1. 预备知识
在了解Lambda表达式之前首先需要了解以下预备知识。
关注订阅我的文章
1.1 如何成为一名高级码农？
如果老板让你写一个用于毁灭地球的函数，而你写了一个毁灭行星的函数，若要毁灭地球只需将毁灭地球的过程传递给“毁灭行星”。能做到这一点，你就是一名高级码农。
以上这个问题体现了程序可扩展性的思想。总结一下，要成为一名高级码农，在编码的时候要以发展的眼光看待问题。一个具体问题到来的时候，你需要基于当前问题抽象出解决这一类问题的办法，那么当相似的问题到来时，你只需花少量的时间就能完成任务，而且避免了代码复制，降低了bug的风险。
1.2 实现程序可扩展性的例子
在Java8以前，要实现程序的可扩展性，我们常用匿名内部类传递用于扩展的代码，举个例子：
实现一个能从List集合中筛选指定对象的函数filter。
- 若List中存放Person对象，要求筛选出30岁以上的Person
- 若List中存放Apple，要求筛选出红色的Apple
使用匿名内部类的解决方案：
- 实现filter函数
List<T> filter(List<T> list, FilterProcessor filterProcessor){
List<T> result = new ArrayList<T>();
for(T t : list){
if(filterProcessor.process(t))
result.add(t);
}
return list;
}
- 定义FilterProcessor接口
interface FilterProcessor<T>{
boolean process(T);
}
- 使用匿名内部类实现筛选出30岁以上的Person
List<Person> result = filter(list, new FilterProcessor<Person>(){
boolean process(Person person){
if(person.getAge()>=30)
return true;
return false;
}
});
- 使用匿名内部类筛选出红色的Apple
List<Apple> result = filter(list, new FilterProcessor<Apple>(){
boolean process(Apple apple){
if(apple.getColor().equals("red"))
return true;
return false;
}
});
若要增加新的筛选规则，只需给filter函数传递新的匿名内部类即可。程序具有了可扩展性，恭喜你已经成为一名高级码农！
1.3 什么是“策略模式”？
上述过程总结来说，当我们需要解决同一类问题的时候，若发现这类问题大部分处理过程是一致的，只是核心步骤存在差异，这时候就可以使用上述方式：先把函数相同的部分写好，再抽象出一个接口，不同部分的代码放在接口的实现类中。要使用时，只需将实现类的对象传递给该函数即可。
这种方式在设计模式中称为“策略模式”。
1.4 使用匿名内部类实现策略模式的弊端？
使用匿名内部类实现策略模式代码比较冗余，不易阅读，就像这样：
List<Apple> result = filter(list, new FilterProcessor<Apple>(){
boolean process(Apple apple){
if(apple.getColor().equals("red"))
return true;
return false;
}
});
Java8提出了Lambda表达式，它是实现策略模式的另外一种方式，目的就是为了使代码简单清晰。
使用Lambda表达式实现相同功能：
List<Apple> result = filter(list, (Apple apple)—>apple.getColor().equals("red"));
这样是不是简单多了！Lambda表达式本质上是将一个函数的代码作为一个参数或变量进行传递，这种处理方式有个专门的名字——函数式编程。
1.5 什么是函数式编程？
所谓“函数式”编程，就是将函数的代码当作一个变量，传递给另一个变量或传递给一个函数，这种编程方式就称为“函数式编程”。
Java8中采用Lambda表达式实现函数式编程，它是策略模式的第二种实现方式，目的就是简化策略模式的代码实现。
2. Lambda表达式的语法
Lambda表达式用于表示一个函数，所以它和函数一样，也拥有参数、返回值、函数体，但它没有函数名，所以Lambda表达式相当于一个匿名函数。语法如下：
(Person person)—>person.getAge()>30
Lambda表达式用—>连接，->左侧为函数的参数，->右侧为函数体。
若右侧由多条语句构成则需要用{}包裹，如：
(Person person)—>{person.getAge()>30;System.out.println(person.getName());}
Lambda表达式无需显示指定返回值类型，JVM会根据->右侧语句的返回结果自动判断返回值类型，如：
(Person person)—>person.getAge()>30 #自动判断返回值为boolean型
3. 如何使用Lambda表达式？
仍以筛选年龄大于30的Person对象为例：
3.1 为Lambda表达式定义函数式接口
@FunctionalInterface
interface FilterProcessor<T>{
boolean process(T t);
