把自己写的流式编程工具分享出来,不涉及公司业务,非常便捷,不用在业务层看到一条龙式的Stream代码了;

大家用的最多的应该是转list,转set,以及setVFromE;

觉得好用点个赞就行

import java.math.BigDecimal;
import java.math.RoundingMode;
import java.util.Collection;
import java.util.HashMap;
import java.util.HashSet;
import java.util.LinkedHashMap;
import java.util.LinkedHashSet;
import java.util.LinkedList;
import java.util.List;
import java.util.Map;
import java.util.Objects;
import java.util.Set;
import java.util.concurrent.ConcurrentHashMap;
import java.util.function.BiConsumer;
import java.util.function.BinaryOperator;
import java.util.function.Function;
import java.util.function.Predicate;
import java.util.stream.Collectors;
import java.util.stream.Stream;
import com.google.common.collect.Maps;
import com.google.common.collect.Sets;
import org.apache.commons.collections.CollectionUtils; /**
* @desc Stream流处理工具
*/
public class StreamUtils { /**
* 转换map,获取本身,去重,对象、key忽略null
* @param source 集合
* @param keyFunction 获取key函数
* @return
*/
public static <T,K> Map<K,T> toMap(Collection<T> source, Function<T,K> keyFunction){
if (CollectionUtils.isEmpty(source)) {
return Maps.newHashMap();
}
return source.stream().filter(Objects::nonNull).filter(obj -> Objects.nonNull(keyFunction.apply(obj)))
.collect(Collectors.toMap(keyFunction, Function.identity(), (v1, v2) -> v2));
} /**
* 转换map,获取本身,去重,对象、key忽略null
* @param source 集合
* @param keyFunction 获取key函数
* @param predicate 过滤条件
* @return
*/
public static <T,K> Map<K,T> toMap(Collection<T> source, Function<T,K> keyFunction, Predicate<? super T> predicate){
if (CollectionUtils.isEmpty(source)) {
return Maps.newHashMap();
}
return source.stream().filter(Objects::nonNull).filter(obj -> Objects.nonNull(keyFunction.apply(obj))).filter(predicate)
.collect(Collectors.toMap(keyFunction, Function.identity(), (v1, v2) -> v2));
} /**
* 转换map,去重,对象、key、value忽略null
* @param source 集合
* @param keyFunction 获取key函数
* @param valueFunction 获取值函数
* @return
*/
public static <T, K, V> Map<K, V> toMap(Collection<T> source, Function<T, K> keyFunction, Function<T, V> valueFunction) {
if (CollectionUtils.isEmpty(source)) {
return Maps.newHashMap();
}
return source.stream().filter(Objects::nonNull).filter(obj -> Objects.nonNull(keyFunction.apply(obj)))
.filter(obj -> Objects.nonNull(valueFunction.apply(obj)))
.collect(Collectors.toMap(keyFunction, valueFunction, (v1, v2) -> v2));
} /**
* 转换map,去重,对象、key、value忽略null
* @param source 集合
* @param keyFunction 获取key函数
* @param valueFunction 获取值函数
* @param mergeFunction 合并方式
* @return
*/
public static <T, K, V> Map<K, V> toMap(Collection<T> source, Function<T, K> keyFunction, Function<T, V> valueFunction, BinaryOperator<V> mergeFunction) {
if (CollectionUtils.isEmpty(source)) {
return Maps.newHashMap();
}
return source.stream().filter(Objects::nonNull).filter(obj -> Objects.nonNull(keyFunction.apply(obj)))
.filter(obj -> Objects.nonNull(valueFunction.apply(obj))).collect(
Collectors.toMap(keyFunction, valueFunction, mergeFunction));
} /**
* 转换map,去重,使用map重新put方式
* @param source 集合
* @param keyFunction 获取key函数
* @param valueFunction 获取值函数
* @return
*/
public static <T, K, V> HashMap<K, V> toMap2(Collection<T> source, Function<T, K> keyFunction, Function<T, V> valueFunction) {
if (CollectionUtils.isEmpty(source)) {
return Maps.newHashMap();
}
return source.stream().filter(Objects::nonNull).filter(obj -> Objects.nonNull(keyFunction.apply(obj))).collect(
HashMap<K, V>::new,
(m, v) -> m.put(keyFunction.apply(v), valueFunction.apply(v)),
HashMap<K, V>::putAll);
} public static <T, R> List<R> toList(Collection<T> source, Function<T, R> function) {
if (CollectionUtils.isEmpty(source)) {
return Lists.newArrayList();
}
return source.stream().filter(Objects::nonNull).map(function)
.collect(Collectors.toList());
} public static <T, R> List<R> toListIgnoreNull(Collection<T> source, Function<T, R> function) {
if (CollectionUtils.isEmpty(source)) {
