操作 Stream

简单说下 Stream 的操作

map

Stream.map() 是 Stream 最常用的一个转换方法，它把一个 Stream 转换为另一个 Stream。

所谓 map 操作，就是把一种操作运算，映射到一个序列的每一个元素上。例如，对 x 计算它的平方，可以使用函数 f(x) = x * x。我们把这个函数映射到一个序列 1，2，3，4，5 上，就得到了另一个序列 1，4，9，16，25：

            f(x) = x * x

                  │
                  │
  ┌───┬───┬───┬───┼───┬───┬───┬───┐
  │   │   │   │   │   │   │   │   │
  ↓   ↓   ↓   ↓   ↓   ↓   ↓   ↓   ↓

[ 1   2   3   4   5   6   7   8   9 ]

  │   │   │   │   │   │   │   │   │
  │   │   │   │   │   │   │   │   │
  ↓   ↓   ↓   ↓   ↓   ↓   ↓   ↓   ↓

[ 1   4   9  16  25  36  49  64  81 ]

可见，map 操作，把一个 Stream 的每个元素一一对应到应用了目标函数的结果上。

Stream<Integer> s = Stream.of(1, 2, 3, 4, 5);
Stream<Integer> s2 = s.map(n -> n * n);

如果我们查看 Stream 的源码，会发现 map() 方法接收的对象是 Function 接口对象，它定义了一个 apply() 方法，负责把一个 T 类型转换成 R 类型：

<R> Stream<R> map(Function<? super T, ? extends R> mapper);

其中，Function 的定义是：

@FunctionalInterface
public interface Function<T, R> {
    // 将T类型转换为R:
    R apply(T t);
}

利用 map()，不但能完成数学计算，对于字符串操作，以及任何 Java 对象都是非常有用的。例如：

Arrays.asList(" Peter ", "JXL", "heLLo")
.stream()
.map(String::trim)
.map(String::toLowerCase)
.forEach(System.out::println);

通过若干步 map 转换，可以写出逻辑简单、清晰的代码。

filter

Stream.filter() 是 Stream 的另一个常用转换方法。

所谓 filter() 操作，就是对一个 Stream 的所有元素一一进行测试，不满足条件的就被“滤掉”了，剩下的满足条件的元素就构成了一个新的 Stream。

例如，我们对 1，2，3，4，5 这个 Stream 调用 filter()，传入的测试函数 f(x) = x % 2 != 0 用来判断元素是否是奇数，这样就过滤掉偶数，只剩下奇数，因此我们得到了另一个序列 1，3，5：

            f(x) = x % 2 != 0

                  │
                  │
  ┌───┬───┬───┬───┼───┬───┬───┬───┐
  │   │   │   │   │   │   │   │   │
  ↓   ↓   ↓   ↓   ↓   ↓   ↓   ↓   ↓

[ 1   2   3   4   5   6   7   8   9 ]

  │   X   │   X   │   X   │   X   │
  │       │       │       │       │
  ↓       ↓       ↓       ↓       ↓

[ 1       3       5       7       9 ]

用 IntStream 写出上述逻辑，代码如下：

IntStream.of(1,2,3,4,5,6,7,8,9)
.filter(n -> n % 2 !=0)
.forEach(System.out::println);

从结果可知，经过 filter() 后生成的 Stream 元素可能变少。

filter() 方法接收的对象是 Predicate 接口对象，它定义了一个 test() 方法，负责判断元素是否符合条件：

@FunctionalInterface
public interface Predicate<T> {
    // 判断元素t是否符合条件:
    boolean test(T t);
}

filter() 除了常用于数值外，也可应用于任何 Java 对象。例如，从一组给定的 LocalDate 中过滤掉工作日，以便得到休息日：

import java.time.*;
import java.util.function.*;
import java.util.stream.*;
public class Main {
    public static void main(String[] args) {
        Stream.generate(new LocalDateSupplier())
                .limit(31)
                .filter(ldt -> ldt.getDayOfWeek() == DayOfWeek.SATURDAY || ldt.getDayOfWeek() == DayOfWeek.SUNDAY)
                .forEach(System.out::println);
    }
}

class LocalDateSupplier implements Supplier<LocalDate> {
    LocalDate start = LocalDate.of(2020, 1, 1);
    int n = -1;
    public LocalDate get() {
        n++;
        return start.plusDays(n);
    }
}

reduce

map() 和 filter() 都是 Stream 的转换方法，而 Stream.reduce() 则是 Stream 的一个聚合方法，它可以把一个 Stream 的所有元素按照聚合函数聚合成一个结果。

