getSalary() - p1.getSalary();

}

}).map(Person::getName).collect(Collectors.toList());

System.out.println("按工資升序排序：" + newList);

System.out.println("按工資降序排序：" + newList2);

System.out.println("先按工資再按年齡升序排序：" + newList3);

System.out.println("先按工資再按年齡自定義降序排序：" + newList4);

}

}

運行結果：

按工資自然排序：[Lily, Tom, Sherry, Jack, Alisa]

按工資降序排序：[Sherry, Jack, Alisa,Tom, Lily]

先按工資再按年齡自然排序：[Sherry, Jack, Alisa, Tom, Lily]

先按工資再按年齡自定義降序排序：[Alisa, Jack, Sherry, Tom, Lily]

3.8 提取/組合

流也可以進行合并、去重、限制、跳過等操作。

public class StreamTest {

public static void main(String[] args) {

String[] arr1 = { "a", "b", "c", "d" };

String[] arr2 = { "d", "e", "f", "g" };

Stream stream1 = Stream.of(arr1);

Stream stream2 = Stream.of(arr2);

// concat:合并兩個流 distinct：去重

List newList = Stream.concat(stream1, stream2).distinct().collect(Collectors.toList());

// limit：限制從流中獲得前n個數據

List collect = Stream.iterate(1, x -> x + 2).limit(10).collect(Collectors.toList());

// skip：跳過前n個數據

List collect2 = Stream.iterate(1, x -> x + 2).skip(1).limit(5).collect(Collectors.toList());

System.out.println("流合并：" + newList);

System.out.println("limit：" + collect);

System.out.println("skip：" + collect2);

}

}

運行結果：

流合并：[a, b, c, d, e, f, g]

limit：[1, 3, 5, 7, 9, 11, 13, 15, 17, 19]

skip：[3, 5, 7, 9, 11]

4 Stream源碼解讀

這部分等有時間慢慢分解吧。

好，以上就是全部內容，能堅持看到這里，你一定很有收獲，那么動一動拿offer的小手，點個贊再走吧。

總結

以上是生活随笔為你收集整理的stream 过滤俩个字段_Java8 Stream：2万字20个实例，玩转集合的筛选、归约、分组、聚合...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。