return Lists.newArrayList();
}
return source.stream().filter(Objects::nonNull).map(function).filter(Objects::nonNull)
.collect(Collectors.toList());
} public static <T,R> Set<R> toSet(Collection<T> source, Function<T,R> function) {
if (CollectionUtils.isEmpty(source)) {
return Sets.newHashSet();
}
return source.stream().filter(Objects::nonNull).map(function)
.collect(Collectors.toSet());
} public static <T,R> Set<R> toSetIgnoreNull(Collection<T> source, Function<T,R> function) {
if (CollectionUtils.isEmpty(source)) {
return Sets.newHashSet();
}
return source.stream().filter(Objects::nonNull).map(function).filter(Objects::nonNull)
.collect(Collectors.toSet());
} public static <T,R> LinkedHashSet<R> toLinkedHashSet(Collection<T> source, Function<T,R> function) {
if (CollectionUtils.isEmpty(source)) {
return new LinkedHashSet<R>();
}
return source.stream().filter(Objects::nonNull).map(function).filter(Objects::nonNull)
.collect(Collectors.toCollection(LinkedHashSet::new));
} public static <T,R> LinkedList<R> toLinkedList(Collection<T> source, Function<T,R> function) {
if (CollectionUtils.isEmpty(source)) {
return Lists.newLinkedList();
}
return source.stream().filter(Objects::nonNull).map(function).filter(Objects::nonNull)
.collect(Collectors.toCollection(LinkedList::new));
} /**
* 将集合分组,遇到重复的key,value放入集合中
* @param source
* @param keyFunction
* @param <K>
* @param <V>
* @return
*/
public static <K,V> Map<K,List<V>> groupToMap(Collection<V> source,Function<? super V, ? extends K> keyFunction){
if (CollectionUtils.isEmpty(source)) {
return Maps.newHashMap();
}
return source.stream().filter(Objects::nonNull).filter(s -> Objects.nonNull(keyFunction.apply(s)))
.collect(Collectors.groupingBy(keyFunction));
} /**
* 将集合分组,遇到重复的key,value放入集合中
* @param source
* @param keyFunction
* @param <K>
* @param <V>
* @return
*/
public static <K,V> LinkedHashMap<K,List<V>> groupToLinkedHashMap(Collection<V> source,Function<? super V, ? extends K> keyFunction){
if (CollectionUtils.isEmpty(source)) {
return Maps.newLinkedHashMap();
}
return source.stream().filter(Objects::nonNull).filter(s -> Objects.nonNull(keyFunction.apply(s)))
.collect(Collectors.groupingBy(keyFunction, LinkedHashMap::new, Collectors.toList()));
} /**
* 将集合分组,遇到重复的key,并统计重复key的次数
* @param source
* @param keyFunction
* @param <K>
* @param <V>
* @return
*/
public static <K,V> Map<K,Long> groupToMapCount(Collection<V> source,Function<? super V, ? extends K> keyFunction){
if (CollectionUtils.isEmpty(source)) {
return Maps.newHashMap();
}
return source.stream().filter(Objects::nonNull).filter(s -> Objects.nonNull(keyFunction.apply(s)))
.collect(Collectors.groupingBy(keyFunction,Collectors.counting()));
} public static <T> List<T> filter(Collection<T> source,Predicate<? super T> predicate){
if (CollectionUtils.isEmpty(source)) {
return Lists.newArrayList();
}
return source.stream().filter(predicate).collect(Collectors.toList());
} public static <T> Set<T> filter(Set<T> set,Predicate<? super T> predicate){
if (CollectionUtils.isEmpty(set)) {
return Sets.newHashSet();
}
return set.stream().filter(predicate).collect(Collectors.toCollection(HashSet::new));
} public static <T> LinkedHashSet<T> filterToSet(Collection<T> source,Predicate<? super T> predicate){
if (CollectionUtils.isEmpty(source)) {
return Sets.newLinkedHashSet();
}
return source.stream().filter(predicate).collect(Collectors.toCollection(LinkedHashSet::new));
} public static <T> Stream<T> filterStream(Collection<T> source, Predicate<? super T> predicate){
if (CollectionUtils.isEmpty(source)) {
return Stream.empty();
}
return source.stream().filter(predicate);
} public static <T> Stream<T> filterStream(Collection<T> source, Predicate<? super T> predicate1, Predicate<? super T> predicate2){
if (CollectionUtils.isEmpty(source)) {
return Stream.empty();
}
return source.stream().filter(predicate1).filter(predicate2);