}
PS：该接口只能有一个抽象函数！接下来Lambda表达式就是该抽象函数的实现。
PS：在为Lambda表达式定义函数式接口时，需要加上注解@FunctionalInterface，这样当该接口中抽象函数个数不是1时就会报错提示。
3.2 实现筛选函数
List<T> filter(List<T> list, FilterProcessor<T> filterProcessor){
List<T> result = new ArrayList<T>();
if(filterProcessor.process(t))
result.add(t);
return result;
}
filter函数接收一个函数式接口，该参数用于接收一个Lambda表达式。
3.3 传递Lambda表达式
List<Person> result = filter(list, (Person p)->p.getAge()>30);
直接将Lambda表达式作为参数传递给filter的函数式接口即可，从而在result中就能获取年龄超过30岁的Person对象。
4. 流的基本概念
4.1 什么是流？
流是Java8引入的全新概念，它用来处理集合中的数据，暂且可以把它理解为一种高级集合。
众所周知，集合操作非常麻烦，若要对集合进行筛选、投影，需要写大量的代码，而流是以声明的形式操作集合，它就像SQL语句，我们只需告诉流需要对集合进行什么操作，它就会自动进行操作，并将执行结果交给你，无需我们自己手写代码。
因此，流的集合操作对我们来说是透明的，我们只需向流下达命令，它就会自动把我们想要的结果给我们。由于操作过程完全由Java处理，因此它可以根据当前硬件环境选择最优的方法处理，我们也无需编写复杂又容易出错的多线程代码了。
4.2 流的特点
- 只能遍历一次
我们可以把流想象成一条流水线，流水线的源头是我们的数据源(一个集合)，数据源中的元素依次被输送到流水线上，我们可以在流水线上对元素进行各种操作。一旦元素走到了流水线的另一头，那么这些元素就被“消费掉了”，我们无法再对这个流进行操作。当然，我们可以从数据源那里再获得一个新的流重新遍历一遍。 - 采用内部迭代方式
若要对集合进行处理，则需我们手写处理代码，这就叫做外部迭代。而要对流进行处理，我们只需告诉流我们需要什么结果，处理过程由流自行完成，这就称为内部迭代。
4.3 流的操作种类
流的操作分为两种，分别为中间操作 和 终端操作。
- 中间操作
当数据源中的数据上了流水线后，这个过程对数据进行的所有操作都称为“中间操作”。
中间操作仍然会返回一个流对象，因此多个中间操作可以串连起来形成一个流水线。 - 终端操作
当所有的中间操作完成后，若要将数据从流水线上拿下来，则需要执行终端操作。
终端操作将返回一个执行结果，这就是你想要的数据。
4.4 流的操作过程
使用流一共需要三步：
- 准备一个数据源
- 执行中间操作
中间操作可以有多个，它们可以串连起来形成流水线。 - 执行终端操作
执行终端操作后本次流结束，你将获得一个执行结果。
5. 流的使用
5.1 获取流
在使用流之前，首先需要拥有一个数据源，并通过StreamAPI提供的一些方法获取该数据源的流对象。数据源可以有多种形式：
- 集合
这种数据源较为常用，通过stream()方法即可获取流对象：
List<Person> list = new ArrayList<Person>();
Stream<Person> stream = list.stream();
- 数组
通过Arrays类提供的静态函数stream()获取数组的流对象：
String[] names = {"chaimm","peter","john"};
Stream<String> stream = Arrays.stream(names);
- 值
直接将几个值变成流对象：
Stream<String> stream = Stream.of("chaimm","peter","john");
- 文件
try(Stream<String> lines = Files.lines(Paths.get("文件路径名"),Charset.defaultCharset())){
//可对lines做一些操作
}catch(IOException e){
}PS：Java7简化了IO操作，把打开IO操作放在try后的括号中即可省略关闭IO的代码。
5.2 筛选filter
filter函数接收一个Lambda表达式作为参数，该表达式返回boolean，在执行过程中，流将元素逐一输送给filter，并筛选出执行结果为true的元素。
如，筛选出所有学生：
List<Person> result = list.stream()
.filter(Person::isStudent)
.collect(toList());
5.3 去重distinct
去掉重复的结果：
List<Person> result = list.stream()
.distinct()
.collect(toList());
5.4 截取
截取流的前N个元素：
List<Person> result = list.stream()
.limit(3)
.collect(toList());
5.5 跳过
跳过流的前n个元素：
List<Person> result = list.stream()
.skip(3)
.collect(toList());
5.6 映射