我们来看一个简单的聚合方法：

import java.util.stream.*;
public class Main {
    public static void main(String[] args) {
        int sum = Stream.of(1, 2, 3, 4, 5, 6, 7, 8, 9)
                    .reduce(0, (acc, n) -> acc + n);
        System.out.println(sum); // 45
    }
}

reduce() 方法传入的对象是 BinaryOperator 接口，它定义了一个 apply() 方法，负责把上次累加的结果和本次的元素 进行运算，并返回累加的结果：

@FunctionalInterface
public interface BinaryOperator<T> {
    // Bi操作：两个输入，一个输出
    T apply(T t, T u);
}

上述代码看上去不好理解，但我们用 for 循环改写一下，就容易理解了：

Stream<Integer> stream = ...
int sum = 0;
for (n : stream) {
    sum = (sum, n) -> sum + n;
}

可见，reduce() 操作首先初始化结果为指定值（这里是 0），紧接着，reduce() 对每个元素依次调用 (acc, n) -> acc + n，其中，acc 是上次计算的结果：

// 计算过程:
acc = 0 // 初始化为指定值
acc = acc + n = 0 + 1 = 1 // n = 1
acc = acc + n = 1 + 2 = 3 // n = 2
acc = acc + n = 3 + 3 = 6 // n = 3
acc = acc + n = 6 + 4 = 10 // n = 4
acc = acc + n = 10 + 5 = 15 // n = 5
acc = acc + n = 15 + 6 = 21 // n = 6
acc = acc + n = 21 + 7 = 28 // n = 7
acc = acc + n = 28 + 8 = 36 // n = 8
acc = acc + n = 36 + 9 = 45 // n = 9

因此，实际上这个 reduce() 操作是一个求和。

如果去掉初始值，我们会得到一个 Optional<Integer>：

Optional<Integer> opt = stream.reduce((acc, n) -> acc + n);
if (opt.isPresent()) {
    System.out.println(opt.get());
}

这是因为 Stream 的元素有可能是 0 个，这样就没法调用 reduce() 的聚合函数了，因此返回 Optional 对象，需要进一步判断结果是否存在。

利用 reduce()，我们可以把求和改成求积，代码也十分简单：

import java.util.stream.*;
public class Main {
    public static void main(String[] args) {
        int s = Stream.of(1, 2, 3, 4, 5, 6, 7, 8, 9).reduce(1, (acc, n) -> acc * n);
        System.out.println(s); // 362880
    }
}

注意：计算求积时，初始值必须设置为 1。

除了可以对数值进行累积计算外，灵活运用 reduce() 也可以对 Java 对象进行操作。下面的代码演示了如何将配置文件的每一行配置通过 map() 和 reduce() 操作聚合成一个 Map<String, String>：

import java.util.*;
public class Main {
    public static void main(String[] args) {
        // 按行读取配置文件:
        List<String> props = List.of("profile=native", "debug=true", "logging=warn", "interval=500");
        Map<String, String> map = props.stream()
                // 把k=v转换为Map[k]=v:
                .map(kv -> {
                    String[] ss = kv.split("\\=", 2);
                    return Map.of(ss[0], ss[1]);
                })
                // 把所有Map聚合到一个Map:
                .reduce(new HashMap<String, String>(), (m, kv) -> {
                    m.putAll(kv);
                    return m;
                });
        // 打印结果:
        map.forEach((k, v) -> {
            System.out.println(k + " = " + v);
        });
    }
}

小结

reduce() 方法将一个 Stream 的每个元素依次作用于 BinaryOperator，并将结果合并。

reduce() 是聚合方法，聚合方法会立刻对 Stream 进行计算。