} public static <T,R> List<R> filterMapList(Collection<T> source, Predicate<? super T> predicate, Function<T , R> mapFunction){
if (CollectionUtils.isEmpty(source)) {
return Lists.newArrayList();
}
return source.stream().filter(predicate).map(mapFunction).collect(Collectors.toList());
} public static <T,R> List<R> filterMapList(Collection<T> source, Predicate<? super T> predicate1, Predicate<? super T> predicate2, Function<T , R> mapFunction){
if (CollectionUtils.isEmpty(source)) {
return Lists.newArrayList();
}
return source.stream().filter(predicate1).filter(predicate2).map(mapFunction).collect(Collectors.toList());
} public static <T,R> Set<R> filterMapSet(Collection<T> source, Predicate<? super T> predicate, Function<T , R> mapFunction){
if (CollectionUtils.isEmpty(source)) {
return Sets.newHashSet();
}
return source.stream().filter(predicate).map(mapFunction).collect(Collectors.toSet());
} public static <T,R> Set<R> filterMapSet(Collection<T> source, Predicate<? super T> predicate1,Predicate<? super T> predicate2, Function<T , R> mapFunction){
if (CollectionUtils.isEmpty(source)) {
return Sets.newHashSet();
}
return source.stream().filter(predicate1).filter(predicate2).map(mapFunction).collect(Collectors.toSet());
} /**
* 从eList中设置字段值到vList中
* @param vList vList v对象集合
* @param eList eList e对象集合
* @param keyFunctionE e对象获取key方法
* @param keyFunctionV v对象获取key方法
* @param consumer 赋值转换方法
*/
public static <V,E,R> void setVFromE(Collection<V> vList, Collection<E> eList, Function<E,R> keyFunctionE,
Function<V,R> keyFunctionV,
BiConsumer<V,E> consumer){
if (CollectionUtils.isNotEmpty(eList)) {
Map<R, E> map = StreamUtils.toMap(eList,keyFunctionE);
vList.stream().filter(Objects::nonNull).forEach(v -> {
E e = map.get(keyFunctionV.apply(v));
if (Objects.nonNull(e)) {
consumer.accept(v,e);
}
});
}
} /**
* 从eList中设置集合项字段值到vList中的集合项属性
* @param vList vList v对象集合
* @param eList eList e对象集合
* @param keyFunctionE e对象获取key方法
* @param keyFunctionV v对象获取key方法
* @param consumer 赋值转换方法
*/
public static <V,E,R> void setVListFromE(Collection<V> vList, Collection<E> eList, Function<E,R> keyFunctionE,
Function<V,R> keyFunctionV,
BiConsumer<V,List<E>> consumer){
if (CollectionUtils.isNotEmpty(eList)) {
Map<R, List<E>> map = StreamUtils.groupToMap(eList,keyFunctionE);
vList.stream().filter(Objects::nonNull).forEach(v -> {
List<E> e = map.get(keyFunctionV.apply(v));
if (Objects.nonNull(e)) {
consumer.accept(v,e);
}
});
}
} /**
* 累加
* @param source 原集合
* @param valueFunction 获取BigDecimal字段
* @param <T>
* @return
*/
public static <T> BigDecimal add(Collection<T> source, Function<T,BigDecimal> valueFunction) {
if (CollectionUtils.isEmpty(source)) {
return BigDecimal.ZERO;
}
return source.stream().filter(Objects::nonNull).map(valueFunction)
.reduce(BigDecimal.ZERO,BigDecimal::add);
} /**
* 累加并设置四舍五入(保留newScale位小数)
* @param source 原集合
* @param valueFunction 获取BigDecimal字段
* @param newScale 小数位数
* @param <T>
* @return
*/
public static <T> BigDecimal addHalfUp(Collection<T> source, Function<T,BigDecimal> valueFunction,int newScale) {
if (CollectionUtils.isEmpty(source)) {
return BigDecimal.ZERO;
}
return source.stream().filter(Objects::nonNull).map(valueFunction)
.reduce(BigDecimal.ZERO,BigDecimal::add).setScale(newScale, RoundingMode.HALF_UP);
} /**
* 累加并设置四舍五入(保留2位小数)
* @param source 原集合
* @param valueFunction 获取BigDecimal字段
* @param <T>
* @return
*/
public static <T> BigDecimal addHalfUp(Collection<T> source, Function<T,BigDecimal> valueFunction) {
return addHalfUp(source, valueFunction,2);
} public static <T,K> Predicate<T> distinctByKey(Function<? super T, K> keyExtractor) {
Set<K> seen = ConcurrentHashMap.newKeySet();
return t -> seen.add(keyExtractor.apply(t));
} public static <T,K> List<T> distinctByKey(List<T> list, Function<? super T, K> keyExtractor) {
return list.stream().filter(distinctByKey(keyExtractor)).collect(Collectors.toList());
}
}