对流中的每个元素执行一个函数，使得元素转换成另一种类型输出。流会将每一个元素输送给map函数，并执行map中的Lambda表达式，最后将执行结果存入一个新的流中。
如，获取每个人的姓名(实则是将Perosn类型转换成String类型)：
List<Person> result = list.stream()
.map(Person::getName)
.collect(toList());
5.7 合并多个流
例：列出List中各不相同的单词，List集合如下：
List<String> list = new ArrayList<String>();
list.add("I am a boy");
list.add("I love the girl");
list.add("But the girl loves another girl");
思路如下：
- 首先将list变成流：
list.stream();
- 按空格分词：
list.stream()
.map(line->line.split(" "));
分完词之后，每个元素变成了一个String[]数组。
- 将每个String[]变成流：
list.stream()
.map(line->line.split(" "))
.map(Arrays::stream)
此时一个大流里面包含了一个个小流，我们需要将这些小流合并成一个流。
- 将小流合并成一个大流：
用flagmap替换刚才的map
list.stream()
.map(line->line.split(" "))
.flagmap(Arrays::stream)
- 去重
list.stream()
.map(line->line.split(" "))
.flagmap(Arrays::stream)
.distinct()
.collect(toList());
5.8 是否匹配任一元素：anyMatch
anyMatch用于判断流中是否存在至少一个元素满足指定的条件，这个判断条件通过Lambda表达式传递给anyMatch，执行结果为boolean类型。
如，判断list中是否有学生：
boolean result = list.stream()
.anyMatch(Person::isStudent);
5.9 是否匹配所有元素：allMatch
allMatch用于判断流中的所有元素是否都满足指定条件，这个判断条件通过Lambda表达式传递给anyMatch，执行结果为boolean类型。
如，判断是否所有人都是学生：
boolean result = list.stream()
.allMatch(Person::isStudent);
5.10 是否未匹配所有元素：noneMatch
noneMatch与allMatch恰恰相反，它用于判断流中的所有元素是否都不满足指定条件：
boolean result = list.stream()
.noneMatch(Person::isStudent);
5.11 获取任一元素findAny
findAny能够从流中随便选一个元素出来，它返回一个Optional类型的元素。
Optional<Person> person = list.stream()
.findAny();
Optional介绍
Optional是Java8新加入的一个容器，这个容器只存1个或0个元素，它用于防止出现NullpointException，它提供如下方法：
- isPresent()
判断容器中是否有值。 - ifPresent(Consume<T> lambda)
容器若不为空则执行括号中的Lambda表达式。 - T get()
获取容器中的元素，若容器为空则抛出NoSuchElement异常。 - T orElse(T other)
获取容器中的元素，若容器为空则返回括号中的默认值。
5.12 获取第一个元素findFirst
Optional<Person> person = list.stream()
.findFirst();
5.13 归约
归约是将集合中的所有元素经过指定运算，折叠成一个元素输出，如：求最值、平均数等，这些操作都是将一个集合的元素折叠成一个元素输出。
在流中，reduce函数能实现归约。
reduce函数接收两个参数：
- 初始值
- 进行归约操作的Lambda表达式
5.13.1 元素求和：自定义Lambda表达式实现求和
例：计算所有人的年龄总和
int age = list.stream().reduce(0, (person1,person2)->person1.getAge()+person2.getAge());
reduce的第一个参数表示初试值为0；
reduce的第二个参数为需要进行的归约操作，它接收一个拥有两个参数的Lambda表达式，reduce会把流中的元素两两输给Lambda表达式，最后将计算出累加之和。
5.13.2 元素求和：使用Integer.sum函数求和
上面的方法中我们自己定义了Lambda表达式实现求和运算，如果当前流的元素为数值类型，那么可以使用Integer提供了sum函数代替自定义的Lambda表达式，如：
int age = list.stream().reduce(0, Integer::sum);
Integer类还提供了min、max等一系列数值操作，当流中元素为数值类型时可以直接使用。
5.14 数值流的使用
采用reduce进行数值操作会涉及到基本数值类型和引用数值类型之间的装箱、拆箱操作，因此效率较低。
当流操作为纯数值操作时，使用数值流能获得较高的效率。
5.14.1 将普通流转换成数值流
StreamAPI提供了三种数值流：IntStream、DoubleStream、LongStream，也提供了将普通流转换成数值流的三种方法：mapToInt、mapToDouble、mapToLong。
如，将Person中的age转换成数值流：
IntStream stream = list.stream()
.mapToInt(Person::getAge);
5.14.2 数值计算
每种数值流都提供了数值计算函数，如max、min、sum等。
如，找出最大的年龄：
OptionalInt maxAge = list.stream()
.mapToInt(Person::getAge)
.max();
由于数值流可能为空，并且给空的数值流计算最大值是没有意义的，因此max函数返回OptionalInt，它是Optional的一个子类，能够判断流是否为空，并对流为空的情况作相应的处理。
此外，mapToInt、mapToDouble、mapToLong进行数值操作后的返回结果分别为：OptionalInt、OptionalDouble、OptionalLong
6. 收集器简介
收集器用来将经过筛选、映射的流进行最后的整理，可以使得最后的结果以不同的形式展现。
collect方法即为收集器，它接收Collector接口的实现作为具体收集器的收集方法。
Collector接口提供了很多默认实现的方法，我们可以直接使用它们格式化流的结果；也可以自定义Collector接口的实现，从而定制自己的收集器。
这里先介绍Collector常用默认静态方法的使用，自定义收集器会在下一篇博文中介绍。
7. 收集器的使用
7.1 归约
流由一个个元素组成，归约就是将一个个元素“折叠”成一个值，如求和、求最值、求平均值都是归约操作。
7.1.1 计数
long count = list.stream()
.collect(Collectors.counting());
也可以不使用收集器的计数函数：
long count = list.stream().count();
注意：计数的结果一定是long类型。
7.1.2 最值
例：找出所有人中年龄最大的人
Optional<Person> oldPerson = list.stream()
.collect(Collectors.maxBy(Comparator.comparingInt(Person::getAge)));
计算最值需要使用Collector.maxBy和Collector.minBy，这两个函数需要传入一个比较器Comparator.comparingInt，这个比较器又要接收需要比较的字段。
这个收集器将会返回一个Optional类型的值。
7.1.3 求和
例：计算所有人的年龄总和
int summing = list.stream()
.collect(Collectors.summingInt(Person::getAge));
当然，既然Java8提供了summingInt，那么还提供了summingLong、summingDouble。
7.1.4 求平均值
例：计算所有人的年龄平均值
double avg = list.stream()
.collect(Collectors.averagingInt(Person::getAge));
注意：计算平均值时，不论计算对象是int、long、double，计算结果一定都是double。
7.1.5 一次性计算所有归约操作
Collectors.summarizingInt函数能一次性将最值、均值、总和、元素个数全部计算出来，并存储在对象IntSummaryStatisics中。
可以通过该对象的getXXX()函数获取这些值。
7.1.6 连接字符串
例：将所有人的名字连接成一个字符串
String names = list.stream()
.collect(Collectors.joining());
每个字符串默认分隔符为空格，若需要指定分隔符，则在joining中加入参数即可：
String names = list.stream()
.collect(Collectors.joining(", "));
此时字符串之间的分隔符为逗号。
7.1.7 一般性的归约操作
若你需要自定义一个归约操作，那么需要使用Collectors.reducing函数，该函数接收三个参数：
- 第一个参数为归约的初始值
- 第二个参数为归约操作进行的字段
- 第三个参数为归约操作的过程
例：计算所有人的年龄总和
Optional<Integer> sumAge = list.stream()
.collect(Collectors.reducing(0,Person::getAge,(i,j)->i+j));
上面例子中，reducing函数一共接收了三个参数：
- 第一个参数表示归约的初始值。我们需要累加，因此初始值为0
- 第二个参数表示需要进行归约操作的字段。这里我们对Person对象的age字段进行累加。
- 第三个参数表示归约的过程。这个参数接收一个Lambda表达式，而且这个Lambda表达式一定拥有两个参数，分别表示当前相邻的两个元素。由于我们需要累加，因此我们只需将相邻的两个元素加起来即可。
Collectors.reducing方法还提供了一个单参数的重载形式。
你只需传一个归约的操作过程给该方法即可(即第三个参数)，其他两个参数均使用默认值。
- 第一个参数默认为流的第一个元素