Stream流式编程工具类,开发必备的更多相关文章

  1. Stream流式编程

    Stream流式编程   Stream流 说到Stream便容易想到I/O Stream,而实际上,谁规定“流”就一定是“IO流”呢?在Java 8中,得益于Lambda所带来的函数式编程,引入了一个 ...

  2. 让代码变得优雅简洁的神器:Java8 Stream流式编程

    原创/朱季谦 本文主要基于实际项目常用的Stream Api流式处理总结. 因笔者主要从事风控反欺诈相关工作,故而此文使用比较熟悉的三要素之一的[手机号]黑名单作代码案例说明. 我在项目当中,很早就开 ...

  3. stream流操作List工具类

    工作中操作List对于程序猿来说是"基本操作",为了更加便利,对JDK8的新特性stream流进行二次封装.话不多说,直接上代码 package com.mydemo; impor ...

  4. Java8 新特性 —— Stream 流式编程

    本文部分摘自 On Java 8 流概述 集合优化了对象的存储,大多数情况下,我们将对象存储在集合是为了处理他们.使用流可以帮助我们处理对象,无需迭代集合中的元素,即可直接提取和操作元素,并添加了很多 ...

  5. JDK8新特性(二) 流式编程Stream

    流式编程是1.8中的新特性,基于常用的四种函数式接口以及Lambda表达式对集合类数据进行类似流水线一般的操作 流式编程分为大概三个步骤:获取流 → 操作流 → 返回操作结果 流的获取方式 这里先了解 ...

  6. java高并发系列 - 第15天:JUC中的Semaphore,最简单的限流工具类,必备技能

    这是java高并发系列第15篇文章 Semaphore(信号量)为多线程协作提供了更为强大的控制方法,前面的文章中我们学了synchronized和重入锁ReentrantLock,这2种锁一次都只能 ...