- 第二个参数默认为流的元素
这就意味着，当前流的元素类型为数值类型，并且是你要进行归约的对象。
例：采用单参数的reducing计算所有人的年龄总和
Optional<Integer> sumAge = list.stream()
.filter(Person::getAge)
.collect(Collectors.reducing((i,j)->i+j));
7.2 分组
分组就是将流中的元素按照指定类别进行划分，类似于SQL语句中的GROUPBY。
7.2.1 一级分组
例：将所有人分为老年人、中年人、青年人
Map<String,List<Person>> result = list.stream()
.collect(Collectors.groupingby((person)->{
if(person.getAge()>60)
return "老年人";
else if(person.getAge()>40)
return "中年人";
else
return "青年人";
}));
groupingby函数接收一个Lambda表达式，该表达式返回String类型的字符串，groupingby会将当前流中的元素按照Lambda返回的字符串进行分组。
分组结果是一个Map< String,List< Person>>，Map的键就是组名，Map的值就是该组的Perosn集合。
7.2.2 多级分组
多级分组可以支持在完成一次分组后，分别对每个小组再进行分组。
使用具有两个参数的groupingby重载方法即可实现多级分组。
- 第一个参数：一级分组的条件
- 第二个参数：一个新的groupingby函数，该函数包含二级分组的条件
例：将所有人分为老年人、中年人、青年人，并且将每个小组再分成：男女两组。
Map<String,Map<String,List<Person>>> result = list.stream()
.collect(Collectors.groupingby((person)->{
if(person.getAge()>60)
return "老年人";
else if(person.getAge()>40)
return "中年人";
else
return "青年人";
},
groupingby(Person::getSex)));
此时会返回一个非常复杂的结果：Map< String,Map< String,List< Person>>>。
7.2.3 对分组进行统计
拥有两个参数的groupingby函数不仅仅能够实现多几分组，还能对分组的结果进行统计。
例：统计每一组的人数
Map<String,Long> result = list.stream()
.collect(Collectors.groupingby((person)->{
if(person.getAge()>60)
return "老年人";
else if(person.getAge()>40)
return "中年人";
else
return "青年人";
},
counting()));
此时会返回一个Map< String,Long>类型的map，该map的键为组名，map的值为该组的元素个数。
将收集器的结果转换成另一种类型
当使用maxBy、minBy统计最值时，结果会封装在Optional中，该类型是为了避免流为空时计算的结果也为空的情况。在单独使用maxBy、minBy函数时确实需要返回Optional类型，这样能确保没有空指针异常。然而当我们使用groupingBy进行分组时，若一个组为空，则该组将不会被添加到Map中，从而Map中的所有值都不会是一个空集合。既然这样，使用maxBy、minBy方法计算每一组的最值时，将结果封装在optional对象中就显得有些多余。
我们可以使用collectingAndThen函数包裹maxBy、minBy，从而将maxBy、minBy返回的Optional对象进行转换。
例：将所有人按性别划分，并计算每组最大的年龄。
Map<String,Integer> map = list.stream()
.collect(groupingBy(Person::getSex,
collectingAndThen(
maxBy(comparingInt(Person::getAge)),
Optional::get
)));
此时返回的是一个Map< String,Integer>，String表示每组的组名(男、女)，Integer为每组最大的年龄。
如果不用collectingAndThen包裹maxBy，那么最后返回的结果为Map<String,Optional<Person>>。
使用collectingAndThen包裹maxBy后，首先会执行maxBy函数，该函数执行完后便会执行Optional::get，从而将Optional中的元素取出来。
7.3 分区
分区是分组的一种特殊情况，它只能分成true、false两组。
分组使用partitioningBy方法，该方法接收一个Lambda表达式，该表达是必须返回boolean类型，partitioningBy方法会将Lambda返回结果为true和false的元素各分成一组。
partitioningBy方法返回的结果为Map<Boolean,List<T>>。
此外，partitioningBy方法和groupingBy方法一样，也可以接收第二个参数，实现二级分区或对分区结果进行统计。
关注订阅我的文章