  7. 第46天学习打卡(四大函数式接口 Stream流式计算 ForkJoin 异步回调 JMM Volatile)

    小结与扩展 池的最大的大小如何去设置! 了解:IO密集型,CPU密集型:(调优)  //1.CPU密集型 几核就是几个线程 可以保持效率最高 //2.IO密集型判断你的程序中十分耗IO的线程,只要大于 ...

  8. 万字详解 | Java 流式编程

    概述 Stream API 是 Java 中引入的一种新的数据处理方法.它提供了一种高效且易于使用的方法来处理数据集合.Stream API 支持函数式编程,可以让我们以简洁.优雅的方式进行数据操作, ...

  9. 20190827 On Java8 第十四章 流式编程

    第十四章 流式编程 流的一个核心好处是,它使得程序更加短小并且更易理解.当 Lambda 表达式和方法引用(method references)和流一起使用的时候会让人感觉自成一体.流使得 Java ...

  10. FTP工具类开发

    正所谓工欲善其事必先利其器,熟悉了下一套流程,以此铭记. 1.FTP服务搭建 由于本人使用wondiow系统,所以针对window的童鞋们可以查看.至于windowX这里配置类似,所以不要纠结于win ...

随机推荐

  1. 玩转云端|天翼云边缘安全加速平台AccessOne实用窍门之保障热门产品发售服务安全稳定

    本文分享自天翼云开发者社区<玩转云端|天翼云边缘安全加速平台AccessOne实用窍门之保障热门产品发售服务安全稳定>,作者:天翼云社区官方账号 随着社会经济的发展和人民生活水平的提高,越 ...

  2. .NET最佳实践:webapi返回IAsyncEnumerable提升性能

    什么是IAsyncEnumerable IAsyncEnumerable<T> 是 .NET 中用于表示异步数据流的接口. 它允许你逐个异步地获取数据项,而不是将所有数据一次性加载到内存中 ...

  3. Linux 之 vi / vim

    vi / vim ​ Vim 是从 vi 发展出来的一个文本编辑器.代码补全.编译及错误跳转等方便编程的功能特别丰富,在程序员中被广泛使用. 简单的来说, vi 是老式的字处理器,不过功能已经很齐全了 ...

  4. 耳分解、双极定向和 P9394 Solution

    耳分解 设无向图 \(G'(V',E')\subset G(V,E)\),简单路径或简单环 \(P:x_1\to \dots \to x_k\) 被称为 \(G\) 关于 \(G'\) 的耳,当且仅当 ...

  5. nacos(四): 创建第一个消费者Conumer(单体)

    接上一篇<nacos(三): 创建第一个生产者producer(单体)>,我们这一篇实现单体的消费者功能,准备与上一次的生产者集成在一个单体项目中. 消费者的本质其实就是向nacos注册后 ...

  6. .NET周刊【2月第2期 2025-02-09】

    国内文章 开箱即用的.NET MAUI组件库 V-Control 发布了! https://www.cnblogs.com/jevonsflash/p/18701494 文章介绍了V-Control, ...

  7. [BZOJ4665] 小w的喜糖 题解

    我们先假设同种糖间存在差异. 设 \(f_{i,j}\) 表示前 \(i\) 种糖至少有 \(j\) 人拿到的糖和原来一样,\(c_i\) 表示拿第 \(i\) 种糖的人的个数,则有: \[f_{i, ...

  8. CART回归树基本原理(具体例子)

    id3不能直接处理连续性的特征,需要将连续性的转化成离散的,但是会破坏连续性特征的内在结构. 一.概念 CART全称叫Classification and Regression Tree.首先要强调的 ...

  9. 利用JS 代码块 为你的 Typecho博客添加一个 Copy 按钮

    引入 JS 将以下代码添加到主题 header.php 中的 </head> 标签前,本主题也可以前往 控制台 - 设置外观 - 主题自定义扩展,将它添加到 自定义 HTML 元素拓展 - ...

  10. 『Python底层原理』--异步机制(async/await)

    在现代编程中,并发是提高程序效率的关键技术之一,它允许程序同时执行多个任务,充分利用系统资源. 本文将深入探讨 Python 中的async/await机制,从并发编程基础讲起,逐步剖析其工作原理和实 ...